Para obtener capacidades similares a las de Amazon Timestream, considere Amazon Timestream LiveAnalytics para InfluxDB. Ofrece una ingesta de datos simplificada y tiempos de respuesta a las consultas en milisegundos de un solo dígito para realizar análisis en tiempo real. Obtenga más información [aquí](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html).

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.

# Funciones de derivadas
<a name="timeseries-specific-constructs.functions.derivatives"></a>

Las derivadas se utilizan para calcular la tasa de cambio de una métrica determinada y se pueden usar para responder de forma proactiva a un evento. Por ejemplo, supongamos que calcula la derivada del uso de la CPU de las instancias EC2 durante los últimos 5 minutos y observa una derivada positiva significativa. Esto puede ser indicativo de un aumento de la demanda de su carga de trabajo, por lo que puede decidir activar más instancias de EC2 para gestionar mejor su carga de trabajo. 

Amazon Timestream admite dos variantes de funciones derivadas. En esta sección se proporciona información de uso del Timestream para funciones LiveAnalytics derivadas, así como ejemplos de consultas. 



## Información de uso
<a name="w2aab7c59c13c13c13b9"></a>


| Función | Tipo de datos de salida | Description (Descripción) | 
| --- | --- | --- | 
|  `derivative_linear(timeseries, interval)`  |  Serie temporal  |  Calcula la [derivada](https://wikipedia.org/wiki/Derivative) de cada punto en la `timeseries` para el `interval` especificado.  | 
|  `non_negative_derivative_linear(timeseries, interval)`  |  Serie temporal  |  Igual que `derivative_linear(timeseries, interval)`, pero solo devuelve valores positivos.  | 

## Consultas de ejemplo
<a name="w2aab7c59c13c13c13c11"></a>

**Example**  
Calcule la tasa de cambio en el uso de la CPU cada 5 minutos durante la última hora:  

```
SELECT DERIVATIVE_LINEAR(CREATE_TIME_SERIES(time, measure_value::double), 5m) AS result 
FROM “sampleDB”.DevOps 
WHERE measure_name = 'cpu_utilization' 
AND hostname = 'host-Hovjv' and time > ago(1h) 
GROUP BY hostname, measure_name
```

**Example**  
Calcule la tasa de aumento de los errores que se generan por uno o más microservicios:  

```
WITH binned_view as (
    SELECT bin(time, 5m) as binned_timestamp, ROUND(AVG(measure_value::double), 2) as value            
    FROM “sampleDB”.DevOps  
    WHERE micro_service = 'jwt'  
    AND time > ago(1h) 
    AND measure_name = 'service_error'
    GROUP BY bin(time, 5m)
)
SELECT non_negative_derivative_linear(CREATE_TIME_SERIES(binned_timestamp, value), 1m) as rateOfErrorIncrease
FROM binned_view
```