将 Amazon SageMaker 与 Timescale Cloud 集成

连接到您的 Timescale Cloud 服务

对于 Timescale Cloud，请在 Timescale 控制台中打开 SQL 编辑器。对于自托管，请使用 psql。

为了更好的性能和更轻松的实时分析，请创建一个 hypertable

Hypertables 是 PostgreSQL 表，可自动按时间对数据进行分区。您与 hypertables 的交互方式与常规 PostgreSQL 表相同，但它具有额外的功能，可让您更轻松地管理时序数据。

CREATE TABLE model_predictions (
  time TIMESTAMPTZ NOT NULL,
  model_name TEXT NOT NULL,
  prediction DOUBLE PRECISION NOT NULL
) WITH (
  tsdb.hypertable,
  tsdb.partition_column='time'
);

复制

如果您自托管 TimescaleDB v2.19.3 及更低版本，请创建一个 PostgreSQL 关系表，然后使用 create_hypertable 进行转换。然后通过调用 ALTER TABLE 启用 hypercore。

创建 SageMaker Notebook 实例

1. 在 Amazon SageMaker > Notebooks 和 Git 存储库 中，点击 Create Notebook instance。
2. 按照向导创建默认的 Notebook 实例。

编写一个 Notebook 脚本，将数据插入到您的 Timescale Cloud 服务中

1. 当您的 Notebook 实例处于 inService 时，点击 Open JupyterLab 并点击 conda_python3。

2. 使用您的 连接详细信息 更新以下脚本，然后将其粘贴到 Notebook 中。

   import psycopg2
   from datetime import datetime
   
   def insert_prediction(model_name, prediction, host, port, user, password, dbname):
         conn = psycopg2.connect(
            host=host,
            port=port,
            user=user,
            password=password,
            dbname=dbname
         )
         cursor = conn.cursor()
   
         query = """
            INSERT INTO model_predictions (time, model_name, prediction)
            VALUES (%s, %s, %s);
         """
   
         values = (datetime.utcnow(), model_name, prediction)
         cursor.execute(query, values)
         conn.commit()
   
         cursor.close()
         conn.close()
   
   # Example usage
   insert_prediction(
         model_name="example_model",
         prediction=0.95,
         host="<host>",
         port="<port>",
         user="<user>",
         password="<password>",
         dbname="<dbname>"
   )

   复制

测试您的 SageMaker 脚本

1. 在您的 SageMaker notebook 中运行脚本。

2. 验证数据是否在您的服务中

   打开 SQL 编辑器 并检查 sensor_data 表

   SELECT * FROM model_predictions;

   复制

   您会看到类似以下内容

   时间	model_name	预测
   2025-02-06 16:56:34.370316+00	timescale-cloud-model	0.95