Documentation
Table of Contents
5 Funciones de tendencia
Las funciones de tendencia, a diferencia de las funciones de historial, utilizan los datos de tendencia para los cálculos.
Las tendencias almacenan valores agregados por hora. Las funciones de tendencia utilizan estos promedios horarios y, por lo tanto, son útiles para el análisis a largo plazo.
Los resultados de la función de tendencia se almacenan en caché, por lo que si se realizan varias llamadas a la misma función con los mismos parámetros, se recupera la información de la base de datos solo una vez. La caché de la función de tendencia está controlada por el parámetro del servidor TrendFunctionCacheSize.
Los iniciadores que hacen referencia a funciones de tendencia sólo se evalúan una vez por el período de tiempo más pequeño en la expresión. Por ejemplo, un iniciador como
será evaluado una vez al día. Si el iniciador contiene funciones de tendencia e historial (o basadas en tiempo), se calcula de acuerdo con los principios habituales.
Todas las funciones enumeradas aquí son compatibles con:
Algunas notas generales sobre los parámetros de función:
- Los parámetros de la función están separados por una coma.
- Los parámetros de función opcionales (o partes de parámetros) se indican mediante
<> - Los parámetros específicos de la función se describen con cada función.
- Los parámetros
/host/keyytime period:time shiftnunca deben ser entrecomillados
Parámetros comunes
/host/keyes un primer parámetro obligatorio comúnperíodo de tiempo:cambio de tiempoes un segundo parámetro común, donde:- período de tiempo - el período de tiempo (mínimo '1h'), definido como <N><unidad de tiempo> donde
N- el número de unidades de tiempo,unidad de tiempo- h (hora), d (día), w (semana), M (mes) o y (año). - timeshift - el desplazamiento del período de tiempo (ver ejemplos de funciones)
- período de tiempo - el período de tiempo (mínimo '1h'), definido como <N><unidad de tiempo> donde
Funciones de tendencia
| FUNCIÓN | ||
|---|---|---|
| Descripción | Parámetros específicos de la función | Comentarios |
| baselinedev (/host/clave,período de datos:cambio de tiempo,unidad_temporada,núm_temporadas) | ||
| Devuelve el número de desviaciones (mediante el algoritmo stddevpop) entre el último período de datos y los mismos períodos de datos de temporadas anteriores. | período de datos - el período de recopilación de datos dentro de una temporada, definido como <N><unidad de tiempo> dondeN - número de unidades de tiempounidad de tiempo - h (hora ), d (día), w (semana), M (mes) o y (año), debe ser igual o menor que la temporada Time shift: el período de tiempo compensado (ver ejemplos) season_unit - duración de una temporada (h, d, w, M, y), no puede ser menor que el período de datos num_seasons - número de temporadas a evaluar |
Ejemplos: => baselinedev(/host/key,1d:now/d,"M",6) → calculando el número de desviaciones estándar (población) entre el día anterior y el mismo día en el 6 meses anteriores. Si la fecha no existe en un mes anterior, se utilizará el último día del mes (se analizará el 31 de julio con el 31 de enero, 28 de febrero,... 30 de junio). => baselinedev(/host/key,1h:now/h,"d",10) → calculando el número de desviaciones estándar (población) entre la hora anterior y las mismas horas durante el período de anteayer diez días. |
| baselinewma (/host/clave,período de datos:cambio de tiempo,unidad_temporada,núm_temporadas) | ||
| Calcula la línea de base promediando datos del mismo período de tiempo en múltiples períodos de tiempo iguales ("temporadas") utilizando el algoritmo de promedio móvil ponderado. | período de datos: el período de recopilación de datos dentro de una temporada, definido como <N> <unidad de tiempo> dondeN - número de unidades de tiempounidad de tiempo - h (hora), d (día), w (semana), M (mes) o y (año), debe ser igual o menor que la temporada Time shift: el período de tiempo compensado, define el final del período de recopilación de datos en temporadas (consulte ejemplos) season_unit - duración de una temporada (h, d, w, M, y), no puede ser menor que el período de datos num_seasons - número de temporadas a evaluar |
Ejemplos: => baselinewma(/host/key,1h:now/h,"d",3) → cálculo de la línea de base basada en la última hora completa dentro de un período de 3 días que finalizó ayer. Si "ahora" es el lunes a las 13:30, se analizarán los datos de 12:00 a 12:59 del viernes, sábado y domingo. => baselinewma(/host/key,2h:now/h,"d",3) → cálculo de la línea de base basada en las últimas dos horas dentro de un período de 3 días que finalizó ayer. Si "ahora" es el lunes a las 13:30, se analizarán los datos de 11:00 a 12:59 del viernes, sábado y domingo. => baselinewma(/host/key,1d:now/d,"M",4) → cálculo de la línea de base basada en el mismo día del mes que 'ayer' en los 4 meses anteriores al último total mes. Si la fecha requerida no existe, se toma el último día del mes. Si hoy es 1 de septiembre se analizarán los datos del 31 de julio, 30 de junio, 31 de mayo, 30 de abril. |
| trendavg (/host/clave,período de tiempo:cambio de tiempo) | ||
| Promedio de valores de tendencia dentro del período de tiempo definido. | Ver parámetros comunes. | Ejemplos: => trendavg(/host/key,1h:now/h ) → promedio de la hora anterior (por ejemplo, 12:00-13:00) => trendavg(/host/key,1h:now/h-1h) → promedio de Hace dos horas (11:00-12:00) => trendavg(/host/key,1h:now/h-2h) → promedio de hace tres horas (10:00 -11:00) => trendavg(/host/key,1M:now/M-1y) → promedio del mes anterior hace un año |
| trendcount (/host/key,período de tiempo:cambio de tiempo) | ||
| Número de valores de tendencia recuperados correctamente dentro del período de tiempo definido. | Ver parámetros comunes. | Ejemplos: => trendcount(/host/key,1h:now /h) → recuento de la hora anterior (por ejemplo, 12:00-13:00) => trendcount(/host/key,1h:now/h-1h) → contar hace dos horas (11:00-12:00) => trendcount(/host/key,1h:now/h-2h) → contar hace tres horas (10 :00-11:00) => trendcount(/host/key,1M:now/M-1y) → recuento del mes anterior hace un año |
| trendmax (/host/key,período de tiempo:cambio de tiempo) | ||
| El máximo en valores de tendencia dentro del período de tiempo definido. | Ver parámetros comunes. | Ejemplos: => trendmax(/host/key,1h:now/ h) → máximo para la hora anterior (por ejemplo, 12:00-13:00) => trendmax(/host/key,1h:now/h) - trendmin (/host/key,1h:now/h) → calcula la diferencia entre los valores máximo y mínimo (delta de tendencia) para la hora anterior (12:00-13:00) => trendmax(/host/key,1h:now/h-1h) → máximo hace dos horas (11:00-12:00) => trendmax(/ host/key,1h:now/h-2h) → máximo para hace tres horas (10:00-11:00) => trendmax(/host/key,1M :ahora/M-1y) → máximo para el mes anterior hace un año |
| trendmin (/host/key,período de tiempo:cambio de tiempo) | ||
| El mínimo en los valores de tendencia dentro del período de tiempo definido. | Ver parámetros comunes. | Ejemplos: => trendmin(/host/key,1h:now/h) → mínimo de la hora anterior (por ejemplo, 12:00-13:00) => trendmin(/host/key,1h: now/h) - trendmin(/host/key,1h:now/h) → calcula la diferencia entre los valores máximo y mínimo (delta de tendencia) para la hora anterior (12:00 -13:00) => trendmin(/host/key,1h:now/h-1h) → mínimo para hace dos horas (11:00-12:00)<br >=> trendmin(/host/key,1h:now/h-2h) → mínimo para hace tres horas (10:00-11:00) => **trendmin* *(/host/key,1M:now/M-1y) → mínimo del mes anterior hace un año |
| trendstl (/host/key,período de evaluación:cambio de tiempo,período de detección,temporada,<desviaciones>,<devalg>,<s_window>) | ||
Devuelve la tasa de anomalías durante el período de detección: un valor decimal entre 0 y 1 que es ((el número de valores de anomalía)/(el número total de valores)). |
período de evaluación: el período de tiempo que debe descomponerse (mínimo '1h'), definido como <N><unidad de tiempo> dondeN - número de unidades de tiempounidad de tiempo - h (hora), d (día ), w (semana), M (mes) o y (año).Time shift: el período de tiempo compensado (ver ejemplos) período de detección: el período de tiempo antes del final del período de evaluación para el cual se calculan las anomalías (mínimo '1h', no puede ser más largo que el período de evaluación), definido como <N><time unidad> donde N - número de unidades de tiempounidad de tiempo - h (hora), d (día), w (semana).temporada - la período de tiempo más corto donde se espera un patrón repetitivo ("temporada") (mínimo '2h', no puede ser más largo que el período de evaluación, el número de entradas en el período de evaluación debe ser mayor que las dos veces de la frecuencia resultante (temporada/h) ), definido como <N><unidad de tiempo> donde N - número de unidades de tiempounidad de tiempo - h (hora), d (día), w (semana).<br >desviaciones: el número de desviaciones (calculadas por devalg) que se cuentan como anomalía (pueden ser decimales), (debe ser mayor o igual a 1, el valor predeterminado es 3) devalg (debe estar entre comillas dobles): algoritmo de desviación, puede ser stddevpop, stddevsamp o mad (predeterminado) s_window - el lapso (en retrasos) de la ventana de loess para la extracción estacional (el valor predeterminado es 10 * número de entradas en el período de evaluación + 1) |
Ejemplos: => trendstl(/host/key,100h:now/h,10h ,2h) → analizar las últimas 100 horas de datos de tendencia, encontrar la tasa de anomalías para las últimas 10 horas de ese período, esperando que la periodicidad sea de 2h, los valores restantes de la serie del período de evaluación se consideran anomalías si alcanzan el valor de 3 desviaciones del MAD de esa serie restante => trendstl(/host/key,100h:now/h-10h,100h,2h, 2.1,"mad") → analiza el período de 100 horas de datos de tendencia, hasta hace 10 horas, encuentra la tasa de anomalía para todo ese período esperando que la periodicidad sea de 2 horas, el resto de la serie los valores del período de evaluación se consideran anomalías si alcanzan el valor de 2,1 desviaciones de la MAD de esa serie restante => trendstl(/host/key,100d:now/d-1d ,10d,1d,4,,10) → analiza 100 días de datos de tendencia hasta hace un día, encuentra la tasa de anomalía para el período de los últimos 10 días de ese período, esperando que la periodicidad sea 1d, los valores de la serie restante del período de evaluación se consideran anomalías si alcanzan el valor de 4 desviaciones de la MAD de esa serie restante, anulando el lapso predeterminado de la ventana de loess para extracción estacional de "10 * número de entradas en el período de evaluación + 1" con un lapso de 10 retrasos => trendstl(/host/key,1M:now/M-1y,1d,2h,,"stddevsamp ") → analiza el mes anterior hace un año, encuentra la tasa de anomalía del último día de ese período esperando que la periodicidad sea de 2h, los valores restantes de la serie del período de evaluación se consideran anomalías si alcanzan el valor de 3 desviaciones de la desviación estándar muestral de esa serie restante |
| trendsum (/host/key,período de tiempo:cambio de tiempo) | ||
| Suma de valores de tendencia dentro del período de tiempo definido. | Ver parámetros comunes. | Ejemplos: => trendsum(/host/key,1h:now/h ) → suma de la hora anterior (por ejemplo, 12:00-13:00) => trendsum(/host/key,1h:now/h-1h) → suma de Hace dos horas (11:00-12:00) => trendsum(/host/key,1h:now/h-2h) → suma de hace tres horas (10:00 -11:00) => trendsum(/host/key,1M:now/M-1y) → suma del mes anterior hace un año |