Familiarisez-vous avec MetricBase les API

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 2 minutes de lecture

    • Testez les MetricBase API à l’aide Explorateur de données de qui fait partie de l’application MetricBase de démonstration. Explorateur de données utilise les données installées avec l’application MetricBase de démonstration.

    Avant de commencer

    Rôle requis : clotho_admin

    Pourquoi et quand exécuter cette tâche

    Explorateur de données est un terrain de jeu où vous pouvez voir et modifier des exemples de scripts qui visualisent les données incluses dans l’application MetricBase de démonstration. Les exemples de scripts utilisent les API JavaScript MetricBase . Pour plus d’informations sur les MetricBase API JavaScript, consultez Client, Data, DataBuilder, Transformer, TransformPart, TransformResult.

    Notez que le point de terminaison d’API now/v1/clotho/transform/topic est réservé à un usage interne uniquement.

    Exemples de scripts :

    • Les transformations, qui utilisent la méthode Transformer .
    • Langage machine, modèles formés qui prédisent le comportement attendu. Tous les scripts sans « Transform » dans leur titre utilisent le langage machine.

    Procédure

    1. Accédez à la Tous > Démonstration MetricBase > Explorateur de données.
      L’explorateur de données s’affiche.
      Interface utilisateur de l’explorateur de données

      Lorsque vous exécutez un script, la visualisation des données s’affiche sous l’affichage du résultat du script de l’explorateur de données.

    2. Sélectionnez l’un des exemples de script à exécuter dans le menu Exemple de script .
      Étapes pour exécuter un script
    3. Cliquez sur Charger l’exemple.
    4. Cliquez sur Exécuter.
      Le script affiche la visualisation des données sous l’affichage du résultat de script de l’explorateur de données.
    5. Facultatif : Modifiez les valeurs ou les instructions du script ou écrivez un script entièrement nouveau et cliquez sur Exécuter.
      Remarque :
      Si vous souhaitez enregistrer les modifications apportées au script, cliquez sur Enregistrer.
    6. Sous Sortie du serveur, examinez la réponse du serveur qui peut inclure des informations sur l’erreur.

    Exemple

    Tableau 1. Exemples de scripts
    Exemple de script Définition et visualisation
    Transformation simple Utilise l’API Transformer pour afficher une seule mesure de série chronologique, la vitesse moyenne des drones : transformer.metric('mb_demo_mt_speed').avg().

    Transformation simple à l’aide d’une moyenne
    Transformation simple avec regroupement Utilise l’API du transformateur pour afficher un groupe de mesures de séries chronologiques, l’altitude moyenne de la flotte de drones : 
    transformer.groupBy("fleet").metric("mb_demo_mt_altitude").
      avg().label('avg - %g:fleet:')

    Transformation de regroupement
    Modèle normal Modélise les données normales, ce qui se rapproche d’une courbe en forme de cloche ou gaussienne pour les valeurs distribuées.
    Modèle linéaire Crée une ligne pour résumer les données actuelles et prédire les valeurs futures. Cet exemple, sur la charge restante dans les batteries de drones, représente graphiquement à la fois les valeurs du modèle formé et la moyenne des valeurs.
    var builder = new sn_clotho.Transformer(drones);
var fit = builder.metric("mb_demo_nt_rem_battery").resample(100).
          fit({model:"linear"}).label("Fitted");
builder.metric("nb_demp_mt_rem_battery").avg().label("Original")

    Modèle linéaire
    Modèle de décomposition de tendance saisonnière Utilise un modèle de tendance saisonnière afin que les données puissent être soustraites pour révéler des tendances non saisonnières. Ce modèle a un objectif similaire au modèle de Holt Winters, mais arrive au résultat à l’aide d’algorithmes différents.
    var builder = new sn_clotho.Transformer(drones);
var metric = "nb_demo_mt_rem_battery";
var fit = builder.metric(metric).fit({model:"STL",periodicity:"PT2H", 
          innerCycles:1, outerCycles:10})

    Correction saisonnière de la tendance
    Modèle Holt Winters Utilise le modèle de tendance saisonnière Holt Winters afin que les données puissent être soustraites pour révéler des tendances non saisonnières. Ce modèle a un objectif similaire au modèle de décomposition des tendances saisonnières, mais il arrive au résultat à l’aide d’algorithmes différents.
    Modèle ARIMA Classe de modèles la plus générale pour prédire les données de séries chronologiques sans tendance, ce qui signifie que toutes les données ont la même valeur ou que les valeurs fluctuent sinusoïdalement autour de la moyenne.
    Modèle d’écart Utilise le modèle Chisquare pour afficher les différences entre les données réelles et la prédiction du modèle. 
    var metric = "nb_demo_mt_rem_battery";
builder.metric(metric).deviation(model, "chiSquare");

    Modèle d’écart