Biblioteca de funções

Aplica-se a: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

O artigo a seguir contém uma lista categorizada de Funções definidas pelo usuário (UDF).

O código das funções definidas pelo usuário é fornecido nos artigos. Ele pode ser usado em uma instrução LET inserida em uma consulta ou mantido em um banco de dados usando .create function.

Funções de segurança cibernética

Nome da função	Descrição
detect_anomalous_access_cf_fl()	Detecte o acesso anormal usando a filtragem colaborativa em dados com carimbo de data/hora.
detect_anomalous_new_entity_fl()	Detecte o aparecimento de novas entidades anômalas em dados com carimbo de data/hora.
detect_anomalous_spike_fl()	Detecte a aparência de picos anômalos em variáveis numéricas em dados com carimbo de data/hora.
graph_blast_radius_fl()	Calcule o Raio de Explosão (lista e pontuação) de nós de origem sobre dados de caminho ou borda.
graph_exposure_perimeter_fl()	Calcule o Perímetro de Exposição (lista e pontuação) de nós de destino sobre dados de caminho ou borda.
graph_node_centrality_fl()	Calcule várias métricas de centralidade do nó (como grau e intermediário) sobre dados de grafo (borda e nós).
graph_path_discovery_fl()	Descubra caminhos válidos entre pontos de extremidade relevantes (fontes e destinos) sobre dados de grafo (borda e nós).

Funções gerais

Nome da função	Descrição
geoip_fl()	Recupera informações geográficas do endereço IP.
get_packages_version_fl()	Retorna informações de versão do mecanismo Python e dos pacotes especificados.

Funções de machine learning

Nome da função	Descrição
dbscan_fl()	Agrupe usando o algoritmo DBSCAN, os recursos estão em colunas separadas.
dbscan_dynamic_fl()	Clusterize usando o algoritmo DBSCAN, os recursos estão em uma única coluna dinâmica.
kmeans_fl()	Agrupe usando o algoritmo K-Means, os recursos estão em colunas separadas.
kmeans_dynamic_fl()	Agrupe usando o algoritmo K-Means, os recursos estão em uma única coluna dinâmica.
predict_fl()	Fazer previsões usando um modelo de machine learning treinado existente.
predict_onnx_fl()	Fazer previsões usando um modelo de machine learning treinado existente no formato ONNX.

Funções de plotagem

A seção a seguir contém funções para renderizar gráficos interativos do Plotly.

Nome da função	Descrição
plotly_anomaly_fl()	Renderize o gráfico de anomalias usando um modelo Plotly.
plotly_gauge_fl()	Renderize o gráfico de medidor usando um modelo Plotly.
plotly_graph_fl()	Renderize visualizações interativas de grafo usando um modelo Plotly.
plotly_scatter3d_fl()	Renderize o gráfico de dispersão 3D usando um modelo Plotly.

Funções do PromQL

A seção a seguir contém funções comuns do PromQL. Essas funções podem ser usadas para análise de métricas ingeridas em seu banco de dados pelo sistema de monitoramento Prometheus. Todas as funções pressupõem que as métricas em seu banco de dados são estruturadas usando o modelo de dados do Prometheus.

Nome da função	Descrição
series_metric_fl()	Selecione e recupere a série temporal armazenada com o modelo de dados do Prometheus.
series_rate_fl()	Calcule a taxa média de aumento da métrica do contador por segundo.

Funções do processamento de série

Nome da função	Descrição
quantize_fl()	Quantificar colunas de métrica.
series_clean_anomalies_fl()	Substitua anomalias em uma série por valor interpolado.
series_cosine_similarity_fl()	Calcule a similaridade de cosseno de dois vetores numéricos.
series_dbl_exp_smoothing_fl()	Aplique um filtro de suavização exponencial dupla em série.
series_dot_product_fl()	Calcular o produto escalar de dois vetores numéricos.
series_downsample_fl()	Reduza a série temporal por um fator inteiro.
series_exp_smoothing_fl()	Aplique um filtro de suavização exponencial básico em série.
series_fit_lowess_fl()	Ajustar um polinômio local para uma série usando o método LOWESS.
series_fit_poly_fl()	Ajustar um polinômio para uma série usando a análise de regressão.
series_fbprophet_forecast_fl()	Prever valores de série temporal usando o algoritmo Prophet.
series_lag_fl()	Aplique um filtro de atraso na série.
series_monthly_decompose_anomalies_fl()	Detecte anomalias em uma série com sazonalidade mensal.
series_moving_avg_fl()	Aplique um filtro de média móvel em séries.
series_moving_var_fl()	Aplique um filtro de variação móvel em séries.
series_mv_ee_anomalies_fl()	Detecção de anomalias multivariadas para séries usando modelo de envelope elíptico.
series_mv_if_anomalies_fl()	Detecção de anomalias multivariadas para séries usando o modelo de floresta de isolamento.
series_mv_oc_anomalies_fl()	Detecção de anomalias multivariadas para séries usando um modelo SVM de classe.
series_rolling_fl()	Aplique uma função de agregação contínua em série.
series_shapes_fl()	Detecta tendência positiva/negativa ou salto em série.
series_uv_anomalies_fl()	Detecte anomalias em séries temporais usando a API do Serviço Cognitivo de Detecção de Anomalias Univariadas.
series_uv_change_points_fl()	Detecte pontos de alteração em séries temporais usando a API do Serviço Cognitivo de Detecção de Anomalias Univariadas.
time_weighted_avg_fl()	Calcula a média ponderada no tempo de uma métrica usando a interpolação de encaminhamento de preenchimento.
time_weighted_avg2_fl()	Calcula a média ponderada no tempo de uma métrica usando interpolação linear.
time_weighted_val_fl()	Calcula o valor ponderado pelo tempo de uma métrica usando interpolação linear.
time_window_rolling_avg_fl()	Calcula a média móvel de uma métrica em uma janela de tempo de duração constante.

Funções estatísticas e de probabilidade

Nome da função	Descrição
bartlett_test_fl()	Executar o teste Bartlett.
binomial_test_fl()	Executar o teste binomial.
comb_fl()	Calcular C (n, k), o número de combinações para a seleção de k itens de n.
entropy_fl()	Calcule a entropia de Shannon de vários vetores de probabilidade.
factorial_fl()	Calcular n!, o fatorial de n.
ks_test_fl()	Executar um teste Kolmogorov Smirnov.
levene_test_fl()	Executar um teste Levene.
normality_test_fl()	Executar o teste de normalidade.
mann_whitney_u_test_fl()	Executar um teste Mann-Whitney U.
pair_probabilities_fl()	Calcular várias probabilidades e métricas relacionadas para um par de variáveis categóricas.
pairwise_dist_fl()	Calcule distâncias em pares entre entidades com base em várias variáveis nominais e numéricas.
percentiles_linear_fl()	Calcular percentis usando interpolação linear entre as fileiras mais próximas
perm_fl()	Calcular P (n, k), o número de permutações para a seleção de k itens de n.
two_sample_t_test_fl()	Executar o teste T de duas amostras.
wilcoxon_test_fl()	Executar o teste Wilcoxon.

\Análise de texto

Nome da função	Descrição
log_reduce_fl()	Encontre padrões comuns em logs textuais e gere uma tabela de resumo.
log_reduce_full_fl()	Encontre padrões comuns em logs textuais e gere uma tabela completa.
log_reduce_predict_fl()	Aplique um modelo treinado para encontrar padrões comuns em logs textuais e gere uma tabela de resumo.
log_reduce_predict_full_fl()	Aplique um modelo treinado para encontrar padrões comuns em logs textuais e gere uma tabela completa.
log_reduce_train_fl()	Encontre padrões comuns em logs textuais e gere um modelo.