将 Amazon SageMaker 与 Timescale Cloud 集成

连接到您的 Timescale Cloud 服务

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

CREATE TABLE model_predictions (
      time TIMESTAMPTZ NOT NULL,
      model_name TEXT NOT NULL,
      prediction DOUBLE PRECISION NOT NULL
);

复制

为了获得更好的性能和更轻松的实时分析，将表转换为超表

超表是 PostgreSQL 表，可按时间自动对数据进行分区。您与超表的交互方式与常规 PostgreSQL 表相同，但具有额外的功能，可以更轻松地管理时序数据。

SELECT create_hypertable('model_predictions', 'time');

复制

创建 SageMaker Notebook 实例

1. 在 Amazon SageMaker > Notebooks 和 Git 仓库中，单击 创建 Notebook 实例。
2. 按照向导创建默认 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 状态时，单击 Open JupyterLab，然后单击 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	模型名称	预测
   2025-02-06 16:56:34.370316+00	timescale-cloud-model	0.95