Amazon Timestream é a família de serviços da AWS voltada a dados organizados ao longo do tempo, como métricas, telemetria, sensores, eventos operacionais e medições de IoT.
O que é
Amazon Timestream deve ser entendido pelo modelo de dados, pelo padrão de consulta e pela consistência exigida. Banco de dados na nuvem não é apenas onde a informação fica guardada; é onde leitura, escrita, escala, backup, latência e custo se encontram.
Por que existe
Amazon Timestream existe para resolver necessidades de persistência, consulta, consistência, escala ou especialização de dados. Escolher banco errado pode gerar custo alto, lentidão, modelagem confusa e dificuldade para manter a aplicação.
Como funciona
Timestream for LiveAnalytics
Amazon Timestream for LiveAnalytics é um banco de séries temporais serverless, criado para ingestão em grande escala, retenção por camadas e consultas baseadas em janelas de tempo.
Desde 20 de junho de 2025, o serviço não aceita novos clientes. Contas pagadoras que já o utilizavam podem continuar criando recursos e adicionando contas vinculadas conforme as regras da AWS.
Para novos clientes, a AWS recomenda avaliar o Amazon Timestream for InfluxDB.
Modelo de Dados
Em uma série temporal, o timestamp é parte central do registro. Dimensões identificam a origem ou o contexto, enquanto medidas armazenam valores observados.
Exemplos:
- uso de CPU por segundo;
- temperatura de um sensor por minuto;
- telemetria de veículos;
- métricas financeiras;
- eventos de aplicações;
- medições industriais.
Exemplo prático
Uma aplicação de pedidos pode usar banco relacional para transações, banco chave-valor para consultas rápidas e cache para reduzir leitura repetida. Nesse cenário, Amazon Timestream deve ser avaliado pelo tipo de dado e pelo padrão de acesso.
Diferenças importantes
Quando um Banco de Séries Temporais Ajuda
Esse modelo é adequado quando as consultas dependem de intervalos, agregações temporais, médias móveis, retenção e grande volume de escrita sequencial.
É possível armazenar esse tipo de dado no Amazon RDS ou no Amazon DynamoDB, mas a modelagem, o custo e o desempenho podem ser menos adequados conforme o volume cresce. A nota Bancos de Dados de Séries Temporais aprofunda essa diferença.
Cuidados
A modelagem precisa considerar cardinalidade, granularidade, retenção, frequência de ingestão e padrão de consulta. Um serviço especializado não elimina a necessidade de entender quais dimensões serão filtradas e quais agregações a aplicação executará.