Pour des fonctionnalités similaires à celles d'Amazon Timestream pour, pensez à Amazon Timestream LiveAnalytics pour InfluxDB. Il permet une ingestion simplifiée des données et des temps de réponse aux requêtes à un chiffre en millisecondes pour des analyses en temps réel. Pour en savoir plus, cliquez ici.
Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Amazon Timestream LiveAnalytics pour le changement de disponibilité
Les applications chronologiques ayant des exigences et des caractéristiques uniques, nous proposons un cadre général pour vous aider à évaluer différentes alternatives avant de vous plonger dans les détails de mise en œuvre spécifiques. Ces conseils de haut niveau servent de base à votre processus de prise de décision, avec des étapes plus détaillées et des mises en œuvre pratiques qui seront abordées dans les sections suivantes.
Évaluation des services alternatifs
- Le cas d'utilisation s'inscrit dans Amazon Timestream pour InfluxDB
-
Nous recommandons Timestream pour InfluxDB, si votre Timestream pour LiveAnalytics table a moins de 10 millions de cardinalités (clés de série
), c'est-à-dire des combinaisons uniques de Amazon LiveAnalytics Timestream pour les concepts ou si vous pouvez réduire la cardinalité de votre table à moins de 10 millions. Timestream for InfluxDB vous donne accès aux fonctionnalités de la version open source d'InfluxDB. Le choix de cette voie permet d'accéder aux fonctionnalités de séries chronologiques existantes, telles que les fonctions d'analyse de séries chronologiques fournies par Flux , les tâches (équivalentes àRequêtes planifiées) et d'autres fonctions similaires proposées par Timestream pour. LiveAnalytics Timestream for InfluxDB fournit également InfluxQL (un langage de requête de type SQL ) pour interagir avec InfluxDB pour interroger et analyser vos données de séries chronologiques. - Préférez utiliser SQL au lieu d'InfluxQL
-
Nous vous recommandons d'implémenter Amazon Aurora ou RDS PostgreSQL. Ces bases de données offrent des fonctionnalités SQL complètes tout en fournissant des fonctionnalités efficaces de gestion des séries chronologiques. Les analyses de séries chronologiques peuvent être mises en œuvre à l'aide des fonctions de base de données intégrées lorsqu'elles sont disponibles, ou gérées au niveau de la couche application.
- Nécessite une ingestion de données à grande échelle (plus d'un million d'enregistrements par seconde)
-
Nous vous recommandons d'utiliser Amazon DynamoDB ou d'autres AWS bases de données NoSQL.
Ces bases de données peuvent être sélectionnées en fonction des besoins spécifiques de votre application. Les analyses de séries chronologiques peuvent être mises en œuvre à l'aide des fonctions de base de données intégrées lorsqu'elles sont disponibles, ou gérées au niveau de la couche application.
Avant de commencer la migration de vos données vers le AWS service alternatif choisi, il est essentiel d'évaluer plusieurs facteurs clés qui influenceront de manière significative votre stratégie de migration et son succès final. Ces évaluations vous aideront à définir votre approche, à identifier les défis potentiels et à garantir une transition plus fluide pendant le processus de migration.
Considérations relatives au choix et à la conservation des données
Évaluez l'étendue de la migration de vos données en définissant les exigences de conservation exactes. Déterminez si vous devez migrer le jeu de données historique complet, les données récentes uniquement (telles que les 30, 60 ou 90 derniers jours) ou des segments de données de séries chronologiques spécifiques. Cette décision doit être guidée par trois facteurs clés : les exigences de conformité réglementaire, les besoins analytiques de votre entreprise et les considérations pratiques relatives à la complexité et aux coûts de la migration.
Analyse de compatibilité des modèles de requêtes
La compatibilité des requêtes entre votre service source (Timestream pour LiveAnalytics) et votre service cible nécessite une évaluation approfondie, car les bases de données chronologiques gèrent les langages de requête et les fonctionnalités différemment. Effectuez des tests complets pour identifier les différences de syntaxe, les lacunes fonctionnelles et les variations de performances entre les systèmes. Testez toutes les requêtes critiques ou, si possible, toutes les requêtes sur lesquelles reposent vos applications pour vous assurer qu'elles fonctionneront correctement après la migration et qu'elles seront performantes.
Planification de la transformation des données
Avant de procéder à la migration, portez une attention particulière au mappage des schémas afin de garantir un alignement correct des données et une cohérence structurelle entre les systèmes source et cible, ainsi que des conversions de type de données précises spécialement adaptées aux séries chronologiques. Ces composants fonctionnent ensemble pour garantir la qualité des données, optimiser les performances et maintenir les fonctionnalités des différentes architectures système. En outre, considérez tous les modèles d'indexation spécialisés et les optimisations spécifiques au système pour garantir un accès et une extraction efficaces des données.
Gestion de la continuité et des temps d'arrêt
Étant donné que la migration des données entraîne intrinsèquement des perturbations opérationnelles, le développement d'une stratégie de transition complète est essentiel pour réussir. Voici quelques bonnes pratiques à prendre en compte dans le plan de migration afin de minimiser les interruptions de service :
-
Mettez en œuvre des systèmes de traitement parallèle temporaires dans la mesure du possible pour assurer la continuité des activités.
-
Planifiez les migrations pendant les périodes de faible trafic, telles que les week-ends ou les heures de nuit.
-
Établissez des procédures de restauration éprouvées pour une restauration rapide en cas de problèmes imprévus.