Amazon Timestream for LiveAnalytics に類似した機能をご希望の場合は Amazon Timestream for InfluxDB をご検討ください。リアルタイム分析に適した、シンプルなデータインジェストと 1 桁ミリ秒のクエリ応答時間を特徴としています。詳細については、[こちら](https://docs.aws.amazon.com//timestream/latest/developerguide/timestream-for-influxdb.html)を参照してください。
翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# 相関関数
同様の長さの時系列が 2 つある場合、相関関数は相関係数を求め、2 つの時系列の経時的な傾向について説明します。相関係数の範囲は `-1.0`～`1.0` です。`-1.0` は、2 つの時系列が同じ比率で反対方向の傾向にあることを示します。一方 `1.0` は、2 つの時系列が同じ比率で同じ方向の傾向にあることを示します。`0` の値は、2 つの時系列間に相関がないことを示します。例えば、石油の価格が上がり、製油会社の株価が上昇すると、石油の価格上昇と製油会社の株価上昇の傾向には正の相関係数があります。正の相関係数が高い場合は、2 つの価格に同様の割合の傾向があることを示します。同様に、債券価格と債券利回りの相関係数は負であり、これら 2 つの値は時間の経過とともに逆方向に推移することを示しています。
Amazon Timestream は、相関関数の 2 つのバリアントをサポートしています。このセクションでは、Timestream for LiveAnalytics における相関関数の使用状況の情報とサンプルクエリについて説明します。
## 使用状況の情報
| 関数 | 出力データ型 | 説明 |
| --- | --- | --- |
| `correlate_pearson(timeseries, timeseries)` | double | 2 つの `timeseries` について[ピアソンの相関係数](https://wikipedia.org/wiki/Pearson_correlation_coefficient)を計算します。時系列には同じタイムスタンプが必要です。 |
| `correlate_spearman(timeseries, timeseries)` | double | 2 つの `timeseries` について[スピアマンの相関係数](https://en.wikipedia.org/wiki/Spearman%27s_rank_correlation_coefficient)を計算します。時系列には同じタイムスタンプが必要です。 |
## クエリの例
**Example**
```
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
```