Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Conexión a un origen de datos de SAP HANA

SAP HANA es una base de datos en memoria de alto rendimiento que agiliza las decisiones y acciones en tiempo real basadas en datos. SAP se encarga de su desarrollo y comercialización. El complemento de origen de datos de SAP HANA lo ayuda a conectar su instancia de SAP HANA con Grafana.

Con el complemento de SAP HANA Grafana Enterprise, puede visualizar sus datos de SAP HANA junto con todos sus demás orígenes de datos en Grafana, así como datos de registro y métricas en contexto. Este complemento incluye un editor de consultas integrado, admite anotaciones y le permite establecer umbrales de alerta, controlar el acceso, establecer permisos y mucho más.

Características

Adición del origen de datos

Accesos y permisos

Para conectar Grafana a SAP HANA, utilice credenciales dedicadas. Proporcione al usuario únicamente los permisos necesarios. En primer lugar, cree un usuario restringido con nombre de usuario y contraseña. La siguiente consulta es un ejemplo de creación de un usuario restringido. Esta consulta también deshabilita el cambio forzoso de la contraseña.

CREATE RESTRICTED USER <USER> PASSWORD <PASSWORD> NO FORCE_FIRST_PASSWORD_CHANGE;

A continuación, permita al usuario conectar el sistema a través de clientes como Grafana con lo siguiente:

ALTER USER <USER> ENABLE CLIENT CONNECT;

Por último, dé al usuario acceso a las vistas, tablas y esquemas necesarios.

ALTER USER <USER> GRANT ROLE PUBLIC;
GRANT SELECT ON SCHEMA <SCHEMA> TO <USER>;

Permisos de nivel de usuario

Limite el acceso a SAP HANA haciendo clic en la pestaña Permisos de la página de configuración del origen de datos para habilitar los permisos del origen de datos. En la página de permisos, los administradores pueden habilitar los permisos y restringir los permisos de consulta a usuarios y equipos específicos.

Editor de consultas

El complemento de Grafana de SAP HANA incluye un editor de consultas SQL en el que puede ingresar cualquier consulta de HANA. Si la consulta devuelve datos de series temporales, puede formatearlos como series temporales para visualizarlos en un panel de gráficos. El editor de consultas permite completar automáticamente las macros de Grafana compatibles y resaltar la sintaxis de la consulta SQL.

Anotaciones

Puede utilizar las consultas de SAP HANA como orígenes de las anotaciones de Grafana. La consulta de anotaciones debe devolver al menos una columna de tiempo y una columna de texto. Para obtener más información acerca de las anotaciones, consulte Annotations.

Plantillas y variables

Para agregar una nueva variable de consulta de SAP HANA, consulte Adición de una variable de consulta. Utilice su origen de datos de SAP HANA como origen de datos.

La siguiente consulta de ejemplo devuelve la lista definida de username de la tabla users.

select distinct("username") from "users"

Plantillas y variables

Puede usar cualquier variable de Grafana en su consulta. En los siguientes ejemplos, se muestra cómo utilizar la variable única o múltiple en la consulta.

-- For example, following query
select * from "users" where "city" = ${city}
-- will be translated into
select * from "users" where "city" = 'london'
--- where you can see ${city} variable translated into actual value in the variable

Al igual que el texto, las variables también funcionan para los campos numéricos. En el siguiente ejemplo, ${age} es una variable de cuadro de texto en la que acepta números y, a continuación, los compara con el campo numérico de la tabla.

select * from "users" where "age" > ${age}
--- wil be translated into
select * from "users" where "age" > '36'

Si la variable devuelve varios valores, puede utilizarla en la condición in de la consulta de SAP HANA, como se muestra a continuación. Tenga en cuenta los corchetes que rodean la variable para que la condición where in sea válida en SAP HANA.

select * from "users" where "city" in (${cities})
--- will be translated into
select * from "users" where "city" in ('london','perth','delhi')
--- where you can see ${cities} turned into a list of grafana variables selected.
--- You can also write the same query using shorthand notation as shown below
select * from "users" where "city" in ($cities)

Macros

Macro $__timeFilter(<time_column>)

En el siguiente ejemplo se explica la macro $__timeFilter(<time_column>):

- In the following example, the query
select ts, temperature from weather where $__timeFilter(ts)
--- will be translated into
select ts, temperature from weather where ts > '2021-02-24T12:52:48Z' AND ts < '2021-03-24T12:52:48Z'
--- where you can see the grafana dashboard's time range is applied to the column ts in the query.

Macro $__timeFilter(<time_column>, <format>)

En algunos casos, las columnas de tiempo de la base de datos se almacenan en formatos personalizados. En el siguiente ejemplo se explica la macro $__timeFilter(<time_column>, <format>), que ayuda a filtrar las marcas de tiempo personalizadas en función del selector de tiempo de Grafana:

SELECT TO_TIMESTAMP("TS",'YYYYMMDDHH24MISS') AS METRIC_TIME , "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TS","YYYYMMDDHH24MISS") -- TS is in 20210421162012 format
SELECT TO_TIMESTAMP("TS",'YYYY-MON-DD') AS METRIC_TIME , "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TS","YYYY-MON-DD") -- TS is in 2021-JAN-15 format

En la macro, el formato puede ser uno de los formatos de HANA válidos que coincidan con su columna de marcas de tiempo. Por ejemplo, YYYYMMDDHH24MISS es un formato válido cuando los datos se almacenan en formato 20210421162012.

Macro $__timeFilter(<time_column>, "epoch" <format>)

En algunos casos, las marcas de tiempo se almacenan como marcas de tiempo de época en su base de datos. En el siguiente ejemplo se explica la macro $__timeFilter(<time_column>, "epoch" <format>), que ayuda a filtrar las marcas de tiempo de época en función del selector de tiempo de grafana. En la macro, el formato puede ser ms, s o ns. Si no se especifica, s se considerará el formato predeterminado.

SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP") AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch") -- Example : TIMESTAMP field stored in epoch_second format 1257894000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP") AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","s") -- Example : TIMESTAMP field stored in epoch_second format 1257894000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ms") -- Example : TIMESTAMP field stored in epoch_ms format 1257894000000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000000000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ns") -- Example : TIMESTAMP field stored in epoch_nanoseconds format 1257894000000000000

En lugar de usar el tercer argumento de $__timeFilter, puede usar epoch_s, epoch_ms o epoch_ns como segundo argumento.

SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ms")
-- is same as
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch_ms")

Macros $__ fromTimeFilter () y $__ toTimeFilter ()

La macro $__fromTimeFilter() se expande a una condición sobre un campo de tiempo basado en el tiempo del selector de tiempo de Grafana.

Esto acepta tres parámetros. El primer parámetro es el nombre del campo de tiempo. Puede pasar comparison_predicate o el formato de la columna de tiempo como segundo argumento. Si quiere pasar ambos, el formato es el segundo parámetro y use comparison_predicate como tercer parámetro.

<format>Si no se especifica el formato, el complemento asumirá que la columna de tiempo es de y, a continuacióntimestamp/date type. If your time column is stored in any other format than timestamp/date, pasará el formato como segundo argumento. <format>puede ser epoch_s, epoch_ms, epoch_ns o cualquier otro formato personalizado similar. YYYY-MM-DD

<comparison_predicate>: parámetro opcional. Si no se pasa, el complemento usará > como predicado de comparación. <comparison_predicate> puede ser uno de los siguientes: =, !=, <>, <, <=, >, >=

$__toTimeFilter()funciona igual fromTimeFilter que $__ (). En lugar de usar el tiempo de inicio de Grafana, usará el tiempo de finalización. Además, el predicado de comparación predeterminado será <.

$__timeGroup(<time_column>, <interval>)

Por ejemplo, la macro $__timeGroup(timecol,1h) se expande a SERIES_ROUND("timecol", 'INTERVAL 1 HOUR') en la consulta.

En el siguiente ejemplo se explica $__timeGroup(<time_column>, <interval>) macro.

SELECT $__timeGroup(timestamp,1h),  "user", sum("value") as "value"
FROM "salesdata"
WHERE $__timeFilter("timestamp")
GROUP BY $__timeGroup(timestamp,1h), "user"
ORDER BY $__timeGroup(timestamp,1h) ASC

Esto se traduce en la siguiente consulta, donde $__timeGroup(timestamp,1h) se amplía a SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR').

SELECT SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR') as "timestamp",  "user", sum("value") as "value"
FROM "salesdata"
WHERE "timestamp" > '2020-01-01T00:00:00Z' AND "timestamp" < '2020-01-01T23:00:00Z'
GROUP BY SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR'), "user"
ORDER BY "timestamp" ASC

Si no quiere codificar de manera rígida el intervalo en la función $__timeGroup(), puede dejar eso en manos de Grafana especificando $__interval como su intervalo. Grafana calculará ese intervalo a partir del intervalo de tiempo del panel. Consulta de ejemplo:

SELECT $__timeGroup(timestamp, $__interval), sum("value") as "value"
FROM "salesdata"
WHERE $__timeFilter("timestamp")
GROUP BY $__timeGroup(timestamp, $__interval)
ORDER BY $__timeGroup(timestamp, $__interval) ASC

Esa consulta se traduce en la siguiente consulta en función del intervalo de tiempo del panel.

SELECT SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE'), sum("value") as "value"
FROM "salesdata"
WHERE "timestamp" > '2019-12-31T23:09:14Z' AND "timestamp" < '2020-01-01T23:17:54Z'
GROUP BY SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE')
ORDER BY SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE') ASC

Alertas

Alertas sobre datos que no son de series temporales

Para enviar alertas sobre datos que no sean de series temporales, utilice la macro TO_TIMESTAMP('${__to:date}') para convertir las métricas que no son de series temporales en series temporales. Esto convertirá la métrica en una consulta de series temporales de un solo punto. El formato de la consulta se indica a continuación

SELECT TO_TIMESTAMP('${__to:date}'),  <METRIC> FROM <TABLE≶ WHERE <YOUR CONDITIONS>

En el siguiente ejemplo, una tabla tiene cuatro campos denominados username, age, city y role. Esta tabla no tiene ningún campo de tiempo. Queremos notificar cuando el número de usuarios con el rol de desarrollador sea inferior a tres.

SELECT  TO_TIMESTAMP('${__to:date}'), count(*) as "count" FROM (
   SELECT 'John' AS "username", 32 AS "age", 'Chennai' as "city", 'dev' as "role" FROM dummy
   UNION ALL SELECT 'Jacob' AS "username", 32 AS "age", 'London' as "city", 'accountant' as "role" FROM dummy
   UNION ALL SELECT 'Ali' AS "username", 42 AS "age", 'Delhi' as "city", 'admin' as "role" FROM dummy
   UNION ALL SELECT 'Raja' AS "username", 12 AS "age", 'New York' as "city", 'ceo' as "role" FROM dummy
   UNION ALL SELECT 'Sara' AS "username", 35 AS "age", 'Cape Town' as "city", 'dev' as "role" FROM dummy
   UNION ALL SELECT 'Ricky' AS "username", 25 AS "age", 'London' as "city", 'accountant' as "role" FROM dummy
   UNION ALL SELECT 'Angelina' AS "username", 31 AS "age", 'London' as "city", 'cxo' as "role" FROM dummy
) WHERE "role" = 'dev'