Plataforma de análisis de datos de series temporales construida con Amazon Timestream - Almacenamiento de datos IoT y optimización de consultas
Los datos de sensores IoT se ingieren en Timestream y se realiza el análisis de series temporales con agregación en tiempo real basada en SQL y consultas programadas. Se explica la optimización de costes mediante la jerarquización automática entre el almacén de memoria y el almacén magnético.
Descripción general de Timestream
Amazon Timestream es un servicio de base de datos de series temporales totalmente administrado. Permite ingerir grandes volúmenes de datos con marca de tiempo, como datos de sensores IoT, métricas de aplicaciones y datos de monitorización de infraestructura, y analizarlos con SQL. Cuando se manejan datos de series temporales en una RDB tradicional, el diseño de las particiones y los índices requiere ingenio, y el rendimiento de las consultas tiende a degradarse a medida que aumenta el volumen de datos. Timestream cuenta con un motor de almacenamiento optimizado para datos de series temporales, y AWS indica que puede almacenar y analizar varios billones de puntos de datos de series temporales al día. A diferencia de los almacenes clave-valor como DynamoDB, su punto fuerte es que las consultas de agregación con especificación de rangos de tiempo y las funciones de series temporales (media móvil, interpolación, diferencias) se pueden escribir directamente en SQL. Este Timestream for LiveAnalytics tradicional dejó de aceptar nuevos clientes el 20 de junio de 2025, y para las nuevas cargas de trabajo de series temporales se sugiere Timestream for InfluxDB.
Modelo de datos y jerarquización de almacenes
El modelo de datos de Timestream tiene tres niveles: base de datos, tabla y registro. Cada registro se compone de dimensiones (atributos de identificación como el ID de dispositivo y la región), medidas (valores medidos como la temperatura y la humedad) y una marca de tiempo. El almacenamiento tiene una estructura de dos capas, el almacén de memoria y el almacén magnético, y el periodo de retención del almacén de memoria (de 1 hora a 8766 horas) se configura para cada tabla. Los datos que superan el periodo de retención del almacén de memoria se mueven automáticamente al almacén magnético, y no es necesario ningún proceso de migración de datos en el lado de la aplicación. Las consultas buscan de forma transparente en el almacén de memoria y en el almacén magnético, por lo que no es necesario tener en cuenta dónde se encuentran los datos. El almacén de memoria cuesta unos 0.036 USD/hora por GB y el almacén magnético, unos 0.03 USD/mes por GB, una gran diferencia de coste (a fecha de octubre de 2026). Por ello, el diseño del periodo de retención es la clave de la optimización de costes.
Consultas y funciones de series temporales
Timestream ofrece un lenguaje de consulta propio que amplía el SQL estándar con funciones de series temporales. Con la función CREATE_TIME_SERIES se pueden convertir los registros en objetos de series temporales y completar los datos que faltan con INTERPOLATE_LINEAR (interpolación lineal) e INTERPOLATE_SPLINE (interpolación spline). También se ofrecen de forma integrada funciones de agregación como la media móvil, la suma acumulada, las diferencias y los percentiles. Las consultas programadas son una función que ejecuta consultas periódicamente y escribe los resultados en otra tabla. Se puede automatizar un preprocesamiento como agregar datos sin procesar a intervalos de 1 minuto en medias de 1 hora y guardarlos en el almacén magnético, lo que conduce a reducir el coste de las consultas de los paneles. Se ofrece oficialmente un plugin de integración con Grafana, y se pueden visualizar en tiempo real los datos de Timestream en paneles de Grafana.
Precios de Timestream
Los precios de Timestream se componen de tres elementos: escrituras, almacenamiento y consultas. Las escrituras cuestan unos 0.50 USD por cada millón de escrituras de 1 KiB. El almacén de memoria cuesta unos 0.036 USD/hora por GB y el almacén magnético, unos 0.03 USD/mes por GB. Las consultas se cobran según el tiempo de capacidad de cómputo utilizada (TCU), a unos 0.518 USD por hora de TCU (a fecha de octubre de 2026). Ejecutar las consultas de los paneles sobre datos agregados previamente con consultas programadas reduce la cantidad de procesamiento de las consultas y conduce a reducir el coste de las consultas. Se recomienda un diseño que configure el periodo de retención del almacén de memoria al mínimo necesario y conserve los datos históricos a bajo coste en el almacén magnético.
Características y casos de uso de los datos de series temporales
Los datos de series temporales son valores que se registran de forma continua con el paso del tiempo, como las mediciones de sensores IoT, las métricas de aplicaciones y los registros de funcionamiento de equipos. Estos datos comparten unas características comunes: se escriben grandes volúmenes de datos sin interrupción, cuanto más recientes son los datos con más frecuencia se consultan, y a menudo se agregan por rangos de tiempo. Timestream está diseñado para manejar de forma eficiente este tipo de datos de series temporales. Es adecuado para usos que ingieren a alta velocidad enormes cantidades de puntos de datos y realizan agregaciones y análisis de tendencias en el eje temporal. Desempeña un papel activo en escenarios en los que se analizan datos que cambian con el tiempo, como la monitorización de instalaciones, la previsión de la demanda y la detección de anomalías.
Elección entre Timestream y otras bases de datos
Los datos de series temporales también se pueden almacenar en bases de datos de uso general, pero cuando el volumen de datos se vuelve enorme surgen problemas de rendimiento de escritura, costes de almacenamiento y eficiencia de las consultas por rangos de tiempo. Las bases de datos de series temporales dedicadas están optimizadas para estos problemas: procesan con eficiencia grandes volúmenes de escrituras, trasladan automáticamente los datos antiguos a niveles económicos y cuentan con funciones de análisis propias de las series temporales. Si lo central es el procesamiento de transacciones o la gestión de datos relacionados complejos, se elige una base de datos de uso general; si lo central es acumular y analizar grandes volúmenes de datos vinculados al tiempo, una de series temporales. Elegir entre ellas de esta forma según la naturaleza de los datos conduce a optimizar el rendimiento y el coste.
Resumen
Amazon Timestream es una base de datos totalmente administrada especializada en datos de series temporales que compatibiliza la ingesta masiva y el análisis con SQL de datos de sensores IoT y métricas de aplicaciones. Optimiza los costes mediante la jerarquización automática entre el almacén de memoria y el almacén magnético, y automatiza la agregación previa con consultas programadas. Se combinan y se aprovechan la visualización en tiempo real mediante la integración con Grafana y el análisis avanzado con funciones de series temporales.
Referencias (recursos oficiales de AWS)
Las fuentes primarias de esta página son el sitio web y la documentación oficiales de AWS. Consulta las páginas oficiales siguientes para conocer las especificaciones y los precios más recientes.
- Amazon Timestream (página oficial)
- AWS IoT Core (página oficial)
- Amazon Managed Grafana (página oficial)
- Documentación de AWS (oficial)
Si esta página y la documentación oficial difieren, prevalece la documentación oficial.