Transformations MetricBase
Les transformations vous permettent de visualiser les données MetricBase de différentes façons.
Transformations disponibles
Toutes les transformations, à l’exception de la transformation Étiquette , sont des fonctions mathématiques que vous pouvez appliquer aux données de mesures. Appliquez plusieurs transformations pour créer une chaîne de transformation.
| Transformer | Description |
|---|---|
| Ajouter | Calcule un résultat en ajoutant la valeur spécifiée aux points de données du jeu de données. |
| Moyenne | Calcule les moyennes arithmétiques de toutes les mesures actuellement sélectionnées. |
| Bas | Affiche uniquement le plus petit nombre spécifié de valeurs de l’ensemble de données de mesures. |
| Khi-carré | Indique dans quelle mesure un modèle statistique s’adapte au jeu de données de mesures. |
| Nombre | Affiche le nombre de points de données dans le jeu de données de mesures. |
| Pourrir | Sépare les composants des modèles prédictifs. Vous pouvez décomposer et demander à la fois la valeur minimale et la valeur maximale pour obtenir les limites inférieure et supérieure d’un modèle prédictif. |
| Diviser | Calcule un résultat en divisant les points de données du jeu de données par une valeur spécifiée. |
| Enveloppe | Affiche les valeurs minimale et maximale de l’ensemble de données de mesures. |
| Filtre | Génère une nouvelle série avec des valeurs calculées à l’aide de la fonction d’agrégation donnée sur une fenêtre temporelle glissante de la durée donnée. Une moyenne glissante de 15 minutes utiliserait la transformation Filter (Filtre) avec la fonction d’agrégation Average (Agrégation moyenne ) et une durée de 15 minutes. Fonctions d’agrégation prises en charge :
|
| Ajuster | Génère un modèle de prédiction qui peut être utilisé par le déclencheur basé sur un modèle. |
| Fractions | Renvoie une nouvelle série avec des valeurs représentant les centiles donnés des données sous-jacentes. Par exemple, pour interroger les temps de réponse des 90e et 99e centiles, fournissez un tableau de [0.9,0.99]. |
| Interpoler | Construit de nouveaux points de données pour une durée spécifiée afin de calculer un résultat. |
| Étiquette | Vous permet de définir une étiquette pour votre transformation. |
| Dernier | Renvoie la dernière valeur définie dans la fenêtre de période. |
| Journal | Calcule le logarithme népérien de toutes les valeurs du jeu de données. |
| Max. | Affiche la valeur la plus élevée à chaque point dans le temps pour le jeu de données de mesures. |
| Médiane | Affiche la médiane de l’ensemble de données de mesures. La médiane sépare les valeurs les plus élevées du jeu de données de mesures des valeurs les plus basses. |
| Min. | Affiche la plus petite valeur à chaque point dans le temps pour le jeu de données de mesures. |
| Multiplier | Calcule un résultat en multipliant les points de données du jeu de données par une valeur spécifiée. |
| Partition | Génère une nouvelle série avec des valeurs calculées à l’aide de la fonction d’agrégation donnée sur une période fixe d’une durée donnée. Spécifiez la base (un horodatage) pour aligner la fenêtre de partition. Fonctions d’agrégation prises en charge :
|
| Prédire | Compare les données de séries chronologiques prévues générées par le modèle de prédiction sélectionné dans la table MetricBase Models (mb_model) aux données réelles. Les données prévues et réelles peuvent être représentées graphiquement. Les déclencheurs de prédiction sont basés sur les valeurs et les seuils prévus. Les seuils sont des valeurs supérieures ou inférieures à la valeur prévue. Les données réelles qui se situent en dehors de ces seuils exécutent des déclencheurs de prédiction. |
| Placer | Copie une mesure de série chronologique dans une autre MetricBase mesure de série chronologique, par exemple, copyData('targetMetric').put(). |
| Rééchantillonner | Développe ou réduit les données pour les adapter à la période donnée. Lorsque vous prolongez la période, la fonction d’agrégation est utilisée pour combiner les données afin qu’elles correspondent à la nouvelle période. Lorsque vous raccourcissez la période, les données existantes sont propagées aux périodes sous-jacentes. Fonctions d’agrégation prises en charge :
|
| Écart-type | Calcule l’écart-type sur les données sous-jacentes. Utilisé pour quantifier la variation ou la dispersion d’un ensemble de valeurs de données dans le jeu de données de mesures. |
| Soustraire | Calcule un résultat en soustrayant la valeur spécifiée des points de données dans le jeu de données. |
| Somme | Calcule la somme des points de données dans le jeu de données de mesures. Pour plus d’informations, reportez-vous à la rubrique Transformation de la somme . |
| Haut | Affiche uniquement le nombre spécifié le plus élevé de valeurs de l’ensemble de données de mesures. |
Transformation de la somme
Une valeur à l’horodatage « T » indique la valeur de la plage (T-période, T). Dans votre requête, sum() donne la série d’entrée. Vous avez une série, puis vous rééchantillonnez la série originale dans une nouvelle série avec période = 1 jour. Lorsque vous rééchantillonnez la série d’origine sur une période, cela crée deux points de données (2000-04-02T00:00:00Z et 2000-04-03T00:00:00Z). La valeur à 2000-04-02T00:00:00Z est 1, car il existe un point de données. La valeur à 2000-04-03T00:00:00Z est calculée en agrégeant des valeurs dans la plage (2000-04-02T00:00:00Z, 2000-04-03T00:00:00Z]. La valeur est égale à 3.
Dans cet exemple, le résultat de
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'))est [1, 3] plutôt que [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
}
]
}