使用时序预测算法实现访问流量预测 本案例介绍使用AI Gallery中预置的时序预测算法实现访问流量预测。 准备工作 已注册华为云帐号，且在使用ModelArts前检查帐号状态，帐号不能处于欠费或冻结状态。 当前帐号已完成访问授权的配置。如未完成，请参考使用委托授权。针对之前使用

查看更多 →

在数据生成服务首页界面左侧，单击“核心网”下面“KPI时序数据”，进入“核心网KPI时序数据”界面。在“核心网KPI时序数据”界面右上方，单击“创建任务”，如下图所示：在创建任务界面，选择所需数据集的各项参数，如果应用场景选择“日常监控”，创建任务界面如下图所示：如果应用场景选择“重大操作”，创建任务界面如下图所示：创建任务界面参数及枚举

查看更多 →

数据库对象命名 数据库对象命名需要满足约束：非时序表长度不超过63个字节，时序表长度不超过53个字符，以字母或下划线开头，中间字符可以是字母、数字、下划线、$、#。 【建议】避免使用保留或者非保留关键字命名数据库对象。 可以使用select * from pg_get_keywo

查看更多 →

Influx 接口 GeminiDB Influx 接口是一款基于华为自研的计算存储分离架构，兼容InfluxDB生态的云原生NoSQL 时序数据库 。提供大并发时序数据读写、压缩存储、多维聚合以及一键部署、快速备份恢复、计算存储独立扩容、监控告警等服务能力，适合于业务监控分析，物联网设备实时

查看更多 →

cancel_all_redis_task() 描述：对当前连接数据库的所有时序表，停止所有在转移的job。 返回值类型：void submit_cancel_redis_task(interval) 描述：对当前连接数据库的所有时序表创建job，调用函数cancel_redis_task。

查看更多 →

TEMPORARY | TEMP 临时序列关键字。 创建临时序列需要数据库启用PG兼容。 临时序列的生命周期是会话级的，临时序列对象是会话隔离的。序列在会话退出后会自动删除清理。 临时序列存在于一个特殊的模式中，每个会话有且仅有一个临时模式，若提前创建了临时模式，则在创建临时序列时可给出模式名，若

查看更多 →

proc_part_policy_pgjob_to_pgtask() 该函数仅在时序表从8.1.1升级到8.1.3版本时使用，函数用于迁移本数据库所有8.1.1版本时序表的分区管理任务。本函数将遍历本数据库中所有时序表，并检查时序表的分区管理任务是否迁移，如果没有迁移，则调用ts_table_p

查看更多 →

proc_part_policy_pgjob_to_pgtask() 该函数仅在时序表从8.1.1升级到8.1.3版本时使用，函数用于迁移本数据库所有8.1.1版本时序表的分区管理任务。本函数将遍历本数据库中所有时序表，并检查时序表的分区管理任务是否迁移，如果没有迁移，则调用ts_table_p

查看更多 →

column用于给时序表新增列： 1 ADD COLUMN column_name data_type [ kv_type ] [ compress_mode ] 其中时序表仅只能有一个TSTIME列，如果新增TSTIME列则会报错。 drop_column用于给时序表删除列： 1

查看更多 →

column用于给时序表新增列： 1 ADD COLUMN column_name data_type [ kv_type ] [ compress_mode ] 其中时序表仅只能有一个TSTIME列，如果新增TSTIME列则会报错。 drop_column用于给时序表删除列： 1

查看更多 →

TEMPORARY | TEMP 临时序列关键字。 创建临时序列需要数据库启用PG兼容。 临时序列的生命周期是会话级的，临时序列对象是会话隔离的。序列在会话退出后会自动删除清理。 临时序列存在于一个特殊的模式中，每个会话有且仅有一个临时模式，若提前创建了临时模式，则在创建临时序列时可给出模式名，若

查看更多 →

功能简介 时序分析主页面分区和主要功能描述如下面图表所示。 时序分析页面 表1 页面分区说明 序号 区域 描述 1 时序探索导航栏 基于租户创建的资产模型提供资产数据的时序探索能力；基于租户在存储管理中每一个数据存储中配置的属性列表、提供了设备数据时序探索能力。 2 时间选择区

查看更多 →

原始数据查看 在IoT数据分析服务时序分析功能中，核心功能之一就是图形化方式查看资产数据、或者设备数据的历史曲线。以查看资产数据历史曲线为例，在时序探索导航栏中选择“资产时序探索”页签，然后选择您所关注的资产属性，在图标分析区中选择“原始数据”，即可展示出资产属性数据的历史曲线，如下图所示。

查看更多 →

基于典型物联网应用场景，封装常用算子，比如数据接入，数据过滤，数据转换等等。 时序分析：专为物联网时序数据处理优化的服务，包括高压缩比的时序数据存储，高效的时序查询效率，海量时间线能力。 表2 时序分析 特点 描述 海量接入 海量时间线能力，最大可达亿级 时序存储 列式存储及专用压缩算法，高压缩率 高效查询 基于时间多维度聚合，近实时分析查询

查看更多 →

在图表分析区，选择“聚合数据”后，可根据实际的分析场景设置不同的采样间隔时间，设置完成后，时序分析会返回所选属性按采样间隔时间做聚合计算后的取值结果，并做图表呈现。 图3 设置采样间隔 图表缩放 在图表分析区，当您需要时序数据做上卷下钻分析时，可以通过放大、缩小按钮或者在图表上选中指定区域放大来实现。

查看更多 →

创建项目 时序预测学件，目前封装在模型训练服务的JupyterLab平台中。可通过在项目中创建JupyterLab环境，体验时序预测学件服务。 时序预测学件支持同时对多指标进行预测。 在模型训练服务首页，单击界面左上角的“创建项目”图标。 弹出“创建项目”对话框。请根据实际情况，配置如下参数：

查看更多 →

时的高效探索分析能力，及时发现物联网数据中的隐含规律则显得尤为重要。IoT数据分析服务的时序分析，提供基于模型驱动的海量历史数据时序分析洞察能力，让物联网数据的规律清晰可见。 父主题： 时序分析简介

查看更多 →

在资产监控页面，选中目标资产，在右侧详情面板中点击“刷新”，即可查看资产属性的最新值，如下图2所示。 点击图标可进入时序分析页面查看资产属性的时序值（只有属性类别为测量数据和分析任务的属性才有时序值）。 图2 监控页面 父主题： 资产管理

查看更多 →

Series）数据。通过这些时序数据不仅能了解物体的实时状态，而且还能从多个维度分析目标对象的趋势和规律等，甚至能够预测不确定的未来。 GaussDB (DWS)的IoT数仓提供自研的时序引擎，提供扩展的时序场景语法，以及分区管理、时序计算、时序生态函数等服务功能，基于时序表提供时序计算能力。 与标准数仓的区别

查看更多 →

Series）数据。通过这些时序数据不仅能了解物体的实时状态，而且还能从多个维度分析目标对象的趋势和规律等，甚至能够预测不确定的未来。 GaussDB(DWS)的IoT数仓提供自研的时序引擎，提供扩展的时序场景语法，以及分区管理、时序计算、时序生态函数等服务功能，基于时序表提供时序计算能力。 与标准数仓的区别

查看更多 →

前提条件 时序的数据集，才能进行时序数据集标注，时间格式示例：08/10/2018 15:00:00。 父主题： 时序数据标注

查看更多 →