Familiarisez-vous avec MetricBase les API

  • Rversion finale: Xanadu
  • Mis à jour 1 août 2024
  • 2 minutes de lecture

    • Expérimentez avec MetricBase les API à l’aide Explorateur de données de qui fait partie de l’application MetricBase de démonstration. Explorateur de données utilise les données installées avec l’application MetricBase de démonstration.

    Avant de commencer

    Rôle requis : clotho_admin

    Pourquoi et quand exécuter cette tâche

    Explorateur de données est un terrain de jeu où vous pouvez voir et modifier des exemples de scripts qui visualisent les données incluses dans l’application MetricBase de démonstration. Les scripts d’exemple utilisent les MetricBase API JavaScript. Pour plus d’informations sur les MetricBase API JavaScript, consultez Client, Data, DataBuilder, Transformer, TransformPart, TransformResult.

    Notez que le point de terminaison de l’API now/v1/clotho/transform/topic est réservé à un usage interne uniquement.

    Les scripts d’exemple utilisent soit :

    • Les transformations, qui utilisent la méthode Transformer .
    • Langage machine, modèles entraînés qui prédisent le comportement attendu. Tous les scripts sans « Transform » dans leur titre utilisent le langage machine.

    Procédure

    1. Accédez à la Tout > Démonstration MetricBase > Explorateur de données.
      L’Explorateur de données s’affiche.
      Interface utilisateur de l’explorateur de données

      Lorsque vous exécutez un script, la visualisation des données apparaît sous Affichage des résultats du script de l’explorateur de données.

    2. Sélectionnez l’un des exemples de scripts à exécuter dans le menu Exemple de script .
      Étapes d’exécution d’un script
    3. Cliquez sur Charger l’exemple.
    4. Cliquez sur Exécuter.
      Le script affiche la visualisation des données sous Affichage des résultats du script de l’explorateur de données.
    5. Facultatif : Modifiez les valeurs ou les instructions du script ou écrivez un tout nouveau script et cliquez sur Exécuter.
      Remarque :
      Si vous souhaitez enregistrer les modifications que vous avez apportées dans le script, cliquez sur Enregistrer.
    6. Sous Sortie du serveur, examinez la réponse du serveur qui peut contenir des informations sur l’erreur.

    Exemple

    Tableau 1. Exemples de scripts
    Exemple de script Définition et visualisation
    Transformation simple Utilise l’API du transformateur pour afficher une seule mesure de série temporelle, la vitesse moyenne des drones : transformer.metric('mb_demo_mt_speed').avg().

    Transformation simple à l’aide de la moyenne
    Transformation simple avec regroupement Utilise l’API du transformateur pour afficher un groupe de mesures de séries chronologiques, l’altitude moyenne de la flotte des drones : 
    transformer.groupBy("fleet").metric("mb_demo_mt_altitude").
      avg().label('avg - %g:fleet:')

    Transformation de regroupement
    Modèle normal Modélise les données normales, qui se rapprochent d’une courbe en forme de cloche ou gaussienne pour les valeurs distribuées.
    Modèle linéaire Crée une ligne pour résumer les données actuelles et prédire les valeurs futures. Cet exemple, qui concerne la charge restante dans les batteries des drones, représente graphiquement à la fois les valeurs du modèle entraîné et la moyenne des valeurs.
    var builder = new sn_clotho.Transformer(drones);
var fit = builder.metric("mb_demo_nt_rem_battery").resample(100).
          fit({model:"linear"}).label("Fitted");
builder.metric("nb_demp_mt_rem_battery").avg().label("Original")

    Modèle linéaire
    Modèle de décomposition de tendance saisonnière Utilise un modèle de tendance saisonnière afin que les données puissent être soustraites pour révéler des tendances non saisonnières. L’objectif de ce modèle est similaire à celui du modèle de Holt Winters, mais il permet d’obtenir un résultat à l’aide d’algorithmes différents.
    var builder = new sn_clotho.Transformer(drones);
var metric = "nb_demo_mt_rem_battery";
var fit = builder.metric(metric).fit({model:"STL",periodicity:"PT2H", 
          innerCycles:1, outerCycles:10})

    Correction saisonnière de la tendance
    Modèle Holt Winters Utilise le modèle de tendance saisonnière Holt Winters afin que les données puissent être soustraites pour révéler des tendances non saisonnières. L’objectif de ce modèle est similaire à celui du modèle de décomposition de tendance saisonnière, mais il permet d’obtenir un résultat à l’aide d’algorithmes différents.
    Modèle ARIMA Classe la plus générale de modèles de prédiction des données de séries chronologiques sans tendance, c’est-à-dire que toutes les données ont la même valeur ou que les valeurs fluctuent de manière sinusoïdale autour de la moyenne.
    Modèle de déviation Utilise le modèle chicarré pour afficher les différences entre les données réelles et la prédiction du modèle. 
    var metric = "nb_demo_mt_rem_battery";
builder.metric(metric).deviation(model, "chiSquare");

    Modèle de déviation