Amazon Timestream 是 AWS 專門為 「時間序列資料 (Time-series data)」 打造的快速、可擴展且 無伺服器 (Serverless) 的資料庫服務。
一句話總結：如果你需要儲存每秒幾百萬筆來自 IoT 感測器、伺服器監控或應用程式日誌的數據，並且要用 SQL 查詢，不要用 RDS，要用 Timestream。1. 什麼是「時間序列資料」？
這類資料的特點是：每一筆資料都帶有一個時間戳記 (Timestamp)，而且資料量通常是持續且巨大的「寫入流 (Append-only)」，很少會回頭去修改舊資料。
- 例子：智慧電錶每分鐘回傳的電壓 (IoT)。EC2 的 CPU 使用率每秒的變化 (DevOps)。網站每秒的點擊流量 (Analytics)。
2. 核心架構：智慧儲存分層 (Storage Tiering) —— 考試必考！
Timestream 之所以能兼顧「高速寫入」與「低成本儲存」，是因為它將資料自動分成兩層存放：
- 記憶體儲存 (Memory Store)：用途：存放 「最近」 的資料（例如：過去 2 小時或 1 天）。特性：寫入與讀取速度極快，專門應付高吞吐量的資料寫入。成本：較高。
- 磁性儲存 (Magnetic Store)：用途：存放 「歷史」 資料（例如：1 天以前到數年）。特性：針對大範圍的分析查詢進行優化，速度稍慢但依然很快。成本：非常便宜（比記憶體便宜很多）。
自動化生命週期管理 (Lifecycle Policy)：
你只需要設定規則（例如：「資料超過 24 小時就搬到磁性儲存」），Timestream 就會自動幫你移動資料，完全不需要手動寫程式或 ETL。
3. 主要特點 (Key Features)
- Serverless：不用開機器、不用管 Cluster，隨用隨付。它會根據流量自動擴展 (Auto-scaling)。
- 標準 SQL 查詢：你不需要學新的查詢語言，直接用 SELECT avg(cpu) FROM database WHERE time > ago(1h) 這種 SQL 語法即可。
- 內建分析函數：內建了平滑化 (Smoothing)、插值 (Interpolation) 和近似值計算等函數，專門處理時間序列數據常見的缺值或雜訊問題。
- 整合性強：AWS IoT Core：感測器資料直接寫入 Timestream。Amazon Kinesis：串流資料直接匯入。Grafana / Amazon QuickSight：直接連接 Timestream 畫出漂亮的即時監控圖表。
4. 為什麼不用 RDS 或 DynamoDB？
這是在架構設計題中常見的抉擇：
- RDS 對於「每秒百萬筆寫入」會遇到瓶頸，且 Schema 修改不易。
- Timestream 號稱比關聯式資料庫快 1,000 倍，成本只有 1/10（針對時間序列場景）。
5. 考試關鍵字 (Keywords)
- IoT sensor data / Metrics / Logs (物聯網感測器、指標、日誌)。
- Analyze data over time (分析隨時間變化的數據)。
- Memory Store & Magnetic Store (記憶體與磁性儲存分層)。
- Serverless time-series database。
- Query using SQL。
總結
如果題目提到要收集 IoT 設備數據 或 應用程式效能監控數據，並且要求 低成本儲存歷史資料 同時能用 SQL 進行分析，答案絕對是 Amazon Timestream。
