MetricBase 변환

변환을 사용하면 다양한 방법으로 MetricBase 데이터를 시각화할 수 있습니다.

사용 가능한 변환

레이블 변환을 제외한 모든 변환은 메트릭 데이터에 적용할 수 있는 수학 함수입니다. 여러 변환을 적용하여 변환 체인을 생성합니다.

변환	설명
추가	데이터 집합의 데이터 요소에 지정된 값을 추가하여 결과를 계산합니다.
평균	현재 선택된 모든 메트릭의 산술 평균을 계산합니다.
하단	메트릭 데이터 세트에 대해 지정된 가장 낮은 수의 값만 표시합니다.
카이제곱	통계 모델이 메트릭 데이터 세트에 얼마나 적합한지 보여줍니다.
개수	메트릭 데이터 세트 내의 데이터 요소 수를 표시합니다.
분해	예측 모델의 구성요소를 분리합니다. 최소값과 최대값을 모두 분해하고 요청하여 예측 모델의 하한과 상한을 가져올 수 있습니다.
나누기	데이터 집합의 데이터 요소를 지정된 값으로 나누어 결과를 계산합니다.
봉투	메트릭 데이터 세트의 최소값과 최대값을 표시합니다.
필터	지정된 기간의 슬라이딩 시간 창에서 지정된 집계 함수를 사용하여 계산된 값으로 새 계열을 생성합니다. 슬라이딩 15분 평균은 평균 집계 함수와 15분의 기간과 함께 필터 변환을 사용합니다. 지원되는 집계 함수: 평균 치스퀘어 마지막 최대 중간 최소 표준 개발
맞춤	모델 기반 트리거에서 사용할 수 있는 예측 모델을 생성합니다.
분위수	기본 데이터의 지정된 백분위수를 나타내는 값이 있는 새 계열을 반환합니다. 예를 들어 90번째 및 99번째 백분위수 응답 시간을 쿼리하려면 [0.9,0.99] 배열을 제공합니다.
선으로 연결	지정된 기간 동안 새 데이터 요소를 생성하여 결과를 계산합니다.
레이블	변환에 대한 레이블을 설정할 수 있습니다.
마지막	기간 창에서 마지막으로 정의된 값을 반환합니다.
로그	데이터 세트에 있는 모든 값의 자연 로그를 계산합니다.
최대	메트릭 데이터 세트의 각 시점에서 가장 큰 값을 표시합니다.
중위수	메트릭 데이터 세트의 중앙값을 표시합니다. 중앙값은 메트릭 데이터 세트의 상위 값을 하위 값으로부터 분리합니다.
최소	메트릭 데이터 세트의 각 시점에 가장 작은 값을 표시합니다.
곱하기	데이터 집합의 데이터 요소에 지정된 값을 곱하여 결과를 계산합니다.
파티션	지정된 기간의 고정된 시간 범위 동안 지정된 집계 함수를 사용하여 계산된 값으로 새 계열을 생성합니다. 파티션 창을 정렬할 기본 (타임스탬프)을 지정합니다. 지원되는 집계 함수: 평균 치스퀘어 마지막 최대 중간 최소 표준 개발
예측	MetricBase 모델 테이블(mb_model)에서 선택한 예측 모델에 의해 생성된 예측 시계열 데이터를 실제 데이터와 비교합니다. 예측된 데이터와 실제 데이터를 그래프로 표시할 수 있습니다. 예측 트리거는 예측된 값과 임계치를 기반으로 합니다. 임계치는 예측 값보다 높거나 낮은 값입니다. 이러한 임계값을 벗어나는 실제 데이터는 예측 트리거를 실행합니다.
넣기	시계열 지표를 다른 MetricBase 시계열 지표에 복사합니다(예: copyData('targetMetric').put()).
다시 만들기	지정된 기간에 맞게 데이터를 확장하거나 축소합니다. 기간을 연장하면 집계 함수를 사용하여 새 기간에 맞게 데이터를 결합합니다. 기간을 단축하면 기존 데이터가 기본 기간으로 전파됩니다. 지원되는 집계 함수: 평균 치스퀘어 마지막 최대 중간 최소 표준 개발
표준 편차	기초 데이터 전체의 표준 편차를 계산합니다. 메트릭 데이터 세트에서 데이터 값 세트의 변동 또는 분산을 정량화하는 데 사용됩니다.
빼기	데이터 집합의 데이터 요소에서 지정된 값을 빼서 결과를 계산합니다.
합계	메트릭 데이터 세트 내의 데이터 요소 합계를 계산합니다. 자세한 내용은 Sum transform을 참조하세요.
상위	메트릭 데이터 세트에서 지정된 가장 높은 수의 값만 표시합니다.

합계 변환

타임스탬프 "T"의 값은 범위(T-period, T)의 값을 나타냅니다. 쿼리에서 sum() 은 입력 계열을 제공합니다. 하나의 시리즈가 있고 원래 시리즈를 기간 = 1일인 새 시리즈로 리샘플링합니다. 원래 계열을 마침표로 다시 샘플링하면 두 개의 데이터 요소(2000-04-02T00:00:00Z 및 2000-04-03T00:00:00Z)가 만들어집니다. 데이터 요소가 하나 있으므로 2000-04-02T00:00:00Z의 값은 1입니다. 2000-04-03T00:00:00Z의 값은 (2000-04-02T00:00:00Z, 2000-04-03T00:00:00Z) 범위의 값을 집계하여 계산됩니다. 값은 3과 같습니다.

이 예에서

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'))

는 [4]가 아니라 [1, 3]입니다.

====== 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
    }
  ]
}