如需與 Amazon Timestream for LiveAnalytics 類似的功能，請考慮使用 Amazon Timestream for InfluxDB。它提供簡化的資料擷取和單一位數毫秒查詢回應時間，以進行即時分析。[在這裡](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html)進一步了解。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 排程查詢模式
<a name="scheduledqueries-patterns"></a>

在本節中，您將找到一些常見模式，說明如何使用 Amazon Timestream for LiveAnalytics 排程查詢來最佳化儀表板，以更快且降低成本。以下範例使用 DevOps 應用程式案例來說明適用於一般排程查詢的關鍵概念，無論應用程式案例為何。

Timestream for LiveAnalytics 中的排程查詢可讓您使用 Timestream for LiveAnalytics 的完整 SQL 表面積來表達查詢。您的查詢可以包含一或多個來源資料表、執行彙總或 Timestream 針對 LiveAnalytics SQL 語言所允許的任何其他查詢，然後在 Timestream for LiveAnalytics 中的另一個目的地資料表中具體化查詢結果。為了方便表達，本節將排程查詢的此目標資料表稱為*衍生資料表*。

以下是本節涵蓋的要點。
+ 使用簡單的機群層級彙總來說明如何定義排程查詢並了解一些基本概念。
+ 如何結合排程查詢 （衍生資料表） 目標的結果與來源資料表的結果，以取得排程查詢的成本和效能優勢。
+ 設定排程查詢的重新整理期間時，您的取捨是什麼。
+ 針對某些常見案例使用排程查詢。
  + 追蹤特定日期之前每個執行個體的最後一個資料點。
  + 用於在儀表板中填入變數之維度的不同值。
+ 在排程查詢的內容中處理延遲到達資料的方式。
+ 如何使用一次性手動執行來處理排程查詢自動觸發未直接涵蓋的各種案例。

**Topics**
+ [案例](scheduledqueries-patterns-scenario.md)
+ [簡單機群層級彙總](scheduledqueries-patterns-simplefleet.md)
+ [每個裝置的最後一個點](scheduledqueries-patterns-lastpointfromdevice.md)
+ [唯一維度值](scheduledqueries-patterns-uniquedimvalues.md)
+ [處理延遲抵達的資料](scheduledqueries-patterns-latearrive.md)
+ [回填歷史預先運算](scheduledqueries-patterns-backfilling.md)