MetricBase 변환

변환을 통해 MetricBase 데이터를 다양한 방식으로 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 세트의 데이터 요소에 지정된 값을 추가하여 결과를 계산합니다.
평균	현재 선택된 모든 메트릭의 산술 평균을 계산합니다.
하단	메트릭 데이터 세트의 지정된 가장 낮은 값 수만 표시합니다.
카이 제곱	통계 모델이 메트릭 데이터 세트에 얼마나 잘 맞는지 보여줍니다.
개수	메트릭 데이터 세트 내의 데이터 요소 수를 표시합니다.
분해	예측 모델의 구성요소를 분리합니다. 최소값과 최대값을 모두 분해하고 요청하여 예측 모델의 하한과 상한을 구할 수 있습니다.
나누기	데이터 세트의 데이터 요소를 지정된 값으로 나누어 결과를 계산합니다.
봉투	메트릭 데이터 세트의 최소값과 최대값을 표시합니다.
필터	지정된 기간의 슬라이딩 기간 동안 지정된 집계 함수를 사용하여 계산된 값으로 새 계열을 생성합니다. 슬라이딩 15분 평균은 평균 집계 함수와 함께 필터 변환을 사용하고 기간은 15분입니다. 지원되는 집계 기능: 평균 카이스퀘어 마지막 최대 중앙값 최소 STDDEV
적합	모델 기반 트리거에 사용할 수 있는 예측 모델을 생성합니다.
분위수	기본 데이터의 지정된 백분위수를 나타내는 값을 사용하여 새 계열을 반환합니다. 예를 들어 90번째 및 99번째 백분위수 응답시간을 쿼리하려면 [0.9,0.99] 배열을 제공합니다.
선으로 연결	지정된 기간에 새 데이터 포인트를 구성하여 결과를 계산합니다.
레이블	변환의 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 높은 값과 낮은 값을 구분합니다.
최소	메트릭 데이터 세트의 각 시점에서 가장 작은 값을 표시합니다.
곱하기	데이터 세트의 데이터 요소에 지정된 값을 곱하여 결과를 계산합니다.
파티션	지정된 기간의 고정된 시간 범위 동안 지정된 집계 함수를 사용하여 계산된 값으로 새 계열을 생성합니다. 기준(타임스탬프)을 지정하여 파티션 창을 맞춥니다. 지원되는 집계 기능: 평균 카이스퀘어 마지막 최대 중앙값 최소 STDDEV
예측	MetricBase 모델 테이블(mb_model)에서 선택한 예측 모델에서 생성된 예측 시계열 데이터를 실제 데이터와 비교합니다. 예측된 데이터와 실제 데이터를 그래프로 표시할 수 있습니다. 예측 트리거는 예측 값과 임계치를 기반으로 합니다. 임계치는 예측값보다 높은 값과 낮은 값입니다. 이러한 임계치를 벗어나는 실제 데이터는 예측 트리거를 실행합니다.
넣기	시계열 메트릭을 다른 MetricBase 시계열 메트릭( 예: copyData('targetMetric').put())으로 복사합니다.
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 기능: 평균 카이스퀘어 마지막 최대 중앙값 최소 STDDEV
표준 편차	기본 데이터의 표준 편차를 계산합니다. 메트릭 데이터 세트에서 데이터 값 집합의 변동 또는 분산을 정량화하는 데 사용됩니다.
빼기	데이터 세트의 데이터 포인트에서 지정된 값을 빼서 결과를 계산합니다.
합계	메트릭 데이터 세트 내의 데이터 요소 합계를 계산합니다. 자세한 내용은 합계 변환을 참조하십시오.
상위	메트릭 데이터 세트의 지정된 가장 높은 값 수만 표시합니다.

합계 변환

타임스탬프 "T"의 값은 범위 값(T-마침표, T)을 나타냅니다. 쿼리에서 sum()은 입력 계열을 제공합니다. 하나의 계열이 있는데 원래 계열을 기간 = 1일의 새 계열로 다시 샘플링합니다. 원래 계열을 기간으로 다시 샘플링하면 두 개의 데이터 요소(2000-04-02T00:00:00Z 및 2000-04-03T00:00:00Z)가 만들어집니다. 데이터 요소가 하나 있기 때문에 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 3입니다.

이 예시에서

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'))

은(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
    }
  ]
}