---
sourceDocument: Xanadu プラットフォームアナリティクス
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/now-intelligence

 Release :

    - xanadu

ft:locale :

    - ja-JP

ft:publication_title :

    - Xanadu プラットフォームアナリティクス

ft:clusterId :

    - par

bundleId :

    - par

workflow :

    - Platform


---

# MetricBase の変換

# MetricBase の変換 {#ariaid-title1}

* リリースバージョン: Xanadu
* 
* 更新日 2024年08月01日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：5分

変換を使用すると、MetricBase データをさまざまな方法でビジュアル化できます。

## 利用可能な変換 {#metricbase-transforms__section_rmy_n42_nbb}

ラベル変換以外のすべての変換は、測定基準データに適用できる数学関数です。複数の変換を適用して変換チェーンを作成します。 {#metricbase-transforms__table_k4l_khm_hp2__entry__2}

| 変換 | Description (説明) |
|-|-|
| 追加 | データセットのデータ ポイントに指定された値を加算して結果を計算します。 |
| Average (平均) | 現在選択されているすべての測定基準の算術平均を計算します。 |
| Bottom (下) | 測定基準データセットに指定された値の最低数のみを表示します。 |
| カイ 二乗 | 統計モデルがメトリクスデータセットにどの程度適合しているかを示します。 |
| Count (カウント) | 測定基準データセット内のデータ ポイントのカウントを示します。 |
| 分解する | 予測モデルのコンポーネントを分離します。最小値と最大値の両方を分解して要求し、予測モデルの下限と上限を取得できます。 |
| 除算 | データセット内のデータ ポイントを指定された値で除算して結果を計算します。 |
| エンベロープ | 測定基準データセットの最小値と最大値を表示します。 |
| フィルター | 指定された期間のスライドする時間枠中に、指定された集計関数を使用して計算された値を持つ新しい系列を生成します。スライドする 15 分の平均は、平均集計関数および 15 分の期間を活用して、フィルター変換を使用します。 サポートされているアグリゲーション関数： * AVG * カイ 2 乗 * 最後 * 最大 * MEDIAN * 最小 * STDDEV {#metricbase-transforms__mb-list-of-aggregations} |
| 枠幅に合わせる (Fit) | モデルベースのトリガーで使用できる予測モデルを生成します。 |
| 変位値 | 基になるデータの指定された百分位数を表す値を持つ新しい系列を返します。たとえば、90 パーセンタイルと 99 パーセンタイルの応答時間を照会するには、\[0.9,0.99\] の配列を指定します。 |
| 補間 | 結果を計算するために指定された期間の新しいデータ ポイントを構築します。 |
| ラベル | 変換のラベルを設定できます。 |
| 最終 | 期間ウィンドウで最後に定義された値を返します。 |
| ログ | データセット内のすべての値の自然対数を計算します。 |
| 最大 | 測定基準データセットの各時点での最大値を示します。 |
| 中央値 | 測定基準データセットの中央値を示します。中央値は、測定基準データセットの高い方の値と低い方の値を分離します。 |
| 最小 | 測定基準データセットの各時点での最小値を示します。 |
| 乗算 | データセット内のデータ ポイントに指定された値を乗算して結果を計算します。 |
| パーティション | 指定された期間の固定期間にわたり指定された集計関数を使用して計算された値を持つ新しい系列を生成します。ベース (タイムスタンプ) を指定して、パーティションウィンドウを整列します。 サポートされているアグリゲーション関数： * AVG * カイ 2 乗 * 最後 * 最大 * MEDIAN * 最小 * STDDEV {#metricbase-transforms__d633e176} |
| 予測 | メトリックベースモデルテーブル (mb_model) で選択した予測モデルによって生成された予測時系列データを実際のデータと比較します。予測データと実際のデータをグラフ化できます。予測トリガーは、予測値としきい値に基づいています。しきい値は、予測値の上下の値です。これらのしきい値から外れた実際のデータは、予測トリガーを実行します。 |
| 配置 | 時系列メトリクスを別の メトリックベース 時系列メトリクスにコピーします (例: `copyData('targetMetric').put()`)。 |
| リサンプル | 指定された期間に合わせてデータを展開または縮小します。期間を延長すると、集計関数が新しい期間に合わせてデータを結合するために使用されます。期間を短くすると、既存のデータが下位の期間に伝達されます。 サポートされているアグリゲーション関数： * AVG * カイ 2 乗 * 最後 * 最大 * MEDIAN * 最小 * STDDEV {#metricbase-transforms__d633e176} |
| Standard Deviation (標準偏差) | 基になるデータ間の標準偏差を計算します。測定基準データセット内の一連のデータ値の変動または分散を定量化するために使用されます。 |
| 減算 | データセット内のデータ ポイントから指定された値を減算して結果を計算します。 |
| 合計 | 測定基準データセット内のデータ ポイントの合計を計算します。詳細については、「 [Sum 変換](https://servicenow-prod.fluidtopics.net/3oKlRjmiliDQrhA~Ih5uog#metricbase-transforms__section_e4b_b14_g3b) 」を参照してください。 |
| 上 | 測定基準データセットに指定された値の最高数のみを表示します。 |
[ ]

{#metricbase-transforms__table_k4l_khm_hp2}

## 合計変換 {#metricbase-transforms__section_e4b_b14_g3b}

タイムスタンプ "T" の値は、範囲 (T ピリオド、T) の値を示します。クエリでは、 sum() は入力系列を与えます。系列が 1 つあり、元の系列を期間 = 1 日の新しい系列にリサンプリングします。元の系列を期間にリサンプリングすると、2 つのデータ ポイント (2000-04-02T00:00:00Z と 2000-04-03T00:00:00Z) が作成されます。データ ポイントが 1 つあるため、2000-04-02T00:00:00Z の値は 1 です。2000-04-03T00:00:00Z の値は、(2000-04-02T00:00:00Z, 2000-04-03T00:00:00Z) の範囲の値を集計することによって計算されます。値は 3 です。  
この例では、

    var startTime = new GlideDateTime('2000-04-02 00:00:00');
    var endTime = new GlideDateTime('2000-04-02 23:00:00');
    transformer.metric('u_cost').sum().resample('SUM', GlideDuration('1 00:00:00'))

は \[4\] ではなく \[1, 3\] です。

    ====== rest api result for GET ======
    {
      "seriesRef": {
        "subject": "28e6bf5d73c233000355bccdbdf6a70c",
        "table": "sn_cld_intg_aws_cost_usage",
        "metric": "u_cost"
      },
      "label": "28e6bf5d73c233000355bccdbdf6a70c:sn_cld_intg_aws_cost_usage|u_cost",
      "values": [
        {
          "timestamp": "2000-04-02T00:00:00Z",
          "value": 1
        },
        {
          "timestamp": "2000-04-02T01:00:00Z",
          "value": 1
        },
        {
          "timestamp": "2000-04-02T02:00:00Z",
          "value": 1
        },
        {
          "timestamp": "2000-04-02T03:00:00Z",
          "value": 1
        },
        {
          "timestamp": "2000-04-02T04:00:00Z",
          "value": 0
        },
        {
          "timestamp": "2000-04-02T05:00:00Z",
          "value": 0
        },
        ...
        {
          "timestamp": "2000-04-02T23:00:00Z",
          "value": 0
        },
        {
          "timestamp": "2000-04-03T00:00:00Z",
          "value": 0
        }
      ]
    }