Knihovna funkcí

Následující článek obsahuje seznam funkcí definovaných uživatelem (UDF) zařazený do kategorií.

Kód funkcí definovaných uživatelem je uveden v článcích. Dá se použít v rámci příkazu let vloženého do dotazu nebo se dá zachovat v databázi pomocí .create functionpříkazu .

Obecné funkce

Název funkce	Description
geoip_fl()	Načte geografické informace IP adresy.
get_packages_version_fl()	Vrátí informace o verzi modulu Pythonu a zadaných balíčků.

Funkce strojového učení

Název funkce	Description
kmeans_fl()	Clusterizujte pomocí algoritmu k-means.
predict_fl()	Predikce pomocí existujícího vytrénovaného modelu strojového učení
predict_onnx_fl()	Predikce pomocí existujícího vytrénovaného modelu strojového učení ve formátu ONNX

Vykreslované funkce

Následující část obsahuje funkce pro vykreslování interaktivních grafů.

Název funkce	Description
plotly_anomaly_fl()	Vykreslení grafu anomálií pomocí šablony Plotly
plotly_scatter3d_fl()	Vykreslení 3D bodového grafu pomocí šablony Plotly

Funkce PromQL

Následující část obsahuje běžné funkce PromQL . Tyto funkce můžete použít k analýze metrik přijatých do clusteru monitorovacím systémem Prometheus . Všechny funkce předpokládají, že metriky v clusteru jsou strukturované pomocí datového modelu Prometheus.

Název funkce	Description
series_metric_fl()	Vyberte a načtěte časové řady uložené s datovým modelem Prometheus.
series_rate_fl()	Vypočítejte průměrnou míru zvýšení metriky čítače za sekundu.

Funkce zpracování řad

Název funkce	Description
quantize_fl()	Kvantifikujte sloupce metrik.
series_clean_anomalies_fl()	Anomálie v řadě nahraďte interpolovanou hodnotou.
series_cosine_similarity_fl()	Vypočítejte kosinus podobnosti dvou číselných vektorů.
series_dbl_exp_smoothing_fl()	U řad použijte dvojitý exponenciální vyhlazovací filtr.
series_dot_product_fl()	Vypočítejte tečkovaný součin dvou číselných vektorů.
series_downsample_fl()	Převzorkujte časovou řadu podle celočíselného faktoru.
series_exp_smoothing_fl()	Použijte u řad základní filtr exponenciálního vyhlazování.
series_fit_lowess_fl()	Přizpůsobte místní polynom do řad pomocí metody LOWESS.
series_fit_poly_fl()	Přizpůsobení polynomu k řadě pomocí regresní analýzy
series_fbprophet_forecast_fl()	Předpověď hodnot časových řad pomocí prorokova algoritmu.
series_lag_fl()	Použijte filtr prodlevy u řad.
series_monthly_decompose_anomalies_fl()	Detekce anomálií v řadě s měsíční sezónností
series_moving_avg_fl()	Použití filtru klouzavého průměru u řad
series_moving_var_fl()	Použijte filtr pohyblivé odchylky u řad.
series_mv_ee_anomalies_fl()	Multivariátní detekce anomálií pro řady s využitím modelu eliptických obálek.
series_mv_if_anomalies_fl()	Multivariátní detekce anomálií pro řady s využitím modelu izolované doménové struktury.
series_mv_oc_anomalies_fl()	Detekce vícerozměrných anomálií pro řady s využitím modelu SVM jedné třídy.
series_rolling_fl()	Použití funkce valivé agregace u řad.
series_shapes_fl()	Detekuje pozitivní/negativní trend nebo skok v řadě.
series_uv_anomalies_fl()	Detekujte anomálie v časových řadách pomocí rozhraní API služby Cognitive Service Pro detekci anomálií Univariate.
series_uv_change_points_fl()	Pomocí rozhraní API služby Cognitive Service Pro detekci anomálií Univariate detekujte body změn v časových řadách.
time_weighted_avg_fl()	Vypočítá časově vážený průměr metriky.
time_window_rolling_avg_fl()	Vypočítá klouzavý průměr metriky za časové období konstantní doby trvání.

Statistické a pravděpodobnostní funkce

Název funkce	Description
bartlett_test_fl()	Proveďte Bartlettův test.
binomial_test_fl()	Proveďte binomický test.
comb_fl()	Vypočítejte C(n, k), počet kombinací pro výběr položek k z n.
factorial_fl()	Vypočítejte n!, faktoriál n.
ks_test_fl()	Proveďte Kolmogorovův Smirnovův test.
levene_test_fl()n	Proveďte Leveneho test.
normality_test_fl()	Provede test normality.
mann_whitney_u_test_fl()	Proveďte Mann-Whitney test U.
pair_probabilities_fl()	Vypočítejte různé pravděpodobnosti a související metriky pro dvojici kategorických proměnných.
pairwise_dist_fl()	Výpočet párových vzdáleností mezi entitami na základě více nominálních a číselných proměnných
percentiles_linear_fl()	Výpočet percentilů pomocí lineární interpolace mezi nejbližšími pořadími
perm_fl()	Vypočítejte P(n, k), počet permutací pro výběr položek k z n.
two_sample_t_test_fl()	Proveďte dva ukázkové t-test.
wilcoxon_test_fl()	Proveďte Wilcoxon test.

Analýza textu

Název funkce	Description
log_reduce_fl()	Vyhledejte běžné vzory v textových protokolech a vytvořte souhrnnou tabulku.
log_reduce_full_fl()	Vyhledejte běžné vzory v textových protokolech a vypište celou tabulku.
log_reduce_predict_fl()	Použití vytrénovaného modelu k vyhledání běžných vzorů v textových protokolech a výstupu souhrnné tabulky.
log_reduce_predict_full_fl()	Použijte vytrénovaný model k vyhledání běžných vzorů v textových protokolech a výstupu celé tabulky.
log_reduce_train_fl()	Vyhledejte běžné vzory v textových protokolech a vypište model.