Datenspeicherung und -eingang in Azure Time Series Insights PreviewData storage and ingress in Azure Time Series Insights Preview

In diesem Artikel werden Updates für Datenspeicherung und Dateneingang für Azure Time Series Insights Preview beschrieben.This article describes updates to data storage and ingress for Azure Time Series Insights Preview. Es werden die zugrunde liegende Speicherstruktur, das Dateiformat und die „Time Series-ID“-Eigenschaft beschrieben.It describes the underlying storage structure, file format, and Time Series ID property. Darüber hinaus werden auch der zugrunde liegende Eingangsprozess, die bewährten Methoden und aktuelle Einschränkungen der Vorschauversion beschrieben.The underlying ingress process, best practices, and current preview limitations are also described.

DateneingangData ingress

Ihre Azure Time Series Insights-Umgebung (TSI) enthält eine Erfassungs-Engine, mit der Zeitreihendaten gesammelt, verarbeitet und gespeichert werden.Your Azure Time Series Insights environment contains an ingestion engine to collect, process, and store time-series data.

Beim Planen Ihrer Umgebung sollten einige Aspekte berücksichtigt werden, um die Verarbeitung aller eingehenden Daten sicherzustellen, ein hohes Eingangsvolumen zu erzielen und die Latenz bei der Erfassung zu minimieren (dies ist die Zeit, die Time Series Insights benötigt, um Daten aus der Ereignisquelle zu lesen und zu verarbeiten).There are some considerations to be mindful of to ensure all incoming data is processed, to achieve high ingress scale, and minimize ingestion latency (the time taken by Time Series Insights to read and process data from the event source) when planning your environment.

Bei Time Series Insights (Vorschauversion) wird mit Richtlinien für den Dateneingang bestimmt, aus welchen Quellen Daten bezogen werden können und welches Format diese Daten haben müssen.Time Series Insights Preview data ingress policies determine where data can be sourced from and what format the data should have.

EingangsrichtlinienIngress policies

Beim Dateneingang geht es auch darum, wie Daten an eine Azure Time Series Insights-Umgebung (Vorschauversion) gesendet werden.Data ingress involves how data is sent to an Azure Time Series Insights Preview environment.

Die Informationen zur Schlüsselkonfiguration, zur Formatierung und zu den bewährten Methoden sind unten zusammengefasst.Key configuration, formatting, and best practices are summarized below.

EreignisquellenEvent Sources

Azure Time Series Insights Preview unterstützt die folgenden Ereignisquellen:Azure Time Series Insights Preview supports the following event sources:

Azure Time Series Insights Preview unterstützt maximal zwei Ereignisquellen pro Instanz.Azure Time Series Insights Preview supports a maximum of two event sources per instance.

Wichtig

  • Beim Anfügen einer Ereignisquelle an die Vorschau-Umgebung tritt zu Anfang möglicherweise eine hohe Latenz auf.You may experience high initial latency when attaching an event source to your Preview environment. Die Latenz der Ereignisquelle hängt von der Anzahl der Ereignisse ab, die sich aktuell in Ihrem IoT Hub oder Event Hub befinden.Event source latency depends on the number of events currently in your IoT Hub or Event Hub.
  • Eine hohe Latenz lässt nach der erstmaligen Erfassung der Ereignisquelldaten nach.High latency will subside after event source data is first ingested. Senden Sie ein Supportticket über das Azure-Portal, falls es bei Ihnen zu einer dauerhaft hohen Latenz kommt.Submit a support ticket through the Azure portal if you experience ongoing high latency.

Unterstützte Datenformate und -typenSupported data format and types

Azure Time Series Insights unterstützt UTF8-codierten JSON-Code, der über Azure IoT Hub oder Azure Event Hubs gesendet wird.Azure Time Series Insights supports UTF-8 encoded JSON sent from Azure IoT Hub or Azure Event Hubs.

Die unterstützten Datentypen lauten:The supported data types are:

DatentypData type BESCHREIBUNGDescription
boolbool Ein Datentyp, der diese beiden Zustände aufweisen kann: true oder false.A data type having one of two states: true or false.
dateTimedateTime Stellt einen Zeitpunkt dar, der üblicherweise als Datum und Uhrzeit ausgedrückt wird.Represents an instant in time, typically expressed as a date and time of day. Wird im Format ISO 8601 ausgedrückt.Expressed in ISO 8601 format.
doubledouble Ein 64-Bit-Gleitkommawert gemäß IEEE 754 mit doppelter Genauigkeit.A double-precision 64-bit IEEE 754 floating point.
stringstring Aus Unicode-Zeichen bestehende Textwerte.Text values, comprised of Unicode characters.

Objekte und ArraysObjects and arrays

Sie können komplexe Typen wie Objekte und Arrays als Teil Ihrer Ereignisnutzlast senden, aber Ihre Daten werden bei der Speicherung einem Vereinfachungsprozess unterzogen.You may send complex types such as objects and arrays as part of your event payload, but your data will undergo a flattening process when stored.

Ausführliche Informationen zur Beschreibung, wie Sie Ihre JSON-Ereignisse strukturieren, komplexe Typen senden und geschachtelte Objekte vereinfachen, finden Sie unter Strukturieren von Ereignissen in Azure Time Series Insights Preview. Diese Informationen dienen Ihnen als Hilfe bei der Planung und Optimierung.Detailed information describing how to shape your JSON events, send complex type, and nested object flattening is available in How to shape JSON for ingress and query to assist with planning and optimization.

Best Practices für den DateneingangIngress best practices

Folgende Best Practices werden empfohlen:We recommend that you employ the following best practices:

  • Konfigurieren Sie Azure Time Series Insights und alle IoT Hub- oder Event Hub-Instanzen in derselben Region, um die potenziell vorhandene Latenz zu reduzieren.Configure Azure Time Series Insights and any IoT Hub or Event Hub in the same region to reduce potential latency.

  • Planen Sie Ihre Anforderungen an die Skalierung, indem Sie die erwartete Erfassungsrate berechnen und überprüfen, ob diese sich innerhalb der unterstützten Rate befindet. Dies ist weiter unten beschrieben.Plan for your scale needs by calculating your anticipated ingestion rate and verifying that it falls within the supported rate listed below.

  • Informieren Sie sich unter Gestalten von JSON für Abfragen über die Optimierung und Gestaltung Ihrer JSON-Daten sowie über die aktuellen Einschränkungen der Vorschau.Understand how to optimize and shape your JSON data, as well as the current limitations in preview, by reading how to shape JSON for ingress and query.

Dateneingangsvolumen und Einschränkungen der VorschauversionIngress scale and Preview limitations

Unten sind die Eingangseinschränkungen von Azure Time Series Insights Preview beschrieben.Azure Time Series Insights Preview ingress limitations are described below.

Tipp

Eine umfassende Liste mit allen Einschränkungen der Vorschauversion finden Sie unter Planen Ihrer Azure Time Series Insights Preview-Umgebung.Read Plan your Preview environment for a comprehensive list of all Preview limits.

Einschränkungen pro UmgebungPer environment limitations

Im Allgemeinen werden Eingangsraten als Faktor der Anzahl von Geräten in Ihrer Organisation, der Häufigkeit der Ereignisausgabe und der Größe der einzelnen Ereignisse angesehen.In general, ingress rates are viewed as the factor of the number of devices that are in your organization, event emission frequency, and the size of each event:

  • Anzahl der Geräte × Häufigkeit der Ereignisausgabe × Größe jedes Ereignisses.Number of devices × Event emission frequency × Size of each event.

Standardmäßig kann Time Series Insights Preview eingehende Daten mit einer Rate von bis zu 1 MB pro Sekunde (MBit/s) pro Time Series Insights-Umgebung erfassen.By default, Time Series Insights preview can ingest incoming data at a rate of up to 1 megabyte per second (MBps) per Time Series Insights environment.

Tipp

  • Die Umgebungsunterstützung für Erfassungsgeschwindigkeiten von bis zu 16 MBit/s kann auf Anfrage bereitgestellt werden.Environment support for ingesting speeds up to 16 MBps can be provided by request.
  • Falls Sie einen höheren Durchsatz benötigen, können Sie sich an uns wenden, indem Sie über das Azure-Portal ein Supportticket senden.Contact us if you require higher throughput by submitting a support ticket through Azure portal.
  • Beispiel 1:Example 1:

    Contoso Shipping verfügt über 100.000 Geräte, die dreimal pro Minute ein Ereignis ausgeben.Contoso Shipping has 100,000 devices that emit an event three times per minute. Die Größe eines Ereignisses beträgt 200 Byte.The size of an event is 200 bytes. Hierfür wird ein Event Hub mit vier Partitionen als Time Series Insights-Ereignisquelle genutzt.They’re using an Event Hub with four partitions as the Time Series Insights event source.

    • Die Erfassungsrate für die Time Series Insights-Umgebung lautet: 100.000 Geräte · 200 Byte/Ereignis · (3/60 Ereignis/s) = 1 MBit/s.The ingestion rate for their Time Series Insights environment would be: 100,000 devices * 200 bytes/event * (3/60 event/sec) = 1 MBps.
    • Die Erfassungsrate pro Partition wäre 0,25 Mbit/s.The ingestion rate per partition would be 0.25 MBps.
    • Die Erfassungsrate von Contoso Shipping läge damit innerhalb der Skalierungseinschränkungen der Preview.Contoso Shipping’s ingestion rate would be within the preview scale limitation.
  • Beispiel 2:Example 2:

    Contoso Fleet Analytics verfügt über 60.000 Geräte, die jede Sekunde ein Ereignis ausgeben.Contoso Fleet Analytics has 60,000 devices that emit an event every second. Sie verwenden eine IoT Hub 24-Partitionsanzahl von 4 als Time Series Insights-Ereignisquelle.They are using an IoT Hub 24 partition count of 4 as the Time Series Insights event source. Die Größe eines Ereignisses beträgt 200 Byte.The size of an event is 200 bytes.

    • Die Erfassungsrate der Umgebung wäre wie folgt: 20.000 Geräte · 200 Byte/Ereignis · 1 Ereignis/s = 4 MBit/s.The environment ingestion rate would be: 20,000 devices * 200 bytes/event * 1 event/sec = 4 MBps.
    • Die Rate pro Partition wäre dann 1 MBit/s.The per partition rate would be 1 MBps.
    • Von Contoso Fleet Analytics über das Azure-Portal kann eine Anfrage für Time Series Insights gesendet werden, um eine Erhöhung der Erfassungsrate für die Umgebung anzufordern.Contoso Fleet Analytics can submit a request to Time Series Insights through Azure portal to increase the ingestion rate for their environment.

Hub-Partitionen und Limits pro PartitionHub partitions and per partition limits

Bei der Planung Ihrer Time Series Insights-Umgebung ist es wichtig, die Konfiguration der Ereignisquellen zu berücksichtigen, die Sie mit Time Series Insights verbinden möchten.When planning your Time Series Insights environment, it's important to consider the configuration of the event source(s) that you'll be connecting to Time Series Insights. Sowohl Azure IoT Hub als auch Event Hubs verwenden Partitionen, um die horizontale Skalierung für die Ereignisverarbeitung zu ermöglichen.Both Azure IoT Hub and Event Hubs utilize partitions to enable horizontal scale for event processing.

Eine Partition ist eine geordnete Sequenz von Ereignissen, die in einem Event Hub besteht.A partition is an ordered sequence of events held in a hub. Die Partitionsanzahl wird beim Erstellen des Hubs festgelegt und kann nicht geändert werden.The partition count is set during the hub creation phase and cannot be changed.

Informationen zu den bewährten Methoden für die Event Hubs-Partitionierung finden Sie unter Wie viele Partitionen benötige ich?.For Event Hubs partitioning best practices, review How many partitions do I need?

Hinweis

Für die meisten IoT Hub-Instanzen, die mit Azure Time Series Insights genutzt werden, sind nur vier Partitionen erforderlich.Most IoT Hubs used with Azure Time Series Insights only need four partitions.

Unabhängig davon, ob Sie einen neuen Hub für Ihre Time Series Insights-Umgebung erstellen oder einen vorhandenen Hub verwenden, müssen Sie die Erfassungsrate pro Partition berechnen, um festzustellen, ob diese innerhalb der Limits der Vorschauversion liegt.Whether you're creating a new hub for your Time Series Insights environment or using an existing one, you'll need to calculate your per partition ingestion rate to determine if it's within the preview limits.

Für Azure Time Series Insights Preview gilt derzeit ein allgemeiner Grenzwert von 0,5 MBit/s pro Partition.Azure Time Series Insights Preview currently has a general per partition limit of 0.5 MBps.

IoT Hub-spezifische ÜberlegungenIoT Hub-specific considerations

Wenn ein Gerät in IoT Hub erstellt wird, wird es einer Partition dauerhaft zugewiesen.When a device is created in IoT Hub, it's permanently assigned to a partition. Auf diese Weise kann von IoT Hub die Ereignisreihenfolge sichergestellt werden (da sich die Zuweisung niemals ändert).In doing so, IoT Hub is able to guarantee event ordering (since the assignment never changes).

Eine feste Partitionszuweisung wirkt sich auch auf Time Series Insights-Instanzen aus, mit denen Daten erfasst werden, die von IoT Hub nachfolgend gesendet werden.A fixed partition assignment also impacts Time Series Insights instances that are ingesting data sent from IoT Hub downstream. Wenn Nachrichten von mehreren Geräten mit derselben Gatewaygeräte-ID an den Hub weitergeleitet werden, kommen sie ggf. gleichzeitig in derselben Partition an, und dies kann unter Umständen dazu führen, dass die Skalierungslimits pro Partition überschritten werden.When messages from multiple devices are forwarded to the hub using the same gateway device ID, they may arrive in the same partition at the same time potentially exceeding the per partition scale limits.

Auswirkung:Impact:

  • Wenn es für eine einzelne Partition zu einer dauerhaften Erfassungsrate oberhalb des Limits der Vorschauversion kommt, werden von Time Series Insights ggf. nicht alle Gerätetelemetriedaten synchronisiert, bevor der Zeitraum für die IoT Hub-Datenaufbewahrung überschritten wurde.If a single partition experiences a sustained rate of ingestion over the Preview limit, it's possible that Time Series Insights will not sync all device telemetry before the IoT Hub data retention period has been exceeded. Aus diesem Grund können gesendete Daten verloren gehen, falls die Erfassungslimits dauerhaft überschritten werden.As a result, sent data can be lost if the ingestion limits are consistently exceeded.

Wir empfehlen Ihnen die folgenden bewährten Methoden, um dieses Problem zu umgehen:To mitigate that circumstance, we recommend the following best practices:

  • Berechnen Sie Ihre Erfassungsraten pro Umgebung und pro Partition, bevor Sie Ihre Lösung bereitstellen.Calculate your per environment and per partition ingestion rates before deploying your solution.
  • Stellen Sie sicher, dass für Ihre IoT Hub-Geräte ein maximaler Lastenausgleich erfolgt.Ensure that your IoT Hub devices are load-balanced to the furthest extent possible.

Wichtig

In Umgebungen, die IoT Hub als Ereignisquelle verwenden, berechnen Sie die Erfassungsrate anhand der Anzahl der verwendeten Hubgeräte, um sicherzugehen, dass die Rate unter 0,5 MBit/s pro Partitionseinschränkung in der Preview fällt.For environments using IoT Hub as an event source, calculate the ingestion rate using the number of hub devices in use to be sure that the rate falls below the 0.5 MBps per partition limitation in preview.

  • Auch wenn mehrere Ereignisse gleichzeitig eintreffen, wird das Limit der Vorschauversion nicht überschritten.Even if several events arrive simultaneously, the Preview limit will not be exceeded.

IoT Hub-Partitionsdiagramm

Unter den folgenden Ressourcen finden Sie weitere Informationen zur Optimierung des Hub-Durchsatzes und der zugehörigen Partitionen:Refer to the following resources to learn more about optimizing hub throughput and partitions:

DatenspeicherData storage

Bei der Erstellung einer Time Series Insights Preview-Umgebung mit einer SKU mit nutzungsbasierter Bezahlung erstellen Sie zwei Azure-Ressourcen:When you create a Time Series Insights Preview pay-as-you-go (PAYG) SKU environment, you create two Azure resources:

  • Eine Azure Time Series Insights Preview-Umgebung, die für die Speicherung von warmen Daten (Warm Storage) konfiguriert werden kann.An Azure Time Series Insights Preview environment that can be configured for warm storage.
  • Ein Azure Storage-Blobkonto vom Typ „Universell V1“ für die Speicherung von kalten Daten.An Azure Storage general-purpose V1 blob account for cold data storage.

Daten im warmen Speicher sind nur über Zeitreihenabfragen und den Azure Time Series Insights Preview-Explorer verfügbar.Data in your warm store is available only via Time Series Query and the Azure Time Series Insights Preview explorer.

Time Series Insights Preview speichert kalte Speicherdaten im Parquet-Dateiformat im Azure-Blobspeicher.Time Series Insights Preview saves your cold store data to Azure Blob storage in the Parquet file format. Time Series Insights Preview verwaltet diese kalten Speicherdaten exklusiv. Sie können diese Daten jedoch direkt als standardmäßige Parquet-Dateien lesen.Time Series Insights Preview manages this cold store data exclusively, but it's available for you to read directly as standard Parquet files.

Warnung

Als Besitzer des Azure-Blobspeicherkontos, in dem sich die kalten Daten befinden, haben Sie Vollzugriff auf alle Daten im Konto.As the owner of the Azure Blob storage account where cold store data resides, you have full access to all data in the account. Dieser Zugriff umfasst Berechtigungen zum Schreiben und Löschen.This access includes write and delete permissions. Bearbeiten oder löschen Sie keine von Time Series Insights Preview geschriebenen Daten, da dies zu Datenverlusten führen kann.Don't edit or delete the data that Time Series Insights Preview writes, because that can cause data loss.

DatenverfügbarkeitData availability

Azure Time Series Insights Preview partitioniert und indiziert Daten, um eine optimale Abfrageleistung zu erzielen.Azure Time Series Insights Preview partitions and indexes data for optimum query performance. Die Daten stehen nach der Indizierung für Abfragen zur Verfügung.Data becomes available to query after it’s indexed. Die Menge an erfassten Daten kann sich auf diese Verfügbarkeit auswirken.The amount of data that's being ingested can affect this availability.

Wichtig

Während der Vorschauphase kann es bis zu 60 Sekunden dauern, bis Daten verfügbar werden.During the preview, you might experience a period of up to 60 seconds before data becomes available. Wenn Sie eine erhebliche Latenz von weit über 60 Sekunden feststellen, übermitteln Sie ein Supportticket über das Azure-Portal.If you experience significant latency beyond 60 seconds, please submit a support ticket through the Azure portal.

Azure StorageAzure Storage

Dieser Abschnitt enthält für Azure Time Series Insights Preview relevante Informationen zu Azure Storage.This section describes Azure Storage details relevant to Azure Time Series Insights Preview.

Eine ausführliche Beschreibung des Azure Blobspeichers finden Sie in der Einführung in Azure Blob Storage.For a thorough description of Azure Blob storage, read the Storage blobs introduction.

Ihr SpeicherkontoYour storage account

Wenn Sie eine Azure Time Series Insights Preview-Umgebung mit nutzungsbasierter Bezahlung erstellen, wird ein Azure Storage-Blobkonto vom Typ „Universell V1“ als langfristiger Speicher für kalte Daten erstellt.When you create an Azure Time Series Insights Preview PAYG environment, an Azure Storage general-purpose V1 blob account is created as your long-term cold store.

Azure Time Series Insights Preview veröffentlicht bis zu zwei Kopien jedes Ereignisses in Ihrem Azure-Speicherkonto.Azure Time Series Insights Preview publishes up to two copies of each event in your Azure Storage account. In der ersten Kopie sind Ereignisse nach dem Erfassungszeitpunkt sortiert.The initial copy has events ordered by ingestion time. Diese Ereignisreihenfolge wird immer beibehalten, sodass andere Dienste ohne Sequenzierungsprobleme auf Ihre Ereignisse zugreifen können.That event order is always preserved so other services can access your events without sequencing issues.

Hinweis

Sie können auch Spark, Hadoop oder andere vertraute Tools verwenden, um die unformatierten Parquet-Dateien zu verarbeiten.You can also use Spark, Hadoop, and other familiar tools to process the raw Parquet files.

Time Series Insights Preview partitioniert auch die Parquet-Dateien neu, um sie für die Time Series Insights-Abfrage zu optimieren.Time Series Insights Preview also repartitions the Parquet files to optimize for the Time Series Insights query. Diese neu partitionierte Kopie der Daten wird ebenfalls gespeichert.This repartitioned copy of the data is also saved.

Während der öffentlichen Vorschauphase werden Daten mit unbegrenzter Dauer in Ihrem Azure-Speicherkonto gespeichert.During public Preview, data is stored indefinitely in your Azure Storage account.

Schreiben und Bearbeiten von Time Series Insights-BlobsWriting and editing Time Series Insights blobs

Um Abfrageleistung und Datenverfügbarkeit sicherzustellen, bearbeiten oder löschen Sie keine Blobs, die von Time Series Insights Preview erstellt werden.To ensure query performance and data availability, don't edit or delete any blobs that Time Series Insights Preview creates.

Zugreifen auf und Exportieren von Daten aus Time Series Insights PreviewAccessing and exporting data from Time Series Insights Preview

Sie können auf im Time Series Insights Preview-Explorer gespeicherte Daten zugreifen, um sie in Verbindung mit anderen Diensten zu verwenden.You might want to access data viewed in the Time Series Insights Preview explorer to use in conjunction with other services. Sie können die Daten z. B. verwenden, um einen Bericht in Power BI zu erstellen oder in Azure Machine Learning Studio ein Machine Learning-Modell zu trainieren.For example, you can use your data to build a report in Power BI or to train a machine learning model by using Azure Machine Learning Studio. Sie können die Daten auch zum Transformieren, Visualisieren und Modellieren in Ihren Jupyter-Notebooks verwenden.Or, you can use your data to transform, visualize, and model in your Jupyter Notebooks.

Sie können auf drei allgemeine Arten auf Ihre Daten zugreifen:You can access your data in three general ways:

  • Aus dem Time Series Insights Preview-Explorer.From the Time Series Insights Preview explorer. Sie können Daten als CSV-Datei aus dem Explorer exportieren.You can export data as a CSV file from the explorer. Weitere Informationen finden Sie unter Time Series Insights Preview-Explorer.For more information, read Time Series Insights Preview explorer.
  • Aus der Time Series Insights Preview-API unter Verwendung der Abfrage zum Abrufen von Ereignissen.From the Time Series Insights Preview API using Get Events Query. Weitere Informationen zu dieser API finden Sie unter Zeitreihenabfrage.To learn more about this API, read Time Series Query.
  • Direkt aus einem Azure-Speicherkonto.Directly from an Azure Storage account. Sie benötigen Lesezugriff auf das jeweilige Konto, das Sie für den Zugriff auf Ihre Time Series Insights Preview-Daten verwenden.You need read access to whatever account you're using to access your Time Series Insights Preview data. Weitere Informationen finden Sie unter Verwalten des Zugriffs auf Ihre Speicherkontoressourcen.For more information, read Manage access to your storage account resources.

Löschen von DatenData deletion

Löschen Sie Ihre Time Series Insights Preview-Daten nicht.Don't delete your Time Series Insights Preview files. Verwalten Sie zugehörige Daten nur innerhalb von Time Series Insights Preview.Manage related data from within Time Series Insights Preview only.

Parquet-Dateiformat und OrdnerstrukturParquet file format and folder structure

Parquet ist ein spaltenbasiertes Open-Source-Dateiformat, das für effiziente Speicherung und Leistung konzipiert wurde.Parquet is an open-source columnar file format that was designed for efficient storage and performance. Aus diesen Gründen wird Parquet von Time Series Insights Preview verwendet.Time Series Insights Preview uses Parquet for these reasons. Die Daten werden anhand der Zeitreihen-ID partitioniert, um bei großen Datenmengen eine hohe Abfrageleistung zu erzielen.It partitions data by Time Series ID for query performance at scale.

Weitere Informationen zum Parquet-Dateityp finden Sie in der Parquet-Dokumentation.For more information about the Parquet file type, read the Parquet documentation.

Time Series Insights Preview speichert wie folgt Kopien Ihrer Daten:Time Series Insights Preview stores copies of your data as follows:

  • Die erste, anfängliche Kopie wird anhand des Erfassungszeitpunkts partitioniert und speichert Daten in etwa in der Reihenfolge ihres Eingangs.The first, initial copy is partitioned by ingestion time and stores data roughly in order of arrival. Die Daten befinden sich im Ordner PT=Time:The data resides in the PT=Time folder:

    V=1/PT=Time/Y=<YYYY>/M=<MM>/<YYYYMMDDHHMMSSfff>_<TSI_INTERNAL_SUFFIX>.parquet

  • Die zweite, neu partitionierte Kopie wird durch Gruppierung von Zeitreihen-IDs partitioniert und befindet sich im Ordner PT=TsId:The second, repartitioned copy is partitioned by a grouping of Time Series IDs and resides in the PT=TsId folder:

    V=1/PT=TsId/Y=<YYYY>/M=<MM>/<YYYYMMDDHHMMSSfff>_<TSI_INTERNAL_SUFFIX>.parquet

In beiden Fällen entsprechen die Werte für die Uhrzeit der Uhrzeit der Bloberstellung.In both cases, the time values correspond to blob creation time. Daten im Ordner PT=Time werden beibehalten.Data in the PT=Time folder is preserved. Daten im Ordner PT=TsId werden im Lauf der Zeit für Abfragen optimiert und bleiben nicht statisch.Data in the PT=TsId folder will be optimized for query over time and will not remain static.

Hinweis

  • <YYYY> entspricht einer vierstelligen Jahresdarstellung.<YYYY> maps to a four-digit year representation.
  • <MM> entspricht einer zweistelligen Monatsdarstellung.<MM> maps to a two-digit month representation.
  • <YYYYMMDDHHMMSSfff> entspricht einer Zeitstempeldarstellung mit folgendem Format: vierstellige Jahresangabe (YYYY), zweistellige Monatsangabe (MM), zweistellige Tagesangabe (DD), zweistellige Stundenangabe (HH), zweistellige Minutenangabe (MM), zweistellige Sekundenangabe (SS) und dreistellige Millisekundenangabe (fff).<YYYYMMDDHHMMSSfff> maps to a time-stamp representation with four-digit year (YYYY), two-digit month (MM), two-digit day (DD), two-digit hour (HH), two-digit minute (MM), two-digit second (SS), and three-digit millisecond (fff).

Time Series Insights Preview-Ereignisse werden dem Inhalt von Parquet-Dateien wie folgt zugeordnet:Time Series Insights Preview events are mapped to Parquet file contents as follows:

  • Jedes Ereignis wird einer einzelnen Zeile zugeordnet.Each event maps to a single row.
  • Jede Zeile enthält die Spalte timestamp mit einem Zeitstempel für das Ereignis.Every row includes the timestamp column with an event time stamp. Die timestamp-Eigenschaft ist nie NULL.The time-stamp property is never null. Ihr Standardwert ist der Zeitpunkt der Einreihung des Ereignisses in die Warteschlange, wenn die timestamp-Eigenschaft in der Ereignisquelle nicht angegeben ist.It defaults to event enqueued time if the time-stamp property isn't specified in the event source. Der Zeitstempel wird immer in UTC angegeben.The time stamp is always in UTC.
  • Jede Zeile enthält eine oder mehrere Spalten mit der Zeitreihen-ID, wie beim Erstellen der Time Series Insights-Umgebung definiert.Every row includes the Time Series ID column(s) as defined when the Time Series Insights environment is created. Der Eigenschaftsname enthält das Suffix _string.The property name includes the _string suffix.
  • Alle anderen als Telemetriedaten gesendeten Eigenschaften werden Spaltennamen zugeordnet, die je nach Eigenschaftstyp auf _string (Zeichenfolge), _bool (boolesch), _datetime (Datum/Uhrzeit) und _double (Double) enden.All other properties sent as telemetry data are mapped to column names that end with _string (string), _bool (Boolean), _datetime (datetime), or _double (double), depending on the property type.
  • Dieses Zuordnungsschema gilt für die erste Version des Dateiformats, auf das als V=1 verwiesen wird.This mapping scheme applies to the first version of the file format, referenced as V=1. Mit der Weiterentwicklung dieses Features wird der Name hochgezählt.As this feature evolves, the name might be incremented.

Nächste SchritteNext steps