Functiebibliotheek

Het volgende artikel bevat een gecategoriseerde lijst met UDF (door de gebruiker gedefinieerde functies).

De door de gebruiker gedefinieerde functiecode wordt vermeld in de artikelen. Deze kan worden gebruikt in een let-instructie die is ingesloten in een query of kan worden opgeslagen in een database met behulp van .create function.

Algemene functies

Functienaam	Description
geoip_fl()	Hiermee haalt u geografische gegevens van het IP-adres op.
get_packages_version_fl()	Retourneert versiegegevens van de Python-engine en de opgegeven pakketten.

Machine learning-functies

Functienaam	Description
kmeans_fl()	Clusteriseren met behulp van het k-means-algoritme.
predict_fl()	Voorspellen met behulp van een bestaand getraind machine learning-model.
predict_onnx_fl()	Voorspellen met behulp van een bestaand getraind machine learning-model in ONNX-indeling.

Plotly-functies

De volgende sectie bevat functies voor het weergeven van interactieve plotly-grafieken.

Functienaam	Description
plotly_anomaly_fl()	Anomaliegrafiek weergeven met behulp van een Plotly-sjabloon.
plotly_scatter3d_fl()	3D-spreidingsdiagram weergeven met behulp van een Plotly-sjabloon.

PromQL-functies

De volgende sectie bevat algemene PromQL-functies . Deze functies kunnen worden gebruikt voor de analyse van metrische gegevens die zijn opgenomen in uw cluster door het Prometheus-bewakingssysteem . Bij alle functies wordt ervan uitgegaan dat metrische gegevens in uw cluster zijn gestructureerd met behulp van het Prometheus-gegevensmodel.

Functienaam	Description
series_metric_fl()	Selecteer en haal tijdreeksen op die zijn opgeslagen met het Prometheus-gegevensmodel.
series_rate_fl()	Bereken de gemiddelde snelheid van de metrische toename van tellergegevens per seconde.

Reeksverwerkingsfuncties

Functienaam	Description
quantize_fl()	Metrische kolommen kwantificeren.
series_clean_anomalies_fl()	Vervang afwijkingen in een reeks door geïnterpoleerde waarde.
series_cosine_similarity_fl()	Bereken de cosinus-gelijkenis van twee numerieke vectoren.
series_dbl_exp_smoothing_fl()	Een dubbel exponentiële afvlakkingsfilter toepassen op reeksen.
series_dot_product_fl()	Bereken het puntproduct van twee numerieke vectoren.
series_downsample_fl()	Tijdreeks omlaag laten dalen door een geheel getal.
series_exp_smoothing_fl()	Een eenvoudig filter voor exponentiële afvlakking toepassen op reeksen.
series_fit_lowess_fl()	Een lokale polynoom aanpassen aan reeksen met behulp van de LOWESS-methode.
series_fit_poly_fl()	Een polynoom aanpassen aan reeksen met behulp van regressieanalyse.
series_fbprophet_forecast_fl()	Tijdreekswaarden voorspellen met behulp van het Prophet-algoritme.
series_lag_fl()	Een vertragingsfilter toepassen op reeksen.
series_monthly_decompose_anomalies_fl()	Detecteer afwijkingen in een reeks met maandelijkse seizoensgebondenheid.
series_moving_avg_fl()	Een filter voor zwevend gemiddelde toepassen op reeksen.
series_moving_var_fl()	Een filter voor bewegende variantie toepassen op reeksen.
series_mv_ee_anomalies_fl()	Meervoudige anomaliedetectie voor reeksen met behulp van een elliptisch envelopmodel.
series_mv_if_anomalies_fl()	Meervoudige anomaliedetectie voor reeksen met behulp van een isolatieforestmodel.
series_mv_oc_anomalies_fl()	Meervoudige anomaliedetectie voor reeksen met één svm-klassemodel.
series_rolling_fl()	Een rolling aggregatiefunctie toepassen op reeksen.
series_shapes_fl()	Detecteert een positieve/negatieve trend of een sprong in de reeks.
series_uv_anomalies_fl()	Detecteer afwijkingen in tijdreeksen met behulp van de Univariate Anomaly Detection Cognitive Service-API.
series_uv_change_points_fl()	Detecteer wijzigingspunten in tijdreeksen met behulp van de Univariate Anomaly Detection Cognitive Service-API.
time_weighted_avg_fl()	Berekent het tijdgewogen gemiddelde van een metrische waarde.
time_window_rolling_avg_fl()	Berekent het voortschrijdende gemiddelde van een metrische waarde over een tijdvenster met een constante duur.

Statistische en waarschijnlijkheidsfuncties

Functienaam	Description
bartlett_test_fl()	Voer de Bartlett-test uit.
binomial_test_fl()	Voer de binomiale test uit.
comb_fl()	Bereken C(n, k), het aantal combinaties voor selectie van k-items uit n.
factorial_fl()	Bereken n!, de factorial van n.
ks_test_fl()	Voer een Kolmogorov Smirnov-test uit.
levene_test_fl()n	Voer een Levene-test uit.
normality_test_fl()	Voert de normaliteitstest uit.
mann_whitney_u_test_fl()	Voer een Mann-Whitney U-test uit.
pair_probabilities_fl()	Bereken verschillende waarschijnlijkheden en gerelateerde metrische gegevens voor een paar categorische variabelen.
pairwise_dist_fl()	Bereken de paarsgewijze afstanden tussen entiteiten op basis van meerdere nominale en numerieke variabelen.
percentiles_linear_fl()	Percentielen berekenen met behulp van lineaire interpolatie tussen dichtstbijzijnde rangen
perm_fl()	Bereken P(n, k), het aantal permutaties voor de selectie van k-items uit n.
two_sample_t_test_fl()	Voer de twee voorbeeld-t-test uit.
wilcoxon_test_fl()	Voer de Wilcoxon-test uit.

Tekstanalyse

Functienaam	Description
log_reduce_fl()	Zoek veelvoorkomende patronen in tekstlogboeken en voer een overzichtstabel uit.
log_reduce_full_fl()	Zoek veelvoorkomende patronen in tekstlogboeken en voer een volledige tabel uit.
log_reduce_predict_fl()	Pas een getraind model toe om algemene patronen in tekstlogboeken te vinden en een overzichtstabel uit te voeren.
log_reduce_predict_full_fl()	Pas een getraind model toe om algemene patronen in tekstlogboeken te vinden en een volledige tabel uit te voeren.
log_reduce_train_fl()	Zoek veelvoorkomende patronen in tekstlogboeken en voer een model uit.