北京2020年10月12日电/美通社/--近日，亚马逊云服务宣布亚马逊Timestream正式可用。作为一个全新的面向物联网和运营应用的时间序列数据库，亚马逊Timestream每天可以处理数万亿个时间序列事件，比关系数据库快1000倍，而成本低至1/10。Amazon Timestream将最新数据保存在内存中，并根据用户定义的策略将历史数据移动到成本优化的存储层，从而为客户节省能源和费用。同时，其查询处理使客户能够通过单个查询透明地访问和组合最新数据和历史数据，而无需在查询中明确指定数据驻留在内存还是成本优化层。Amazon Timestream提供时间序列分析，帮助客户近乎实时地识别数据的趋势和模式。亚马逊Timestream是一项无服务器服务，可以自动扩大或缩小规模，并根据负载调整容量，因此客户不需要管理其底层基础设施。客户可以使用亚马逊Timestream，无需预付款或承诺，只需为写入、存储或查询的数据付费。访问https://aws.amazon.com/timestream，开始使用亚马逊时间流。
目前，客户希望构建物联网、边缘和运营应用，并从随时间变化的海量数据中收集、总结和获得洞察。例如，制造商希望跟踪物联网传感器数据，测量整个工厂设备的变化；在线营销人员希望分析点击流数据，捕捉用户浏览网站的顺序；数据中心操作员希望查看数据来衡量基础设施性能指标的变化。这类时间序列数据可以从多个来源生成，数据量巨大，既需要近实时的低成本采集，又需要高效的存储来帮助客户组织和分析数据。要实现这一点，客户可以使用现有的关系数据库或自我管理的时间序列数据库。然而，这两种选择都有一些缺陷。关系数据库需要预设一个固定的模式，当它需要跟踪应用程序的新属性时，缺乏灵活性。例如，当新设备上线并开始发送时间序列数据时，固化模式意味着客户要么必须丢弃新数据，要么重新设计数据库的表以支持新设备，这将耗费时间和金钱。除了固化的模式，关系数据库还需要多个表和索引，每当有新的数据产生就需要更新，而且随着数据的增长，查询会变得越来越复杂和低效。此外，关系数据库缺乏必要的时间序列分析功能，如平滑、近似和插值，这些功能可以帮助客户近实时地识别趋势和模式。另一个解决方案是由客户自己建立和管理时间序列数据库。缺点是数据处理和存储能力有限，难以扩展。许多现有的时间序列数据库解决方案无法支持数据保留策略，并且随着数据的增长，存储将变得越来越复杂。为了访问数据，客户必须构建定制的查询引擎和工具，这些引擎和工具很难配置和维护，并且可能需要通过复杂和多年的工程项目来实现。此外，这些解决方案无法与客户当前使用的数据收集、可视化和机器学习工具集成。因此，许多客户忽略了保存或分析时间序列数据，错过了有价值的信息洞察。
为了解决上述挑战，Amazon Timestream为客户提供了一个专门构建的无服务器时间序列数据库，用于收集、存储和处理时间序列数据。亚马逊Timestream会自动检测数据的属性，让客户不再需要预设的模式。亚马逊Timestream通过自动存储分层简化了数据生命周期管理的复杂流程，将最新数据存储在内存中，并根据预设的用户策略自动将历史数据移动到成本优化的存储层。Amazon Timestream还使用专门构建的自适应查询引擎，通过一条SQL语句透明地访问和组合最新数据和历史数据，而无需指定数据存在于哪个存储层。这使得客户可以使用单个查询函数查询所有数据，而不是编写复杂的应用程序逻辑来查找数据的存储位置，分别查询每一层，然后将结果合并到一个完整的视图中。Amazon Timestream提供了内置的时间序列分析功能，具有平滑、近似和插值功能。客户不必从数据库中提取原始数据，然后使用外部工具和库来执行他们的时间序列分析，也不必编写并非所有数据库都支持的复杂存储过程。亚马逊Timestream的无服务器架构采用了完全解耦的数据获取和查询处理系统，不需要客户管理底层基础设施，为客户提供了几乎无限的扩展规模，以及独立自动增加存储和查询处理的能力。此外，亚马逊Timestream集成了客户目前使用的流行数据收集、可视化和机器学习工具，包括用于物联网数据收集的AWS IoT Core、用于流数据的亚马逊Kinesis和亚马逊MSK，以及用于无服务器商业智能的亚马逊QuickSight。用于快速构建、训练和部署机器学习模型的亚马逊SageMaker等服务，以及开源第三方工具Grafana和Telegraf。
亚马逊Timestream已经在美国东部、美国东部、美国西部和欧洲推出，未来几个月将在更多地区推出。
