Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Bei zwei Zeitreihen ähnlicher Länge liefern Korrelationsfunktionen einen Korrelationskoeffizienten, der erklärt, wie sich die beiden Zeitreihen im Zeitverlauf entwickeln. Der Korrelationskoeffizient reicht von -1.0 bis1.0. -1.0gibt an, dass die beiden Zeitreihen mit derselben Geschwindigkeit in entgegengesetzte Richtungen tendieren. 1.0 Bedeutet hingegen, dass die beiden Zeitreihen mit derselben Geschwindigkeit in dieselbe Richtung tendieren. Der Wert von 0 bedeutet, dass keine Korrelation zwischen den beiden Zeitreihen besteht. Wenn beispielsweise der Ölpreis steigt und der Aktienkurs eines Ölunternehmens steigt, weisen der Trend des Ölpreisanstiegs und des Preisanstiegs des Ölunternehmens einen positiven Korrelationskoeffizienten auf. Ein hoher positiver Korrelationskoeffizient würde darauf hindeuten, dass sich die beiden Preise mit ähnlicher Geschwindigkeit entwickeln. In ähnlicher Weise ist der Korrelationskoeffizient zwischen Anleihekursen und Anleiherenditen negativ, was darauf hindeutet, dass diese beiden Werte im Laufe der Zeit in die entgegengesetzte Richtung tendieren.
Amazon Timestream unterstützt zwei Varianten von Korrelationsfunktionen. Dieser Abschnitt enthält Informationen zur Verwendung von Timestream für LiveAnalytics Korrelationsfunktionen sowie Beispielabfragen.
Nutzungsinformationen
| Funktion | Ausgabedatentyp | Beschreibung |
|---|---|---|
|
|
double |
Berechnet den Korrelationskoeffizienten von Pearson |
|
|
double |
Berechnet den Spearman-Korrelationskoeffizienten für die beiden |
Abfragebeispiele
WITH cte_1 AS (
SELECT INTERPOLATE_LINEAR(
CREATE_TIME_SERIES(time, measure_value::double),
SEQUENCE(min(time), max(time), 10m)) AS result
FROM sample.DevOps
WHERE measure_name = 'cpu_utilization'
AND hostname = 'host-Hovjv' AND time > ago(1h)
GROUP BY hostname, measure_name
),
cte_2 AS (
SELECT INTERPOLATE_LINEAR(
CREATE_TIME_SERIES(time, measure_value::double),
SEQUENCE(min(time), max(time), 10m)) AS result
FROM sample.DevOps
WHERE measure_name = 'cpu_utilization'
AND hostname = 'host-Hovjv' AND time > ago(1h)
GROUP BY hostname, measure_name
)
SELECT correlate_pearson(cte_1.result, cte_2.result) AS result
FROM cte_1, cte_2
