Transformations MetricBase

Les transformations vous permettent de visualiser les données MetricBase de différentes manières.

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 dans l’ensemble de données.
Moyen	Calcule les moyennes arithmétiques de toutes les mesures actuellement sélectionnées.
Bas	Affiche uniquement le nombre spécifié le plus bas de valeurs de l’ensemble de données de mesures.
Chi carré	Indique dans quelle mesure un modèle statistique s’ajuste à l’ensemble 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 le minimum et le maximum pour obtenir les limites inférieure et supérieure d’un modèle prédictif.
Diviser	Calcule un résultat en divisant les points de données de l’ensemble de données par une valeur spécifiée.
Enveloppe	Affiche les valeurs minimales et maximales de l’ensemble de données de mesures.
Filtre	Produit une nouvelle série avec des valeurs calculées à l’aide de la fonction d’agrégation indiquée sur une fenêtre temporelle glissante de la durée donnée. Une moyenne glissante de 15 minutes utiliserait la transformation Filtre avec la fonction d’agrégation Moyenne et une durée de 15 minutes. Fonctions d’agrégation prises en charge : MOY CHISQUARE DERNIER MAX MÉDIAN MIN. écart-type
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 pendant une durée spécifiée pour 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 naturel de toutes les valeurs de l’ensemble de données.
Max.	Affiche la valeur la plus élevée à chaque instant de l’ensemble de données de mesures.
Médiane	Affiche la médiane de l’ensemble de données de mesures. La médiane sépare les valeurs les plus élevées de l’ensemble de données de mesures des valeurs inférieures.
Minimum	Affiche la valeur la plus petite à chaque instant pour l’ensemble de données de mesures.
Multiplier	Calcule un résultat en multipliant les points de données de l’ensemble 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 : MOY CHISQUARE DERNIER MAX MÉDIAN MIN. écart-type
Prédire	Compare les données de séries chronologiques prévues générées par le modèle de prédiction sélectionné dans la table Modèles MetricBase (mb_model) aux données réelles. Les données prévues et réelles peuvent être représentées graphiquement. Les déclencheurs de prédiction sont basés sur les valeurs prédites ainsi que sur les seuils. Les seuils sont des valeurs supérieures et 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 mesure de série chronologique différente MetricBase , 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 de les adapter à la nouvelle période. Lorsque vous raccourcissez la période, les données existantes sont propagées aux périodes sous-jacentes. Fonctions d’agrégation prises en charge : MOY CHISQUARE DERNIER MAX MÉDIAN MIN. écart-type
Écart-type	Calcule l’écart-type sur l’ensemble des 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 l’ensemble de données.
Somme	Calcule la somme des points de données dans l’ensemble de données de mesures. Voir Transformation de somme pour plus d’informations.
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 » désigne la valeur de la plage (période T, T). Dans votre requête, sum() donne la série d’entrées. Vous avez une série, puis vous rééchantillonnez la série originale dans une nouvelle série avec une période = 1 jour. Lorsque vous rééchantillonnez la série d’origine à un point, deux points de données sont créés (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
    }
  ]
}