メトリックベース API を理解する

  • リリースバージョン: Zurich
  • 更新日 2025年07月31日
  • 所要時間：4分

    • メトリックベース デモアプリケーションの一部である データエクスプローラー を使用して、メトリックベース API を試してみてください。データエクスプローラー は、メトリックベース デモアプリケーションとともにインストールされたデータを使用します。

    始める前に

    必要なロール：clotho_admin

    このタスクについて

    データエクスプローラー は、メトリックベース デモアプリケーションに含まれるデータをチャート化するサンプルスクリプトを表示および編集できるプレイグラウンドです。スクリプト例は メトリックベース JavaScript API を使用します。メトリックベース JavaScript API の詳細については、「Client」、「Data」、 「DataBuilder」、「Transformer」、「TransformPart」、「TransformResult」を参照してください。

    now/v1/clotho/transform/topic API エンドポイントは、内部使用専用で予約されていることに注意してください。

    スクリプト例では、次のいずれかを使用します。

    • 変換。Transformer メソッドを使用。
    • 機械言語。予想される動作を予測するトレーニング済みモデル。タイトルに「Transform」が含まれていないすべてのスクリプトは、機械言語を使用します。

    手順

    1. 移動先 すべて > MetricBase デモ > データエクスプローラー.
      データエクスプローラーが表示されます。
      データエクスプローラー UI

      スクリプトを実行すると、データのチャート化が、[データエクスプローラーのスクリプト結果表示] に表示されます。

    2. [スクリプト例 (Example Script)] メニューで、実行するサンプルスクリプトのいずれかを選択します。
      スクリプトの実行手順
    3. [Load Example] (例のロード) をクリックします。
    4. [実行] をクリックします。
      スクリプトでは、データのチャート化が、[データエクスプローラーのスクリプト結果表示] に表示されます。
    5. オプション: スクリプトの値またはステートメントを変更するか、まったく新しいスクリプトを作成して、[実行] をクリックします。
      注:
      スクリプトに加えた変更を保存するには、[保存] をクリックします。
    6. [サーバー出力 (Server Output)] で、エラー情報が含まれている可能性があるサーバーの応答を確認します。

    例

    表 : 1. スクリプト例
    スクリプト例 定義とチャート化
    単純な変換 transformer API を使用して、単一の時系列メトリクスであるドローンの平均速度を表示します。transformer.metric('mb_demo_mt_speed').avg()。

    平均を使用した単純な変換
    グループ化による単純な変換 transformer API を使用して、時系列メトリクスのグループ、ドローンのフリートの平均高度を表示します。 
    transformer.groupBy("fleet").metric("mb_demo_mt_altitude").
      avg().label('avg - %g:fleet:')

    グループ化変換
    正規モデル 正規データをモデル化します。これは、分布値のベル型またはガウス曲線を近似します。
    線形モデル 現在のデータを要約し、将来の値を予測する線を作成します。この例では、ドローンバッテリーの充電残量について、トレーニング済みモデル値と値の平均値の両方をグラフ化します。
    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")

    線形モデル
    季節傾向分解モデル 季節傾向モデルを使用して、データを減算することで季節以外の傾向を明らかにすることができます。このモデルは、Holt Winters モデルと目的は類似していますが、結果を得るために使用するアルゴリズムは異なります。
    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})

    傾向に対する季節補正
    Holt Winters モデル Holt Winters 季節傾向モデルを使用して、データを減算することで季節以外の傾向を明らかにすることができます。このモデルは、季節傾向分解モデルと目的は類似していますが、結果を得るために使用するアルゴリズムは異なります。
    ARIMA モデル 傾向のない時系列データを予測するための最も一般的なクラスのモデルです。つまり、すべてのデータが同じ値であるか、値が平均値を中心に正弦曲線で変動します。
    偏差モデル カイ 2 乗モデルを使用して、実際のデータとモデルの予測の差異を表示します。 
    var metric = "nb_demo_mt_rem_battery";
builder.metric(metric).deviation(model, "chiSquare");

    偏差モデル