MetricBase-Transformationen

Mit Transformationen können Sie MetricBase-Daten auf verschiedene Weise visualisieren.

Verfügbare Transformationen

Alle Transformationen mit Ausnahme von Bezeichnung Transformation sind mathematische Funktionen, die Sie auf die Metrikdaten anwenden können. Wenden Sie mehrere Transformationen an, um eine Transformationskette zu erstellen.

Umwandeln	Beschreibung
Hinzufügen	Berechnet ein Ergebnis, indem der angegebene Wert den Datenpunkten im Datensatz hinzugefügt wird.
Durchschnitt	Berechnet die arithmetischen Mittel aller derzeit ausgewählten Metriken.
Unten	Zeigt nur die niedrigste angegebene Anzahl von Werten des Metrikdatensatzes an.
Chi-Quadrat	Zeigt an, wie gut ein statistisches Modell zum Metrikdatensatz passt.
Anzahl	Zeigt die Anzahl der Datenpunkte innerhalb des Metrikdatensatzes an.
Zerlegen	Trennt Komponenten von Vorhersagemodellen. Sie können sowohl den Mindest- als auch den Höchstwert zerlegen und anfordern, um die unteren und oberen Grenzwerte eines Vorhersagemodells abzurufen.
Teilen	Berechnet ein Ergebnis, indem die Datenpunkte im Datensatz durch einen angegebenen Wert geteilt werden.
Umschlag	Zeigt die Mindest- und Höchstwerte des Metrikdatensatzes an.
Filter	Erstellt eine neue Serie mit Werten, die mit der angegebenen Zusammenfassungsfunktion über ein gleitendes Zeitfenster der angegebenen Dauer berechnet werden. Ein gleitender 15-Minuten-Durchschnitt würde die Filtertransformation mit verwenden Durchschnitt Zusammenfassungsfunktion und eine Dauer von 15 Minuten. Unterstützte Zusammenfassungsfunktionen: DURCHSCHNITT CHISQUARE LETZTE MAX MEDIAN MIN STD.-ENTW
Anpassen	Generiert ein Vorhersagemodell, das vom modellbasierten Auslöser verwendet werden kann.
Fraktile	Gibt eine neue Serie mit Werten zurück, die die angegebenen Perzentile der zugrunde liegenden Daten darstellen. Um beispielsweise die Antwortzeiten des 90. Und 99. Perzentils abzufragen, geben Sie ein Array von [0,9,0,99] an.
Interpolieren	Erstellt neue Datenpunkte mit einer angegebenen Dauer, um ein Ergebnis zu berechnen.
Bezeichnung	Ermöglicht Ihnen das Festlegen einer Bezeichnung für Ihre Transformation.
Letzter	Gibt den letzten definierten Wert im Zeitraumfenster zurück.
Protokoll	Berechnet den natürlichen Logarithmus aller Werte im Datensatz.
Max.	Zeigt den größten Wert zu jedem Zeitpunkt für den Metrikdatensatz an.
Median	Zeigt den Median des Metrikdatensatzes an. Der Median trennt die höheren Werte des Metrikdatensatzes von den niedrigeren Werten.
Min.	Zeigt den kleinsten Wert zu jedem Zeitpunkt für den Metrikdatensatz an.
Multiplizieren	Berechnet ein Ergebnis, indem die Datenpunkte im Datensatz mit einem angegebenen Wert multipliziert werden.
Partition	Erstellt eine neue Serie mit Werten, die mit der angegebenen Zusammenfassungsfunktion über einen festen Zeitrahmen einer bestimmten Dauer berechnet werden. Geben Sie an Basis (Ein Zeitstempel) zum Ausrichten des Partitionsfensters. Unterstützte Zusammenfassungsfunktionen: DURCHSCHNITT CHISQUARE LETZTE MAX MEDIAN MIN STD.-ENTW
Prognostizieren	Vergleicht vorhergesagte Zeitreihendaten, die vom Vorhersagemodell generiert wurden, das in der Tabelle „MetricBase-Modelle“ (mb_model) ausgewählt wurde, mit echten Daten. Die vorhergesagten und realen Daten können als Diagramm dargestellt werden. Vorhersageauslöser basieren auf den vorhergesagten Werten sowie Schwellenwerten. Schwellenwerte sind Werte über und unter dem vorhergesagten Wert. Echte Daten, die außerhalb dieser Schwellenwerte liegen, führen Vorhersageauslöser aus.
Platzieren	Kopiert eine Zeitreihenmetrik in eine andere MetricBaseZeitreihenmetrik, z. B. CopyData('targetMetric').put() .
Neu berechnen	Erweitert oder verkleinert die Daten an den angegebenen Zeitraum. Wenn Sie den Zeitraum verlängern, wird die Zusammenfassungsfunktion verwendet, um die Daten so zu kombinieren, dass sie an den neuen Zeitraum angepasst werden. Wenn Sie den Zeitraum kürzen, werden die vorhandenen Daten an die zugrunde liegenden Zeiträume weitergegeben. Unterstützte Zusammenfassungsfunktionen: DURCHSCHNITT CHISQUARE LETZTE MAX MEDIAN MIN STD.-ENTW
Standardabweichung	Berechnet die Standardabweichung für die zugrunde liegenden Daten. Wird verwendet, um die Variation oder Verteilung eines Satzes von Datenwerten im Metrikdatensatz zu quantifizieren.
Abziehen	Berechnet ein Ergebnis, indem der angegebene Wert von den Datenpunkten im Datensatz abgezogen wird.
Summe	Berechnet die Summe der Datenpunkte innerhalb des Metrikdatensatzes. Siehe Summentransformation Für weitere Informationen.
Oben	Zeigt nur die höchste angegebene Anzahl von Werten des Metrikdatensatzes an.

Summentransformation

Ein Wert mit dem Zeitstempel „T“ gibt den Wert für den Bereich an (T-Zeitraum, T). In Ihrer Abfrage Summe() Gibt die Eingabeserie an. Sie haben eine Serie und nehmen dann die ursprüngliche Serie in eine neue Serie mit dem Zeitraum = 1 Tag um. Wenn Sie die ursprüngliche Serie auf einen Zeitraum neu berechnen, werden zwei Datenpunkte erstellt (2000-04-02T00:00:00Z und 2000-04-03T00:00:00Z). Der Wert bei 2000-04-02T00:00:00Z ist 1, da ein Datenpunkt vorhanden ist. Der Wert bei 2000-04-03T00:00:00Z wird durch Zusammenfassen von Werten im Bereich (2000-04-02T00:00:00Z, 2000-04-03T00:00:00Z] berechnet. Der Wert ist gleich 3.

In diesem Beispiel das Ergebnis von

var startTime = new GlideDateTime('2000-04-02 00:00:00');
var endTime = new GlideDateTime('2000-04-02 23:00:00');
transformer.metric('u_cost').sum().resample('SUM', GlideDuration('1 00:00:00'))

Ist [1, 3] und nicht [4].

====== rest api result for GET ======
{
  "seriesRef": {
    "subject": "28e6bf5d73c233000355bccdbdf6a70c",
    "table": "sn_cld_intg_aws_cost_usage",
    "metric": "u_cost"
  },
  "label": "28e6bf5d73c233000355bccdbdf6a70c:sn_cld_intg_aws_cost_usage|u_cost",
  "values": [
    {
      "timestamp": "2000-04-02T00:00:00Z",
      "value": 1
    },
    {
      "timestamp": "2000-04-02T01:00:00Z",
      "value": 1
    },
    {
      "timestamp": "2000-04-02T02:00:00Z",
      "value": 1
    },
    {
      "timestamp": "2000-04-02T03:00:00Z",
      "value": 1
    },
    {
      "timestamp": "2000-04-02T04:00:00Z",
      "value": 0
    },
    {
      "timestamp": "2000-04-02T05:00:00Z",
      "value": 0
    },
    ...
    {
      "timestamp": "2000-04-02T23:00:00Z",
      "value": 0
    },
    {
      "timestamp": "2000-04-03T00:00:00Z",
      "value": 0
    }
  ]
}