--- sourceDocument: Yokohama Platform Analytics sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/now-intelligence Release : - yokohama ft:locale : - pt-BR ft:publication_title : - Yokohama Platform Analytics ft:clusterId : - par bundleId : - par workflow : - Platform --- # MetricBase # MetricBase {#ariaid-title1} * Versão de lançamento: Yokohama * * Atualizado 30 de jan. de 2025 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 4 min. de leitura As transformações permitem que você visualize dados do MetricBase de diferentes maneiras. ## Transformações disponíveis {#metricbase-transforms__section_rmy_n42_nbb} Todas as transformações, exceto Rótulo as transformações são funções matemáticas que você pode aplicar aos dados de métricas. Aplique várias transformações para criar uma cadeia de transformação. {#metricbase-transforms__table_k4l_khm_hp2__entry__2} | Transformação | Descrição | |-|-| | Adicionar | Calcula um resultado adicionando o valor especificado aos pontos de dados no conjunto de dados. | | Média | Calcula as médias aritméticas de todas as métricas selecionadas no momento. | | Inferior | Mostra somente o menor número especificado de valores do conjunto de dados de métricas. | | Qui-quadrado | Mostra o quão bem um modelo estatístico se ajusta ao conjunto de dados de métricas. | | Contagem | Mostra a contagem de pontos de dados no conjunto de dados de métricas. | | Decompor | Separa os componentes dos modelos preditivos. Você pode decompor e solicitar o mínimo e o máximo para obter os limites inferior e superior de um modelo preditivo. | | Dividir | Calcula um resultado dividindo os pontos de dados no conjunto de dados por um valor especificado. | | Envelope | Mostra os valores mínimo e máximo do conjunto de dados de métricas. | | Filtro | Produz uma nova série com valores calculados usando a função de agregação fornecida em uma janela de tempo deslizante da duração fornecida. Uma média móvel de 15 minutos usaria a transformação Filtro com Média função de agregação e duração de 15 minutos. Funções de agregação compatíveis: * MÉDIA * CHISQUARE * ÚLTIMO * MÁX * MEDIANA * MÍN * STDDEV {#metricbase-transforms__mb-list-of-aggregations} | | Ajuste | Gera um modelo de previsão que pode ser usado pelo gatilho baseado em modelo. | | Fractais | Retorna uma nova série com valores que representam os percentis fornecidos dos dados subjacentes. Por exemplo, para consultar os tempos de resposta dos percentis 90 e 99, forneça uma matriz de \[0,9,0,99\]. | | Interpolar | Cria novos pontos de dados em uma duração especificada para calcular um resultado. | | Rótulo | Permite definir um rótulo para sua transformação. | | Último | Retorna o último valor definido na janela de período. | | Log | Calcula o logaritmo natural de todos os valores no conjunto de dados. | | Máximo(a) | Mostra o maior valor em cada point-in-time do conjunto de dados de métricas. | | Mediana | Mostra a mediana do conjunto de dados de métricas. A mediana separa os valores mais altos do conjunto de dados de métricas dos valores mais baixos. | | Mín. | Mostra o menor valor em cada point-in-time do conjunto de dados de métricas. | | Multiplicar | Calcula um resultado multiplicando os pontos de dados no conjunto de dados por um valor especificado. | | Partição | Produz uma nova série com valores calculados usando a função de agregação fornecida em um intervalo de tempo fixo de uma determinada duração. Especifique o. Base (um carimbo de data/hora) para alinhar a janela de partição. Funções de agregação compatíveis: * MÉDIA * CHISQUARE * ÚLTIMO * MÁX * MEDIANA * MÍN * STDDEV {#metricbase-transforms__d946e180} | | Prever | Compara os dados de séries temporais previstos gerados pelo modelo de previsão selecionado na tabela Modelos MetricBase (mb_model) com dados reais. Os dados previstos e reais podem ser representados em gráfico. Os gatilhos de previsão são baseados nos valores previstos, bem como nos limites. Os limites são valores acima e abaixo do valor previsto. Os dados reais que estão fora desses limites executam gatilhos de previsão. | | Colocar | Copia uma métrica de série temporal em um diferente MetricBasemétrica de séries temporais, por exemplo, `CopyData('targetMetric').put() `. | | Criar uma nova amostra | Expande ou contrai os dados para se ajustarem ao período fornecido. Quando você estende o período, a função de agregação é usada para combinar os dados para se ajustar ao novo período. Quando você reduz o período, os dados existentes são propagados para os períodos subjacentes. Funções de agregação compatíveis: * MÉDIA * CHISQUARE * ÚLTIMO * MÁX * MEDIANA * MÍN * STDDEV {#metricbase-transforms__d946e180} | | Desvio Padrão | Calcula o desvio padrão nos dados subjacentes. Usado para quantificar a variação ou dispersão de um conjunto de valores de dados no conjunto de dados de métricas. | | Subtrair | Calcula um resultado subtraindo o valor especificado dos pontos de dados no conjunto de dados. | | Soma | Calcula a soma dos pontos de dados no conjunto de dados de métricas. Consulte [Transformação de soma](https://servicenow-prod.fluidtopics.net/FktGt3kIMp6iAg6NDQqGKg#metricbase-transforms__section_e4b_b14_g3b)para obter mais informações. | | Superior | Mostra somente o maior número especificado de valores do conjunto de dados de métricas. | [ ] {#metricbase-transforms__table_k4l_khm_hp2} ## Transformação de soma {#metricbase-transforms__section_e4b_b14_g3b} Um valor no carimbo de data/hora "T" indica o valor do intervalo (T-período, T). Em sua consulta, soma() fornece a série de entrada. Você tem uma série e, em seguida, você reamostra a série original em uma nova série com período igual a 1 dia. Quando você reamostrar a série original para um período, isso cria dois pontos de dados (2000-04-02T00:00:00Z e 2000-04-03T00:00:00Z). O valor em 2000-04-02T00:00:00Z é 1 porque há um ponto de dados. O valor em 2000-04-03T00:00:00Z é calculado agregando valores no intervalo (2000-04-02T00:00:00Z, 2000-04-03T00:00:00Z\]. O valor é igual a 3. Neste exemplo, o resultado de 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')) é \[1, 3\] em vez de \[4\]. ====== 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 } ] }