スムーシング

自動スムーズ

autosmooth() 関数は、自動的に選択されたスパンで移動平均を適用し、トレンドを維持しつつ時系列を滑らかにします。この例では、関数が最適なスパンを選択して時系列を滑らかにしています。

avg by などの group by クエリで使用すると、すべての時系列で同じスパンが適用されます。同じグラフ内の複数のメトリクスで使用された場合、メトリクスの時系列それぞれが最適に滑らかになるように、異なるスパンを選択できます。

アルゴリズムは、ASAP アルゴリズムの派生型です。詳細については、このブログ記事を参照してください。

autosmooth() 関数はモニターでは使用できません。スパンは動的に選択されるため、関数を適用した結果が分刻みで変化し、しきい値設定が困難になり、不規則なアラート動作につながる可能性があります。

指数加重移動平均 (EWMA)

EWMA 3

注: スパン値はデータポイントの数です。したがって、ewma_3() は、最後の 3 つのデータポイントを使用して平均を計算します。

例:

メトリクス 10 + x%10 {*} は、10 から 1 ずつ増え、データポイントが 10 個になると 10 に戻ります。これに対して、ewma3(10 + x%10 {*}) は次のようなグラフになります。

EWMA 5

注: スパン値はデータポイントの数です。したがって、ewma_5() は、最後の 5 つのデータポイントを使用して平均を計算します。

例:

メトリクス 10 + x%10 {*} は、10 から 1 ずつ増え、データポイントが 10 個になると 10 に戻ります。これに対して、ewma5(10 + x%10 {*}) は次のようなグラフになります。

Ewma 7

注: スパン値はデータポイントの数です。したがって、ewma_7() は、最後の 7 つのデータポイントを使用して平均を計算します。

EWMA 10

注: スパン値はデータポイントの数です。したがって、ewma_10() は、最後の 10 つのデータポイントを使用して平均を計算します。

例:

メトリクス 10 + x%10 {*} は、10 から 1 ずつ増え、データポイントが 10 個になると 10 に戻ります。これに対して、ewma10(10 + x%10 {*}) は次のようなグラフになります。

EWMA 20

注: スパン値はデータポイントの数です。したがって、ewma_20() は、最後の 20 つのデータポイントを使用して平均を計算します。

例:

メトリクス 10 + x%10 {*} は、10 から 1 ずつ増え、データポイントが 10 個になると 10 に戻ります。これに対して、ewma20(10 + x%10 {*}) は次のようなグラフになります。

中央値

中央値 3

注: スパン値はデータポイントの数です。したがって、median_3() は、最後の 3 つのデータポイントを使用して中央値を計算します。

中央値 5

注: スパン値はデータポイントの数です。したがって、median_5() は、最後の 5 つのデータポイントを使用して中央値を計算します。

中央値 7

注: スパン値はデータポイントの数です。したがって、median_7() は、最後の 7 つのデータポイントを使用して中央値を計算します。

中央値 9

注: スパン値はデータポイントの数です。したがって、median_9() は、最後の 9 つのデータポイントを使用して中央値を計算します。

Weighted

weighted() 関数は、人工的なスパイクを防ぐために、ゲージメトリクスを空間で合計する際に、一過性で変化するタグの値の短命な寿命を考慮します。

この関数は、以下の両方の条件を満たす場合、ゲージメトリクスに関するクエリに自動的に付加されます。

1. このメトリクスは、メトリクスサマリーにも指定されている定期的で一貫した送信間隔を持っています。
2. このメトリクスは SUM by で集計されます (例: sum: mygaugemetric{*})

ここでは、不正確なスパイクを持つ元のクエリ (紫) と、適切に重み付け計算されたクエリ (緑) のグラフの例を示します。

weighted() 修飾子の詳細については、weighted() の仕組みは？を参照してください。

その他の関数