名词解释
背景信息 时间序列数据库 TSDB：英文全称为 Time Series Database，提供高效存取时序数据和统计分析功能的数据管理系统。时序数据（Time Series Data）：基于稳定频率持续产生的一系列指标监测数据。例如，监测某城市的空气质量时，每秒...
ALIYUN:TSDB:InfluxDBDatabase
ALIYUN:TSDB:InfluxDBDatabase类型用于创建时间序列数据库。语法 {"Type":"ALIYUN:TSDB:InfluxDBDatabase","Properties":{"InstanceId":String,"DBName":String } } 属性 属性名称 类型 必须 允许更新 描述 约束 InstanceId String 是 否 ...
时序模型介绍
表格存储的时序模型是针对时间序列数据的特点进行设计，适用于物联网设备监控、设备采集数据、机器监控数据等场景，支持自动构建时序元数据索引、丰富的时序查询能力等功能。时序模型通过时序表存储时间序列数据，能提供高并发写入和查询...
时序模型介绍
模型特性 表格存储的时序模型是针对时间序列数据的特点进行设计，适用于物联网设备监控、设备采集数据、机器监控数据等场景。通用的时序数据建模方式，用户无须预定义表结构。支持自动构建时间序列的元数据索引，支持按照多种组合条件检索...
产品优势
本文介绍时间序列数据库产品的优势。性能卓越 具有高效的读写能力，相较于开源的 OpenTSDB 和 InfluxDB，读写效率提升了数倍。支持横向扩展，性能可达到百万级别读和千万级别写入的数据点处理能力。存储成本低 基于高效压缩算法有效压缩...
管控类API概览
ExploreHiTSDBInstanceData 获取实例内的时间序列数据。ExploreHiTSDBInstanceDeletionJobList 获取删除任务记录列表，接口内根据JobType不同分别标识为数据删除任务或时间线删除任务。UpdateHiTSDBInstanceDataTtl 更新数据过期时间。
HTTP API 概览
几乎所有 TSDB 的特性都可以通过 API 来访问，比如查询时间序列数据、管理元数据和存储数据点。TSDB 的 HTTP API 本质上是 RESTful 的，同时也提供了替代访问策略，因为不是所有 client 都可以遵循严格的 REST 协议。默认数据交换是通过 ...
动态特征提取
曼肯德尔检验：Mann-Kendall 趋势检验（有时称为 MK 检验）用于分析时间序列数据的持续增加或减少趋势（单调趋势）。一阶差分：（k-T是采样周期内最远的数据）对于按次数采样，T 是采样次数；对于按时间采样，T 是采样时长/采样频率（向下...
ExploreHiTSDBInstanceData
描述 获取实例内的时间序列数据 请求参数 名称 类型 是否必需 描述 RegionId String 是 实例所在 Region ID InstanceId String 是 实例 ID ReverseIp String 是 实例反向 VPC IP ReversePort Integer 是 实例反向 VPC Port Metric String ...
消息轨迹
如上文示例轨迹图，您可前往 消息转发>云产品流转 页面，找到 ruleName 对应的流转规则，针对失败的转发操作，进行修正：将数据存储到实例内时间序列数据库中：metric数据类型 改为 字符串。将数据插入到云数据库（RDS）中：取消数据库表中...
功能特性
SLS增量导入 TSDB全量迁移至时序引擎 时间序列数据库（Time Series Database，简称TSDB）全量迁移至Lindorm时序引擎。TSDB全量迁移至时序引擎 导入MongoDB数据 通过DataWorks将MongoDB的离线数据迁移至Lindorm宽表。导入MongoDB数据 通用...
单值查询数据
说明 默认按照时间戳取模对齐，即"对齐时间戳=数据时间戳-（数据时间戳%interval）。支持基于日历时间间隔的降采样。要使用日历界限，您需要在时间单位 units 后添加一个 c。例如，1dc 代表从当日零点到次日零点之间的24小时。aggregator：...
多值数据查询
说明 默认按照时间戳取模对齐，即“对齐时间戳=数据时间戳-（数据时间戳%interval）”。支持基于日历时间间隔的降采样。要使用日历界限，您需要在时间单位units后添加一个 c。例如，1dc 代表从当日零点到次日零点之间的 24 小时。...
TSDB开源生态概述
时间序列数据库TSDB以其强大的功能和兼容性，对于当前的一些开源解决方案实现了较好的适配。以下是TSDB与一些开源组件或开源项目对接的方法。Grafana如何对接TSDB Quick BI如何接入TSDB
MongoDB 5.0新特性概览
MongoDB的时间序列集合以高度优化和压缩的格式自动存储时间序列数据，减少了存储大小和I/O，以实现更好的性能和更大的规模。同时也缩短了开发周期，使您能够快速建立一个针对时间序列应用的性能和分析需求而调优的模型。创建时间序列数据...
自媒体：易撰
业务端存在复杂查询，查询涉及的数据时间跨度大。单表10亿级数据，亿级数据需要多维度查询。业务端数据存储量大，TB级数据存储诉求，且数据量持续高速增长。业务端数据有更新诉求，对事务有强一致性要求。解决方案 通过 PolarDB-X+RDS的...
风险识别管理（新版）
规则名称 规则类型 规则等级 规则配置 非工作时间查询大数据量敏感数据 数据访问风险 低 如下时间段查询数据量大于10000时命中该规则。周一至周五：22:00～24:00。周六至周日：00:00～24:00。相似SQL查询 数据访问风险 低 十分钟内查询相似...
调优集群性能
如下图所示，某个大表分布不均，存储节点0上的Shard_0和Shard_1中数据量较大，而在存储节点1上的Shard_2和Shard_3中数据量较小，那么当您查询这个大表时，较大概率会出现存储节点0需要处理的数据多，存储节点1上需要处理的数据少的情况，...
Query Profile介绍
说明 Operator花费的时间比例越大，其对应颜色就越深（支持对执行耗时排名前三的节点标注颜色）。您可以借此轻松确认查询的瓶颈。通过鼠标滚动，或单击 放大 和 缩小 按钮，可以放大和缩小Profile树。重要指标 Query级别 Summary指标 指标 ...
产品概述
时间序列数据库(Time Series Database,简称 TSDB)是一种高性能、低成本、稳定可靠的在线时间序列数据库服务，提供高效读写、高压缩比存储、时序数据插值及聚合计算等服务，广泛应用于物联网（IoT）设备监控系统、企业能源管理系统（EMS）、...
采集数据
本教程以MySQL中的用户基本信息（ods_user_info_d）表及OSS中的网站访问日志数据（user_log.txt）文件，通过数据集成离线同步任务分别同步至MaxCompute的ods_user_info_d、ods_raw_log_d表为例，为您介绍如何通过DataWorks数据集成实现异构...
采集数据
本教程以MySQL中的用户基本信息（ods_user_info_d）表及OSS中的网站访问日志数据（user_log.txt）文件，通过数据集成离线同步任务分别同步至MaxCompute的ods_user_info_d、ods_raw_log_d表为例，为您介绍如何通过DataWorks数据集成实现异构...
Iceberg概述
实时机器学习 通常在机器学习场景中，需要花费大量的时间处理数据，例如，数据清洗、转换和提取特征等，还需要对历史数据和实时数据进行处理。而Iceberg简化了工作流程，整个数据处理过程是一条完整的、可靠的实时流，其数据的清洗、转换和...
内置检测模型说明
异常时间下载敏感数据 来自异常时间的数据下载可能是由于账号访问权限被外部攻击者获取，或者员工在非正常工作时间内进行数据下载。初次下载敏感数据 账号首次下载敏感数据可能是由于账号被错误分配敏感数据下载权限，导致敏感数据泄露。...
账单和用量查询
因为 时间序列数据库TSDB、时序数据库InfluxDB®版和 云原生多模数据库Lindorm 属于同一个产品大类 云原生多模数据库Lindorm，所以产品列显示的是 云原生多模数据库Lindorm。解决办法：本文提供两种确认费用的方法。在 账单详情 页，查看...
创建时序预测作业
如果配置的时间序列超出限制，则时序预测将随机选择5个时间序列进行预测。在 创建时序预测作业 配置向导的 算法配置 步骤中，完成如下配置，然后单击 完成。参数 说明 时序预测周期 周期配置 设置时间序列的周期。其中，周期长度以天为单位...
查询备份数据
查询备份与恢复备份的区别 区别项 查询备份数据 恢复备份 功能原理 按需找到目标历史备份时间点的备份数据集，将备份数据集保存至临时实例中，可通过DMS控制台在临时实例的SQL窗口中对历史数据进行查询。通过数据备份和日志备份进行恢复，...
查询备份数据
查询备份与恢复备份的区别 区别项 查询备份数据 恢复备份 功能原理 按需找到目标历史备份时间点的备份数据集，将备份数据集保存至临时实例中，可通过DMS控制台在临时实例的SQL窗口中对历史数据进行查询。通过数据备份和日志备份进行恢复，...
概述
使用场景 典型的应用场景如下：近实时计算场景 时间序列数据的场景 预测建模 与存量数据共存 通常生产环境中会有大量的存量数据，数据可能存储在HDFS、RDBMS或Kudu中。如果您只是想访问和查询这些存量数据，可以使用Impala访问和查询，而...
算法说明
流式图算法适用于对规模大、噪音多、周期不明显的时间序列进行异常检测。更多信息，请参见 Time-Series Event Prediction with Evolutionary State Graph。场景说明 流式图算法采用在线机器学习技术，对每条数据进行实时学习、推断，适用于...
产品简介
大数据专家服务 大数据专家服务（Bigdata Expert Service）是由阿里云大数据专家基于阿里云多年大数据架构、应用、运维、AI算法建模等最佳实践经验及方法论为用户提供全方位的大数据产品技术、咨询服务及售后专家服务运维保障，帮助用户...
使用SDK示例代码消费PolarDB-X 1.0订阅数据
SDK客户端每隔一定时间会统计并显示消费数据的信息，包括数据发送和接受时数据总数、数据总量、每秒请求数接收RPS等。表 1.消费数据的统计信息 参数 说明 outCounts SDK客户端所消费的数据总数。outBytes SDK客户端所消费的数据总量，单位...
概述
时序补点函数 series_padding 如果时间序列中存在数据缺失问题，可以使用时序补点函数补齐缺失的数据。异常对比函数 anomaly_compare 用于比较某个观测对象在两个时间段的差异程度。模式挖掘 频繁模式统计 pattern_stat 统计模式中的频繁...
使用SDK示例代码消费PolarDB-X 1.0订阅数据
SDK客户端每隔一定时间会统计并显示消费数据的信息，包括数据发送和接受时数据总数、数据总量、每秒请求数接收RPS等。表 1.消费数据的统计信息 参数 说明 outCounts SDK客户端所消费的数据总数。outBytes SDK客户端所消费的数据总量，单位...
冷热分层
冷数据特点 数据量大：相对于热数据，冷数据通常需要保存较长时间，甚至永久保存。成本管控：数据量大且访问频率较低，不宜投入过多成本。性能要求低：相较于普通的TP请求查询，无需在毫秒级别返回。冷数据的查询可以接受数十秒甚至更长...
应用场景
实时数据通道 1.1 接入多种异构数据并投递到下游多种大数据系统 通过数据总线，您可以实时接入APP、WEB、IoT和数据库等产生的异构数据，统一管理，并投递到下游的分析、归档等系统，构建清晰的数据流，让您更好的释放数据的价值。...
Delta Lake概述
Delta Lake以数据为中心，围绕数据流走向（数据从流入数据湖、数据组织管理和数据查询到流出数据湖）推出了一系列功能特性，协助您搭配第三方上下游工具，搭建快捷、易用和安全的数据湖。背景信息 通常的数据湖方案是选取大数据存储引擎...
主备方案介绍
A：存储的是数据D1和数据D2中时间戳更大的数据，数据在LTS同步过程中不会改变数据原有的时间戳，一般情况下存储的是数据D2，但是由于主备实例不同可能存在时间戳毫秒级的时间差异造成数据D2的时间戳比数据D1的时间戳小，在这种情况下存储的...
使用SDK示例代码消费订阅数据
完成数据订阅通道的配置后，您可以使用DTS提供的SDK示例代码来订阅数据变更信息，本文介绍该示例代码的使用说明。操作步骤 重要 若数据源是PolarDB-X 1.0或DMS LogicDB，消费订阅数据的操作步骤请参见 使用SDK示例代码消费PolarDB-X 1.0...
使用SDK示例代码消费订阅数据
在完成数据订阅通道的配置（创建好订阅任务和消费组）后，您可以自行编写SDK示例代码或使用DTS提供的SDK示例代码来订阅数据变更信息，本文介绍示例代码的使用方法。操作步骤 重要 如果数据源是PolarDB-X 1.0或DMS LogicDB，消费订阅数据的...
- 产品推荐
- 这些文档可能帮助您