5 トレンド関数

トレンド関数は、ヒストリ関数とは対照的に、計算にトレンドデータを使用します。

トレンドは1時間ごとの集計値を保存します。トレンド関数はこれらの1時間ごとの平均値を使用するため、長期的な分析に役立ちます。

トレンド関数の結果はキャッシュされるため、同じパラメータで同じ関数を複数回呼び出しても、データベースからの情報取得は1回だけです。トレンド関数のキャッシュは、TrendFunctionCacheSizeサーバーパラメータで制御されます。

トレンド関数のみを参照するトリガーは、式内の最小の時間間隔ごとに1回評価されます。たとえば、次のようなトリガーの場合

trendavg(/host/key,1d:now/d) > 1 or trendavg(/host/key2,1w:now/w) > 2

は1日ごとに評価されます。トリガーにトレンド関数とヒストリ関数（または日付と時刻、nodata()）の両方が含まれている場合は、通常の原則に従って計算されます。

ここに記載されているすべての関数は、以下でサポートされています。

• トリガー式
• 計算アイテム
• 式マクロ

関数は追加情報なしでリストされています。関数をクリックすると詳細が表示されます。

共通パラメータ

• /host/keyは共通の必須の最初のパラメータです
• time period:time shiftは共通の2番目のパラメータで、以下のようになります:
  • time period - 期間（最小値は'1h'）、<N><time unit>で定義されます。Nは時間単位の数、time unitはh（時間）、d（日）、w（週）、M（月）、y（年）です。
  • time shift - 期間のオフセット（関数の例を参照）

関数の詳細

関数パラメータに関する一般的な注意事項:

• 関数パラメータはカンマで区切ります
• オプションの関数パラメータ（またはパラメータの一部）は < >で示されます
• 関数固有のパラメータは各関数で説明されています
• /host/key および time period:time shift パラメータは 決して引用符で囲まないでください

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

直近のデータ期間と、過去のシーズンの同じデータ期間との間の偏差の数 (stddevpopアルゴリズムによる) を返します。

パラメータ:

• 共通パラメータを参照;
  
• data period - シーズン内のデータ収集期間。<N><time unit>で定義されます。
  N - 時間単位の数
  time unit - h (時間), d (日), w (週), M (月), y (年)。season以下でなければなりません。
  
• season unit - 1シーズンの期間 (h, d, w, M, y)。data periodより小さくできません。
• num seasons - 評価するシーズン数。

例:

baselinedev(/host/key,1d:now/d,"M",6) #直近1日と、過去6ヶ月の同じ日との標準偏差(母集団)の数を計算します。前月に日付が存在しない場合は、その月の最終日が使用されます(7月31日は1月31日、2月28日、... 6月30日と比較されます)
       baselinedev(/host/key,1h:now/h,"d",10)  #直近1時間と、昨日までの10日間の同じ時間との標準偏差(母集団)の数を計算します

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

重み付き移動平均アルゴリズムを使用して、複数の等しい期間（「シーズン」）の同じ時間枠からデータを平均化することでベースラインを計算します。

パラメータ:

• 共通パラメータを参照;
  
• data period - シーズン内でのデータ収集期間、<N><time unit>として定義されます。
  N - 時間単位の数
  time unit - h（時間）、d（日）、w（週）、M（月）、y（年）、シーズン以下でなければなりません
  Time shift - 期間のオフセット、シーズン内でのデータ収集期間の終了を定義します（例を参照）;
  
• season unit - 1シーズンの期間（h, d, w, M, y）、data periodより小さくできません;
  
• num seasons - 評価するシーズンの数。

例:

baselinewma(/host/key,1h:now/h,"d",3) #昨日で終了した3日間の期間内の最後の1時間に基づいてベースラインを計算します。"now"が月曜日13:30の場合、金曜日、土曜日、日曜日の12:00-12:59のデータが分析されます
       baselinewma(/host/key,2h:now/h,"d",3) #昨日で終了した3日間の期間内の最後の2時間に基づいてベースラインを計算します。"now"が月曜日13:30の場合、金曜日、土曜日、日曜日の11:00-12:59のデータが分析されます
       baselinewma(/host/key,1d:now/d,"M",4) #直近の完全な月の前の4か月間で「昨日」と同じ月の日に基づいてベースラインを計算します。必要な日付が存在しない場合は、その月の最終日が使用されます。今日が9月1日の場合、7月31日、6月30日、5月31日、4月30日のデータが分析されます。

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

指定した期間内のトレンド値の平均。

パラメータ:

• 共通パラメータを参照。

例:

trendavg(/host/key,1h:now/h) #直前1時間の平均 (例: 12:00-13:00)
       trendavg(/host/key,1h:now/h-1h) #2時間前の平均 (11:00-12:00)
       trendavg(/host/key,1h:now/h-2h) #3時間前の平均 (10:00-11:00)
       trendavg(/host/key,1M:now/M-1y) #1年前の直前1ヶ月の平均

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

定義された期間内にトレンド値を計算するために使用された、正常に取得された履歴値の数。

パラメータ:

• 共通パラメータを参照。

例:

trendcount(/host/key,1h:now/h) #直前の1時間の値の数（例：12:00-13:00）
       trendcount(/host/key,1h:now/h-1h) #2時間前の値の数（11:00-12:00）
       trendcount(/host/key,1h:now/h-2h) #3時間前の値の数（10:00-11:00）
       trendcount(/host/key,1M:now/M-1y) #1年前の前月の値の数

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

定義された期間内のトレンド値の最大値。

パラメータ:

• 共通パラメータを参照。

例:

trendmax(/host/key,1h:now/h) #直前の1時間の最大値（例：12:00-13:00）
       trendmax(/host/key,1h:now/h) - trendmin(/host/key,1h:now/h) → 直前の1時間（12:00-13:00）の最大値と最小値の差分（トレンドデルタ）を計算
       trendmax(/host/key,1h:now/h-1h) #2時間前の最大値（11:00-12:00）
       trendmax(/host/key,1h:now/h-2h) #3時間前の最大値（10:00-11:00）
       trendmax(/host/key,1M:now/M-1y) #1年前の直前月の最大値

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

定義された期間内のトレンド値の最小値。

パラメータ:

• 共通パラメータを参照。

例:

trendmin(/host/key,1h:now/h) #直前1時間の最小値(例: 12:00-13:00)
       trendmax(/host/key,1h:now/h) - trendmin(/host/key,1h:now/h) → 直前1時間(12:00-13:00)の最大値と最小値の差分(トレンドデルタ)を計算
       trendmin(/host/key,1h:now/h-1h) #2時間前(11:00-12:00)の最小値
       trendmin(/host/key,1h:now/h-2h) #3時間前(10:00-11:00)の最小値
       trendmin(/host/key,1M:now/M-1y) #1年前の直前月の最小値

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

検出期間中の異常値の割合を返します。値は0から1の間の小数で、((異常値の数)/(値の総数))です。

パラメータ:

• 共通パラメータを参照;
  
• eval period - 分解する必要がある期間（最小 '1h'）、<N><time unit> で定義
  N - 時間単位の数
  time unit - h (時間), d (日), w (週), M (月), y (年)
  
• detection period - 異常値を計算するためのeval periodの終了前の期間（最小 '1h'、eval periodより長くできません）、<N><time unit> で定義
  N - 時間単位の数
  time unit - h (時間), d (日), w (週)
  
• season - 繰り返しパターン（"season"）が予想される最短期間（最小 '2h'、eval periodより長くできません。eval period内のエントリ数は、得られる頻度（season/h）の2倍より大きくなければなりません）、<N><time unit> で定義
  N - 時間単位の数
  time unit - h (時間), d (日), w (週)
• deviations - 異常値と見なす偏差（devalgで計算、少数可、1以上、デフォルトは3）
• devalg（ダブルクォート必須） - 偏差アルゴリズム。stddevpop、stddevsamp、mad（デフォルト）から選択
• s window - 季節性抽出のためのloessウィンドウのスパン（ラグ数、デフォルトは"10 * eval period内のエントリ数 + 1"）

例:

trendstl(/host/key,100h:now/h,10h,2h) #直近100時間のトレンドデータを分析し、その期間の直近10時間の異常率を求める。周期性は2hと仮定し、評価期間の残差系列値がその残差系列のMADの3偏差に達した場合に異常値と見なす
       trendstl(/host/key,100h:now/h-10h,100h,2h,2.1,"mad") #10時間前までの100時間のトレンドデータを分析し、その全期間の異常率を求める。周期性は2hと仮定し、評価期間の残差系列値がその残差系列のMADの2.1偏差に達した場合に異常値と見なす
       trendstl(/host/key,100d:now/d-1d,10d,1d,4,,10) #1日前までの100日間のトレンドデータを分析し、その期間の直近10日間の異常率を求める。周期性は1dと仮定し、評価期間の残差系列値がその残差系列のMADの4偏差に達した場合に異常値と見なす。季節性抽出のためのloessウィンドウのスパンをデフォルトの"10 * eval period内のエントリ数 + 1"から10ラグに上書き
       trendstl(/host/key,1M:now/M-1y,1d,2h,,"stddevsamp") #1年前の前月を分析し、その期間の最終日の異常率を求める。周期性は2hと仮定し、評価期間の残差系列値がその残差系列の標本標準偏差の3偏差に達した場合に異常値と見なす

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

指定した期間内のトレンド値の合計。

パラメータ:

• 共通パラメータを参照。

例:

trendsum(/host/key,1h:now/h) #直前1時間の合計 (例: 12:00-13:00)
       trendsum(/host/key,1h:now/h-1h) #2時間前の合計 (11:00-12:00)
       trendsum(/host/key,1h:now/h-2h) #3時間前の合計 (10:00-11:00)
       trendsum(/host/key,1M:now/M-1y) #1年前の直前月の合計

サポートされているすべての関数を参照してください。