関数ライブラリ
次の記事には、UDF (ユーザー定義関数) のカテゴリ別の一覧が含まれています。
この記事では、ユーザー定義関数のコードを示します。 これをクエリに埋め込まれている let ステートメント内で使用することも、.create function
を使用してデータベースに保存することもできます。
一般関数
関数名 | 説明 |
---|---|
geoip_fl() | IP アドレスの地理情報を取得します。 |
get_packages_version_fl() | Python エンジンと指定したパッケージのバージョン情報を返します。 |
機械学習の関数
関数名 | 説明 |
---|---|
kmeans_fl() | K-Means アルゴリズムを使用してクラスター化します。 |
predict_fl() | トレーニング済みの既存の機械学習モデルを使用して予測します。 |
predict_onnx_fl() | トレーニング済みの既存の機械学習モデルを使用して ONNX 形式で予測します。 |
Plotly 関数
次のセクションでは、対話型 の Plotly グラフをレンダリングするための関数について説明します。
関数名 | 説明 |
---|---|
plotly_anomaly_fl() | Plotly テンプレートを使用して異常チャートをレンダリングします。 |
plotly_scatter3d_fl() | Plotly テンプレートを使用して 3D 散布図をレンダリングします。 |
PromQL 関数
次のセクションには、一般的な PromQL 関数が含まれています。 これらの関数は、 Prometheus 監視システムによってクラスターに取り込まれたメトリックの分析に使用できます。 すべての関数は、クラスター内のメトリックが Prometheus データ モデルを使用して構造化されていることを前提としています。
関数名 | 説明 |
---|---|
series_metric_fl() | Prometheus データ モデルを使用して、格納されている時系列を選択して取得します。 |
series_rate_fl() | 1 秒あたりのカウンター メトリック増加率の平均値を計算します。 |
系列処理関数
関数名 | Description |
---|---|
quantize_fl() | メトリック列を量子化します。 |
series_clean_anomalies_fl() | 系列の異常を補間値で置き換えます。 |
series_cosine_similarity_fl() | 2 つの数値ベクトルのコサイン類似性を計算します。 |
series_dbl_exp_smoothing_fl() | 系列に二重指数平滑化フィルターを適用します。 |
series_dot_product_fl() | 2 つの数値ベクトルのドット積を計算します。 |
series_downsample_fl() | 整数係数で時系列をダウンサンプリングします。 |
series_exp_smoothing_fl() | 系列に基本的な指数平滑化フィルターを適用します。 |
series_fit_lowess_fl() | LOWESS メソッドを使用して、局所多項式を系列に適合させます。 |
series_fit_poly_fl() | 回帰分析を使用して多項式を系列に適合させます。 |
series_fbprophet_forecast_fl() | Prophet アルゴリズムを使用して時系列の値を予測します。 |
series_lag_fl() | 系列にラグ フィルターを適用します。 |
series_monthly_decompose_anomalies_fl() | 毎月の季節性を持つ系列の異常を検出します。 |
series_moving_avg_fl() | 系列に移動平均フィルターを適用します。 |
series_moving_var_fl() | 系列に移動分散フィルターを適用します。 |
series_mv_ee_anomalies_fl() | 楕円エンベロープ モデルを使用した系列の多変量異常検出。 |
series_mv_if_anomalies_fl() | 分離フォレスト モデルを使用した系列の多変量異常検出。 |
series_mv_oc_anomalies_fl() | 1 つのクラス SVM モデルを使用した系列の多変量異常検出。 |
series_rolling_fl() | 系列にローリング集計関数を適用します。 |
series_shapes_fl() | 正/負の傾向または連続するジャンプを検出します。 |
series_uv_anomalies_fl() | 一変量異常検出コグニティブ サービス API を使用して、時系列内の異常を検出します。 |
series_uv_change_points_fl() | 一変量異常検出コグニティブ サービス API を使用して、時系列内の変化点を検出します。 |
time_weighted_avg_fl() | メトリックの時間加重平均を計算します。 |
time_window_rolling_avg_fl() | 一定の時間ウィンドウにおけるメトリックのローリング平均を計算します。 |
統計関数と確率関数
関数名 | Description |
---|---|
bartlett_test_fl() | Bartlett 検定を実行します。 |
binomial_test_fl() | 二項検定を実行します。 |
comb_fl() | n から k 項目を選択するための組み合わせの数である C(n, k) を計算します。 |
factorial_fl() | n の階乗である n! を計算します。 |
ks_test_fl() | コルモゴロフ・スミルノフ検定を実行します。 |
levene_test_fl()n | ルビーン検定を実行します。 |
normality_test_fl() | 正規性検定を実行します。 |
mann_whitney_u_test_fl() | マン・ホイットニーの U 検定を実行します。 |
pair_probabilities_fl() | カテゴリ変数のペアについて、さまざまな確率と関連するメトリックを計算します。 |
pairwise_dist_fl() | 複数の名義変数と数値変数に基づいて、エンティティ間のペアワイズ距離を計算します。 |
percentiles_linear_fl() | 最も近いランク間の線形補間を使用してパーセンタイルを計算する |
perm_fl() | n から k 項目を選択する配列の数である P(n, k) を計算します。 |
two_sample_t_test_fl() | 2 標本 t 検定を実行します。 |
wilcoxon_test_fl() | ウィルコクソン検定を実行します。 |
テキスト分析
関数名 | 説明 |
---|---|
log_reduce_fl() | テキスト ログで一般的なパターンを検索し、概要テーブルを出力します。 |
log_reduce_full_fl() | テキスト ログで一般的なパターンを検索し、完全なテーブルを出力します。 |
log_reduce_predict_fl() | トレーニング済みのモデルを適用して、テキスト ログで一般的なパターンを見つけ、概要テーブルを出力します。 |
log_reduce_predict_full_fl() | トレーニング済みのモデルを適用して、テキスト ログで一般的なパターンを見つけ、完全なテーブルを出力します。 |
log_reduce_train_fl() | テキスト ログで一般的なパターンを検索し、モデルを出力します。 |
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示