Familiarize-se com MetricBase APIs

  • Versão de lançamento: Xanadu
  • Atualizado 1 de ago. de 2024
  • 2 min. de leitura

    • Faça experiências com MetricBase APIs usando Explorador de dados que faz parte da aplicação MetricBase Demo. Explorador de dados usa os dados instalados com a aplicação MetricBase Demo.

    Antes de Iniciar

    Função necessária: clotho_admin

    Por Que e Quando Desempenhar Esta Tarefa

    Explorador de dados é um playground onde você pode ver e editar scripts de exemplo que visualizam dados incluídos com a aplicação MetricBase Demo. MetricBase Os scripts de exemplo usam as APIs JavaScript. Para obter informações sobre as APIs JavaScript MetricBase, consulte Client, Data, DataBuilder, Transformer, TransformPart, TransformResult.

    Observe que o endpoint de API de now/v1/clotho/transform/topic está reservado somente para uso interno.

    Scripts de exemplo usam:

    • Transformações, que usam o método Transformador.
    • Linguagem de máquina, modelos treinados que preveem o comportamento esperado. Todos os scripts sem "Transform" no título usam a linguagem de máquina.

    Procedimento

    1. Navegar até Todos > Demonstração do MetricBase > Explorador de dados.
      O Explorador de dados é exibido.
      UI do explorador de dados

      Quando você executa um script, a visualização de dados aparece em Data Explorer Script Result Display (Exibição do resultado do script do explorador de dados).

    2. Selecione um dos scripts de exemplo para executar no menu Script de exemplo.
      Etapas para executar um script
    3. Clique em Load Example (carregar exemplo).
    4. Clique em Executar.
      Quando você executa um script, a visualização de dados aparece em Data Explorer Script Result Display (visualização do resultado do script do explorador de dados).
    5. Opcional: Altere os valores ou as declarações no script ou grave um script totalmente novo e clique em Executar.
      Nota:
      Se você quiser salvar as mudanças feitas no script, clique em Salvar.
    6. Em Server Output (saída do servidor), observe a resposta do servidor que pode incluir informações de erro.

    Exemplo

    Tabela 1. Exemplo de scripts
    Exemplo de script Definição e visualização
    Transformação simples Usa a API do transformador para exibir uma única métrica de série temporal, a velocidade média dos drones: transformer.metric('mb_demo_mt_speed').avg().

    Transformação simples usando média
    Transformação simples com agrupamento Usa a API do transformador para exibir um grupo de métricas de série temporal, a altitude média da frota de drones: 
    transformer.groupBy("fleet").metric("mb_demo_mt_altitude").
      avg().label('avg - %g:fleet:')

    Transformação de agrupamento
    Modelo normal Modela dados normais, que se aproximam de uma curva em forma de sino ou gaussiana para valores distribuídos.
    Modelo linear Cria uma linha para resumir os dados atuais e prever valores futuros. Este exemplo, sobre a carga restante nas baterias do drone, representa graficamente os valores do modelo treinado e a média dos valores.
    var builder = new sn_clotho.Transformer(drones);
var fit = builder.metric("mb_demo_nt_rem_battery").resample(100).
          fit({model:"linear"}).label("Fitted");
builder.metric("nb_demp_mt_rem_battery").avg().label("Original")

    Modelo linear
    Modelo de decomposição de tendência Sazonal Usa um modelo de tendência sazonal para que os dados possam ser subtraídos para revelar tendências não sazonais. Este modelo é semelhante ao modelo de Holt Winters, mas chega ao resultado usando algoritmos diferentes.
    var builder = new sn_clotho.Transformer(drones);
var metric = "nb_demo_mt_rem_battery";
var fit = builder.metric(metric).fit({model:"STL",periodicity:"PT2H", 
          innerCycles:1, outerCycles:10})

    Correção sazonal de tendência
    Modelo de Holt Winters Usa o Holt Winters, modelo de tendência sazonal para que os dados possam ser subtraídos para revelar tendências não sazonais. Este modelo é semelhante em propósito ao modelo de decomposição de tendência sazonal, mas chega ao resultado usando algoritmos diferentes.
    Modelo ARIMA A classe mais geral de modelos para prever dados de série de tempo que não têm tendência, o que significa que todos os dados têm o mesmo valor ou os valores flutuam em sinusoidal em torno da média.
    Modelo de desvio Usa o modelo qui-quadrado para mostrar as diferenças entre os dados reais e a previsão do modelo. 
    var metric = "nb_demo_mt_rem_battery";
builder.metric(metric).deviation(model, "chiSquare");

    Modelo de desvio