5 趋势函数

趋势函数与history functions不同，使用保留趋势数据数据进行计算。

趋势存储每小时聚合值。趋势函数使用这些每小时平均值，因此适用于长期分析。

趋势函数结果会被缓存，因此对相同参数函数的多次调用只会从数据库获取一次信息。趋势函数缓存由趋势函数缓存大小服务器参数控制。

仅引用趋势函数的触发器仅按表达式中最小时段评估一次。例如，类似 trendavg(/host/key,1d:now/d) > 1 or trendavg(/host/key2,1w:now/w) > 2

的触发器将每天评估一次。如果触发器同时包含趋势和历史（或date and time和/或nodata()）函数，则根据计算时间进行计算。

以下所有函数均支持在：

• Trigger expressions
• Calculated items
• Expression macros

函数列表未包含额外信息。点击函数查看完整详情。

通用参数

• /host/key 是一个常见的必填第一个参数
• time period:time shift 是一个常见的第二个参数，其中：
  • 时间周期 - 时间周期（最小为 '1h'），定义为 <N><时间单位>，其中 N - 时间单位的数量，time unit - h（小时）、d（天）、w（周）、M（月）或 y（年）。
  • 时间偏移 - 时间偏移（参见函数示例）

函数详情

关于函数参数的一些通用说明：

• 函数参数之间用逗号分隔
• 可选的函数参数（或参数部分）用 < > 表示
• 特定函数的参数会在每个函数中分别描述
• /host/key 和 time period:time shift 参数永远不要加引号

baselinedev(/host/key,data period:time shift,season unit,num seasons)

返回当前数据周期与之前季节中相同数据周期之间的偏差数量（基于stddevpop算法）。

参数：

• 参见通用参数；
  
• 数据周期 - 季节内的数据采集周期，格式为<N><时间单位>，其中：
  N - 时间单位数量
  time unit - 时间单位（h小时/d天/w周/M月/y年），必须小于等于季节长度
  
• 季节单位 - 单个季节的时长（h/d/w/M/y），不得小于数据周期；
• 季节数量 - 需要评估的季节数。

示例：

baselinedev(/主机/key,1d:now/d,"M",6) #计算前一天与过去6个月中同一天的总体标准差数量。若某月不存在对应日期，则使用该月最后一天（例如7月31日将与1月31日、2月28日...6月30日进行对比）
baselinedev(/主机/key,1h:now/h,"d",10)  #计算前一小时与过去十天中相同时段的总体标准差数量

baselinewma(/host/key,data period:time shift,season unit,num seasons)

使用加权移动平均算法，通过在多个相等的时间段（“季节”）内对相同时间段内的数据进行平均来计算基线。

参数：

• 参见通用参数；
  
• 数据周期 - 每个季节内的数据收集周期，定义为<N><时间单位>，其中：
  N - 时间单位的数量
  time unit - h（小时）、d（天）、w（周）、M（月）或 y（年），必须等于或小于季节长度
  时间偏移 - 时间周期偏移量，定义了数据收集时间段结束的季节数（参见示例）；
  
• 季节单位 - 单个季节的持续时间（h、d、w、M、y），不能小于数据周期；
  
• 季节数 - 要评估的季节数量。

示例：

baselinewma(/主机/key,1h:now/h,"d",3) # 根据昨天结束的3天周期内的最后完整小时计算基线。如果“now”是星期一13:30，则将分析星期五、星期六和星期日的12:00-12:59的数据
baselinewma(/主机/key,2h:now/h,"d",3) # 根据昨天结束的3天周期内的最后两小时计算基线。如果“now”是星期一13:30，则将分析星期五、星期六和星期日的11:00-12:59的数据
baselinewma(/主机/key,1d:now/d,"M",4) # 根据上个月之前4个月中与“昨天”相同日期的日期计算基线。如果所需日期不存在，则取该月的最后一天。如果今天是9月1日，则将分析7月31日、6月30日、5月31日和4月30日的数据。

trendavg(/host/key,time period:time shift)

定义时间段内趋势值的平均值。

参数：

• 参见通用参数。

示例：

trendavg(/主机/key,1h:now/h) #前一小时的平均值（例如 12:00-13:00）
trendavg(/主机/key,1h:now/h-1h) #两小时前的平均值（11:00-12:00）
trendavg(/主机/key,1h:now/h-2h) #三小时前的平均值（10:00-11:00）
trendavg(/主机/key,1M:now/M-1y) #一年前上个月的平均值

trendcount(/host/key,time period:time shift)

在定义的时间段内，用于计算趋势值的成功检索历史值的数量。

参数：

• 参见 通用参数。

示例：

trendcount(/主机/key,1h:now/h) # 上一小时的值数量（例如 12:00-13:00）
trendcount(/主机/key,1h:now/h-1h) # 两小时前的值数量（11:00-12:00）
trendcount(/主机/key,1h:now/h-2h) # 三小时前的值数量（10:00-11:00）
trendcount(/主机/key,1M:now/M-1y) # 一年前上个月的值数量

trendmax(/host/key,time period:time shift)

定义时间段内趋势值的最大值。

参数：

• 参见 通用参数。

示例：

trendmax(/主机/key,1h:now/h) #前一小时的最大值（例如 12:00-13:00）
trendmax(/主机/key,1h:now/h) - trendmin(/主机/key,1h:now/h) → 计算前一小时（12:00-13:00）的最大值与最小值之差（趋势差值）
trendmax(/主机/key,1h:now/h-1h) #两小时前的最大值（11:00-12:00）
trendmax(/主机/key,1h:now/h-2h) #三小时前的最大值（10:00-11:00）
trendmax(/主机/key,1M:now/M-1y) #一年前上个月的最大值

trendmin(/host/key,time period:time shift)

定义时间段内趋势值的最小值。

参数：

• 参见 通用参数。

示例：

trendmin(/主机/key,1h:now/h) #前一小时的最小值（例如 12:00-13:00）
trendmax(/主机/key,1h:now/h) - trendmin(/主机/key,1h:now/h) → 计算前一小时最大值与最小值之间的差值（趋势差值）(12:00-13:00)
trendmin(/主机/key,1h:now/h-1h) #两小时前的最小值(11:00-12:00)
trendmin(/主机/key,1h:now/h-2h) #三小时前的最小值(10:00-11:00)
trendmin(/主机/key,1M:now/M-1y) #一年前上个月的最小值

trendstl(/host/key,eval period:time shift,detection period,season,<deviations>,<devalg>,<s window>)

返回检测期间的异常率——介于 0 和 1 之间的十进制值，即 ((the number of anomaly values)/(total number of values))。

参数：

• 参见 通用参数；
• 评估周期（eval period） - 必须分解的时间周期（最小为 '1h'），定义为 <N><时间单位>，其中
  N - 时间单位的数量
  time unit - h（小时）、d（天）、w（周）、M（月）或 y（年）
  
• 检测周期（detection period） - 在评估周期结束前计算异常的时间周期（最小为 '1h'，不能超过评估周期），定义为 <N><时间单位>，其中
  N - 时间单位的数量
  time unit - h（小时）、d（天）、w（周）
  
• 季节周期（season） - 预期存在重复模式（“季节”）的最短时间周期（最小为 '2h'，不能超过评估周期，评估周期中的条目数必须大于结果频率（season/h）的两倍），定义为 <N><时间单位>，其中
  N - 时间单位的数量
  time unit - h（小时）、d（天）、w（周）
  
• 偏差数（deviations） - 被视为异常的偏差数（由 devalg 计算，可以是小数）（必须大于或等于 1，默认为 3）；
• devalg（必须用双引号括起） - 偏差算法，可以是 stddevpop、stddevsamp 或 mad（默认）；
• s window - 用于季节提取的 loess 窗口跨度（以滞后数为单位）（默认为 10 * 评估周期中的条目数 + 1）

示例：

trendstl(/主机/key,100h:now/h,10h,2h) #分析趋势数据的最后100小时，查找该周期最后10小时的异常率，预期周期性为2小时，如果评估周期的余数序列值达到该余数序列 MAD 的 3 偏差，则视为异常
trendstl(/主机/key,100h:now/h-10h,100h,2h,2.1,"mad") #分析100小时的趋势数据，直到10小时前，查找整个周期的异常率，预期周期性为2小时，如果评估周期的余数序列值达到该余数序列 MAD 的 2.1 偏差，则视为异常
trendstl(/主机/key,100d:now/d-1d,10d,1d,4,,10) #分析100天的趋势数据，直到1天前，查找该周期最后10天的异常率，预期周期性为1天，如果评估周期的余数序列值达到该余数序列 MAD 的 4 偏差，则视为异常，并将用于季节提取的 loess 窗口默认跨度 "10 * 评估周期中的条目数 + 1" 覆盖为 10 滞后数
trendstl(/主机/key,1M:now/M-1y,1d,2h,,"stddevsamp") #分析一年前的上个月，查找该周期最后一天的异常率，预期周期性为2小时，如果评估周期的余数序列值达到该余数序列样本标准差的 3 偏差，则视为异常

trendsum(/host/key,time period:time shift)

定义时间段内趋势值的总和。

参数：

• 参见 通用参数。

示例：

trendsum(/主机/key,1h:now/h) #前一小时的总和（例如 12:00-13:00）
trendsum(/主机/key,1h:now/h-1h) #两小时前的总和（11:00-12:00）
trendsum(/主机/key,1h:now/h-2h) #三小时前的总和（10:00-11:00）
trendsum(/主机/key,1M:now/M-1y) #一年前上个月的总和

请参见 all supported functions。