Fonctions dérivées - Amazon Timestream
Informations d'utilisationExemples de requêtes

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Fonctions dérivées

Les dérivés sont utilisés pour calculer le taux de variation d'une métrique donnée et peuvent être utilisés pour répondre de manière proactive à un événement. Supposons, par exemple, que vous calculiez la dérivée de CPU l'utilisation des EC2 instances au cours des 5 dernières minutes et que vous remarquiez une dérivée positive significative. Cela peut indiquer une augmentation de la charge de travail. Vous pouvez donc décider de créer davantage d'EC2instances pour mieux gérer votre charge de travail.

Amazon Timestream prend en charge deux variantes de fonctions dérivées. Cette section fournit des informations d'utilisation du Timestream pour les fonctions LiveAnalytics dérivées, ainsi que des exemples de requêtes.

Informations d'utilisation

Fonction Type de données de sortie Description

derivative_linear(timeseries, interval)

séries chronologiques

Calcule la dérivée de chaque point du timeseries pour le spécifiéinterval.

non_negative_derivative_linear(timeseries, interval)

séries chronologiques

Identiquederivative_linear(timeseries, interval), mais ne renvoie que des valeurs positives.

Exemples de requêtes

Trouvez le taux de variation de l'CPUutilisation toutes les 5 minutes au cours de la dernière heure :

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

Calculez le taux d'augmentation des erreurs générées par un ou plusieurs microservices :

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