함수 라이브러리
다음 문서에는 UDF(사용자 정의 함수)의 범주별 목록이 포함되어 있습니다.
사용자 정의 함수 코드는 문서에서 제공됩니다. 쿼리에 포함된 let 문 내에서 사용하거나 .create function
을 사용하여 데이터베이스에 유지할 수 있습니다.
일반 함수
함수 이름 | 설명 |
---|---|
geoip_fl() | IP 주소의 지리적 정보를 검색합니다. |
get_packages_version_fl() | Python 엔진 및 지정된 패키지의 버전 정보를 반환합니다. |
기계 학습 함수
함수 이름 | 설명 |
---|---|
kmeans_fl() | k-means 알고리즘을 사용하여 클러스터화합니다. |
predict_fl() | 기존의 학습된 기계 학습 모델을 사용하여 예측합니다. |
predict_onnx_fl() | 기존의 학습된 기계 학습 모델을 ONNX 형식으로 사용하여 예측합니다. |
Plotly 함수
다음 섹션에는 대화형 Plotly 차트를 렌더링하는 함수가 포함되어 있습니다.
함수 이름 | 설명 |
---|---|
plotly_anomaly_fl() | Plotly 템플릿을 사용하여 변칙 차트를 렌더링합니다. |
plotly_scatter3d_fl() | Plotly 템플릿을 사용하여 3D 분산형 차트를 렌더링합니다. |
PromQL 함수
다음 섹션에는 일반적인 PromQL 함수가 포함되어 있습니다. 이러한 함수는 Prometheus 모니터링 시스템에서 클러스터에 수집된 메트릭을 분석하는 데 사용할 수 있습니다. 모든 함수는 클러스터의 메트릭이 Prometheus 데이터 모델을 사용하여 구조화되어 있다고 가정합니다.
함수 이름 | 설명 |
---|---|
series_metric_fl() | Prometheus 데이터 모델을 사용하여 저장된 시계열을 선택하고 검색합니다. |
series_rate_fl() | 초당 카운터 메트릭의 평균 증가율을 계산합니다. |
계열 처리 함수
함수 이름 | 설명 |
---|---|
quantize_fl() | 메트릭 열을 양자화합니다. |
series_clean_anomalies_fl() | 계열의 변칙을 보간된 값으로 대체합니다. |
series_cosine_similarity_fl() | 두 숫자 벡터의 코사인 유사성을 계산합니다. |
series_dbl_exp_smoothing_fl() | 계열에 이중 지수 평활 필터를 적용합니다. |
series_dot_product_fl() | 두 숫자 벡터의 내적을 계산합니다. |
series_downsample_fl() | 정수 계수별 다운샘플 시계열입니다. |
series_exp_smoothing_fl() | 계열에 기본 지수 평활 필터를 적용합니다. |
series_fit_lowess_fl() | LOWESS 메서드를 사용하여 국소 다항식을 계열에 맞춥니다. |
series_fit_poly_fl() | 회귀 분석을 사용하여 계열에 다항식을 맞춥니다. |
series_fbprophet_forecast_fl() | Prophet 알고리즘을 사용하여 시계열 값을 예측합니다. |
series_lag_fl() | 계열에 지연 필터를 적용합니다. |
series_monthly_decompose_anomalies_fl() | 월별 계절성이 있는 시리즈에서 변칙을 검색합니다. |
series_moving_avg_fl() | 계열에 이동 평균 필터를 적용합니다. |
series_moving_var_fl() | 계열에 이동 분산 필터를 적용합니다. |
series_mv_ee_anomalies_fl() | 타원형 봉투 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다. |
series_mv_if_anomalies_fl() | 격리 포리스트 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다. |
series_mv_oc_anomalies_fl() | 하나의 클래스 SVM 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다. |
series_rolling_fl() | 계열에 롤링 집계 함수를 적용합니다. |
series_shapes_fl() | 긍정/부정 추세를 감지하거나 계열에서 점프합니다. |
series_uv_anomalies_fl() | 단변량 변칙 검색 Cognitive Service API를 사용하여 시계열에서 변칙을 검색합니다. |
series_uv_change_points_fl() | 단변량 변칙 검색 Cognitive Service API를 사용하여 시계열의 변경 지점을 검색합니다. |
time_weighted_avg_fl() | 메트릭의 시간 가중 평균을 계산합니다. |
time_window_rolling_avg_fl() | 일정한 기간 동안 메트릭의 롤링 평균을 계산합니다. |
통계 및 확률 함수
함수 이름 | 설명 |
---|---|
bartlett_test_fl() | Bartlett 테스트를 수행합니다. |
binomial_test_fl() | 이항 테스트를 수행합니다. |
comb_fl() | C(n, k) (n개 중 k개 항목을 선택할 때의 조합 수)를 계산합니다. |
factorial_fl() | n! (n의 계승값)을 계산합니다. |
ks_test_fl() | Kolmogorov Smirnov 테스트를 수행합니다. |
levene_test_fl()n | Levene 테스트를 수행합니다. |
normality_test_fl() | Normality 테스트를 수행합니다. |
mann_whitney_u_test_fl() | Mann-Whitney U 테스트를 수행합니다. |
pair_probabilities_fl() | 범주 변수 쌍에 대한 다양한 확률 및 관련 메트릭을 계산합니다. |
pairwise_dist_fl() | 여러 명목 변수와 숫자 변수를 기반으로 엔터티 간의 쌍별 거리를 계산합니다. |
percentiles_linear_fl() | 가장 가까운 순위 간의 선형 보간을 사용하여 백분위수 계산 |
perm_fl() | P(n, k) (n개 중 k개 항목을 선택할 때의 순열 수)를 계산합니다. |
two_sample_t_test_fl() | 두 샘플 t-test를 수행합니다. |
wilcoxon_test_fl() | Wilcoxon 테스트를 수행합니다. |
텍스트 분석
함수 이름 | 설명 |
---|---|
log_reduce_fl() | 텍스트 로그에서 일반적인 패턴을 찾아 요약 테이블을 출력합니다. |
log_reduce_full_fl() | 텍스트 로그에서 일반적인 패턴을 찾아 전체 테이블을 출력합니다. |
log_reduce_predict_fl() | 학습된 모델을 적용하여 텍스트 로그에서 일반적인 패턴을 찾고 요약 테이블을 출력합니다. |
log_reduce_predict_full_fl() | 학습된 모델을 적용하여 텍스트 로그에서 일반적인 패턴을 찾고 전체 테이블을 출력합니다. |
log_reduce_train_fl() | 텍스트 로그에서 일반적인 패턴을 찾아 모델을 출력합니다. |
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기