Amazon Timestream
高速存储和查询 IoT 传感器数据及应用指标等时序数据，并自动管理数据生命周期的专用数据库服务
概述
Amazon Timestream 是一项专为时序数据设计的数据库服务，针对 IoT 传感器数据、应用性能指标、运维日志等按时间排序的数据进行了优化。自动将数据在内存存储（热数据，低延迟查询）和磁性存储（冷数据，低成本保留）之间迁移，无需手动管理数据生命周期。内置时序分析函数，查询性能比通用关系数据库快 1000 倍，成本低至十分之一。
双层存储架构与数据生命周期
Timestream 采用内存存储和磁性存储的双层架构。新写入的数据首先进入内存存储，提供毫秒级查询延迟，适合实时监控和告警。根据配置的保留策略（如内存保留 24 小时），数据自动迁移到磁性存储进行长期保留（最长数年），成本大幅降低。查询引擎透明地跨两层存储执行查询，用户无需关心数据位于哪一层。数据模型基于度量（Measure）、维度（Dimension）和时间戳，天然适合多维时序数据。单值和多值度量支持在一条记录中存储多个相关指标（如同时记录 CPU、内存、磁盘使用率），减少存储开销和查询复杂度。
与 RDB 和 DynamoDB 处理时序数据的比较
用 RDB（如 RDS PostgreSQL）存储时序数据面临的问题：随数据量增长查询变慢、需要手动分区和归档、缺乏时序专用函数。用 DynamoDB 存储时序数据虽然写入性能好，但范围查询和聚合计算效率低，且缺乏时序分析能力。Timestream 的优势：自动数据分层和压缩（存储成本低 90%）、内置时序函数（移动平均、插值、近似百分位）、无需管理索引和分区、按查询扫描的数据量计费而非预置容量。适合 Timestream 的场景：IoT 设备遥测、应用 APM 指标、金融行情数据、工业设备监控。不适合的场景：需要事务支持、复杂 JOIN、或数据量极小的场景仍应使用 RDB。
IoT 数据管道与 Grafana 集成设计
典型的 IoT 数据管道：设备 → IoT Core → IoT Rule → Timestream。IoT Rule 的 Timestream Action 直接将消息写入数据库，无需中间 Lambda。对于高吞吐场景，Kinesis Data Streams → Lambda → Timestream 的管道提供更好的批量写入和错误处理。Timestream 原生支持 Grafana 数据源插件，可直接在 Amazon Managed Grafana 中构建实时监控仪表板。查询使用类 SQL 语法，支持 GROUP BY time 的时间桶聚合、INTERPOLATE 缺失数据填充、LAG/LEAD 窗口函数。调度查询（Scheduled Queries）可预计算聚合结果存入磁性存储，加速重复查询并降低成本。与 QuickSight 集成可构建业务级报表。