Variables de modèle de série chronologique
Remarque
Le service Time Series Insights va être mis hors service le 7 juillet 2024. Prévoyez de migrer les environnements existants vers des solutions alternatives dès que possible. Pour plus d’informations sur la dépréciation et la migration, consultez notre documentation.
Cet article décrit les variables de modèles de série chronologique qui spécifient des règles de formule et de calcul sur les événements.
Chaque variable peut être de trois types : numérique, catégoriel et agrégé.
- Les types numériques fonctionnent avec des valeurs numériques continues.
- Les types catégoriels fonctionnent avec un ensemble défini de valeurs discrètes.
- Les types agrégés combinent plusieurs variables d’un même type (toutes numériques ou toutes catégorielles).
Le tableau suivant répertorie les propriétés pertinentes pour chaque genre de variable.
Variables numériques
Propriétés de la variable | Description |
---|---|
Variable filter | Les filtres sont des clauses conditionnelles facultatives pour limiter le nombre de lignes à prendre en compte pour le calcul. |
Valeur de variable | Valeurs de télémétrie utilisées pour le calcul provenant de l’appareil ou des capteurs ou transformées à l’aide d’expressions de série chronologique. Les variables de type numérique doivent être Double ou Long pour correspondre au type de données des données entrantes. |
Interpolation de variables | L’interpolation spécifie comment reconstruire un signal en utilisant des données existantes. Les options d’interpolation pas à pas et linéaire sont disponibles pour les variables numériques. |
Variable aggregation | Effectuez des calculs via les fonctions d’agrégation prises en charge pour les types de variable numériques. |
Les variables sont conformes à l’exemple JSON suivant :
"Interpolated Speed": {
"kind": "numeric",
"value": {
"tsx": "$event['Speed-Sensor'].Double"
},
"filter": null,
"interpolation": {
"kind": "step",
"boundary": {
"span": "P1D"
}
},
"aggregation": {
"tsx": "right($value)"
}
}
Variables catégorielles
Propriétés de la variable | Description |
---|---|
Variable filter | Les filtres sont des clauses conditionnelles facultatives pour limiter le nombre de lignes à prendre en compte pour le calcul. |
Valeur de variable | Valeurs de télémétrie utilisées pour le calcul provenant de l’appareil ou des capteurs. Les variables de type catégorique doivent être Long ou String pour correspondre au type de données des données entrantes. |
Interpolation de variables | L’interpolation spécifie comment reconstruire un signal en utilisant des données existantes. L’option d’interpolation pas à pas est disponible pour les variables catégorielles. |
Catégories de variables | Les catégories créent un mappage entre les valeurs provenant de l’appareil ou des capteurs et une étiquette. |
Catégorie par défaut de la variable | La catégorie par défaut correspond à toutes les valeurs qui ne sont pas mappées dans la propriété « catégories ». |
Les variables sont conformes à l’exemple JSON suivant :
"Status": {
"kind": "categorical",
"value": {
"tsx": "$event.Status.Long"
},
"interpolation": {
"kind": "step",
"boundary": {
"span" : "PT1M"
}
},
"categories": [
{
"values": [0, 1, 2, 3],
"label": "Good"
},
{
"values": [4],
"label": "Bad"
}
],
"defaultCategory": {
"label": "Not Applicable"
}
}
Variables agrégées
Propriétés de la variable | Description |
---|---|
Variable filter | Les filtres sont des clauses conditionnelles facultatives pour limiter le nombre de lignes à prendre en compte pour le calcul. |
Variable aggregation | Effectuez des calculs via les fonctions d’agrégation prises en charge pour les types de variable agrégés. |
Les variables sont conformes à l’exemple JSON suivant :
"Speed Range": {
"kind": "aggregate",
"filter": null,
"aggregation": {
"tsx": "max($event.Speed.Double) - min($event.Speed.Double)"
}
}
Les variables sont stockées dans la définition de type d’un modèle de série chronologique et peuvent être fournies inlined via les API afin de remplacer ou compléter la définition stockée.
Étapes suivantes
En savoir plus sur les modèles Time Series.
En savoir plus sur la définition intégrée de variables à l’aide de l’API de requête.