Transformationsfunktionen

Dieses Dokumentationsthema wurde für Grafana-Workspaces entwickelt, die Grafana-Version 10.x unterstützen.

Informationen zu Grafana-Arbeitsbereichen, die Grafana-Version 9.x unterstützen, finden Sie unter. Arbeitet in Grafana-Version 9

Informationen zu Grafana-Arbeitsbereichen, die Grafana-Version 8.x unterstützen, finden Sie unter. Arbeitet in Grafana-Version 8

Sie können die folgenden Transformationen an Ihren Daten durchführen.

Fügen Sie ein Feld aus der Berechnung hinzu

Verwenden Sie diese Transformation, um ein neues Feld hinzuzufügen, das aus zwei anderen Feldern berechnet wurde. Mit jeder Transformation können Sie ein neues Feld hinzufügen.

Modus — Wählen Sie einen Modus aus:
- Zeile reduzieren — Wendet die ausgewählte Formel unabhängig auf jede Zeile der ausgewählten Felder an.
- Binäre Operation — Wendet grundlegende binäre Operationen (z. B. Summe oder Multiplikation) auf Werte in einer einzelnen Zeile aus zwei ausgewählten Feldern an.
- Unäre Operation — Wendet grundlegende unäre Operationen auf Werte in einer einzelnen Zeile aus einem ausgewählten Feld an. Die verfügbaren Operationen sind:
  - Absoluter Wert (abs) — Gibt den absoluten Wert eines bestimmten Ausdrucks zurück. Er stellt die Entfernung von Null als positive Zahl dar.
  - Natürliches Exponential (exp) — Gibt e potenziert mit einem bestimmten Ausdruck zurück.
  - Natürlicher Logarithmus (ln) — Gibt den natürlichen Logarithmus eines bestimmten Ausdrucks zurück.
  - Floor (floor) — Gibt die größte Ganzzahl zurück, die kleiner oder gleich einem bestimmten Ausdruck ist.
  - Decke (Decke) — gibt die kleinste Ganzzahl zurück, die größer oder gleich einem bestimmten Ausdruck ist.
- Kumulative Funktionen — Wendet Funktionen auf die aktuelle Zeile und alle vorherigen Zeilen an.
  - Summe — Berechnet die Gesamtsumme bis einschließlich der aktuellen Zeile.
  - Mittelwert — Berechnet den Mittelwert bis einschließlich der aktuellen Zeile.
- Fensterfunktionen — Wenden Sie Fensterfunktionen an. Das Fenster kann entweder hinten oder mittig angeordnet sein. Bei einem nachfolgenden Fenster ist die aktuelle Zeile die letzte Zeile im Fenster. Bei einem zentrierten Fenster wird das Fenster auf der aktuellen Zeile zentriert. Bei gleichmäßigen Fenstergrößen wird das Fenster zwischen der aktuellen Zeile und der vorherigen Zeile zentriert.
  - Mittelwert — Berechnet den gleitenden Mittelwert oder den gleitenden Durchschnitt.
  - — Berechnet die gleitende Standardabweichung.
  - Varianz — Berechnet die gleitende Varianz.
- Zeilenindex — Fügt ein Feld mit dem Zeilenindex ein.
Feldname — Wählen Sie die Namen der Felder aus, die Sie in der Berechnung für das neue Feld verwenden möchten.
Berechnung — Wenn Sie den Modus Zeile reduzieren wählen, wird das Feld Formel angezeigt. Wählen Sie das Feld aus, um eine Liste mit Berechnungsoptionen anzuzeigen, mit denen Sie das neue Feld erstellen können. Informationen zu verfügbaren Berechnungen finden Sie unter Berechnungstypen.
Operation — Wenn Sie den Modus Binäre Operation oder Unäre Operation wählen, werden die Felder Operation angezeigt. Mit diesen Feldern können Sie grundlegende mathematische Operationen mit Werten in einer einzigen Zeile aus zwei ausgewählten Feldern ausführen. Sie können numerische Werte auch für binäre Operationen verwenden.
Als Perzentil — Wenn Sie den Modus Zeilenindex wählen, wird der Schalter Als Perzentil angezeigt. Mit diesem Schalter können Sie den Zeilenindex als Prozentsatz der Gesamtzahl der Zeilen transformieren.
Alias — (Optional) Geben Sie den Namen Ihres neuen Felds ein. Wenn Sie dieses Feld leer lassen, wird das Feld so benannt, dass es der Formel entspricht.
Alle Felder ersetzen — (Optional) Wählen Sie diese Option, wenn Sie alle anderen Felder ausblenden und nur Ihr berechnetes Feld in der Visualisierung anzeigen möchten.

Anmerkung

Kumulative Funktionen und Fensterfunktionen sind aktuell in der öffentlichen Vorschau verfügbar. Grafana Labs bietet begrenzten Support, und es können wichtige Änderungen vorgenommen werden, bevor die Funktion allgemein verfügbar gemacht wird.

Verketten Sie Felder

Felder verketten

Verwenden Sie diese Transformation, um alle Felder aus allen Frames zu einem Ergebnis zu kombinieren.

Wenn Sie beispielsweise separate Abfragen haben, die Temperatur- und Verfügbarkeitsdaten (Abfrage A) sowie Luftqualitätsindex- und Fehlerinformationen (Abfrage b) abrufen, ergibt die Anwendung der verketteten Transformation einen konsolidierten Datenrahmen mit allen relevanten Informationen in einer Ansicht.

Betrachten Sie die beiden folgenden Punkte.

Abfrage A:

Temporäre Dateien	Betriebszeit
15,4	1230233

Anfrage B:

AQI	Fehler
3.2	5

Nachdem Sie die Felder verkettet haben, würde der Datenrahmen wie folgt aussehen:

Temporäre Dateien	Betriebszeit	AQI	Fehler
15,4	1230233	3.2	5

Diese Transformation vereinfacht den Prozess der Zusammenführung von Daten aus verschiedenen Quellen und bietet eine umfassende Ansicht für die Analyse und Visualisierung.

Config aus Abfrageergebnissen

Config aus Abfrageergebnissen

Verwenden Sie diese Transformation, um eine Abfrage auszuwählen und Standardoptionen wie Min., Max., Einheit und Schwellenwerte zu extrahieren und sie auf andere Abfrageergebnisse anzuwenden. Dies ermöglicht eine dynamische Visualisierungskonfiguration auf der Grundlage der von einer bestimmten Abfrage zurückgegebenen Daten.

Optionen

Konfigurationsabfrage — Wählen Sie die Abfrage aus, die die Daten zurückgibt, die Sie als Konfiguration verwenden möchten.
Anwenden auf — Wählen Sie die Felder oder Reihen aus, auf die die Konfiguration angewendet werden soll.
Auf Optionen anwenden — Geben Sie je nach Ihrer Auswahl unter Anwenden auf einen Feldtyp an oder verwenden Sie einen regulären Feldnamen.

Tabelle mit Feldzuordnungen

Unter den Konfigurationsoptionen finden Sie die Tabelle mit der Feldzuweisung. In dieser Tabelle sind alle Felder aufgeführt, die in den von der Konfigurationsabfrage zurückgegebenen Daten gefunden wurden, zusammen mit den Optionen Verwenden als und Auswählen. Sie ermöglicht die Steuerung der Zuordnung von Feldern zu Konfigurationseigenschaften, und bei mehreren Zeilen können Sie auswählen, welcher Wert ausgewählt werden soll.

Das folgende Beispiel zeigt eine Eingabeabfrage und eine Abfrage, die als Feldkonfiguration verwendet wird.

Eingabeabfrage

Zeit	Wert
1626178119127	10
1626178119129	30

Konfigurationsabfrage

Zeit	Wert
1626178119127	100
1626178119129	100

Ausgabeabfrage (wie Eingabe, aber jetzt mit Konfiguration für das Wertefeld)

Zeit	Wert (Konfiguration: Max=100)
1626178119127	10
1626178119129	30

Für jedes Feld ist jetzt eine maximale Konfigurationsoption festgelegt. Optionen wie Min., Max., Einheit und Schwellenwerte sind Teil der Feldkonfiguration. Wenn sie gesetzt sind, werden sie von der Visualisierung anstelle von Optionen verwendet, die manuell im Optionsbereich des Panel-Editors konfiguriert wurden.

Wertezuordnungen

Sie können ein Abfrageergebnis auch in Wertzuordnungen umwandeln. Mit dieser Option definiert jede Zeile im Ergebnis der Konfigurationsabfrage eine einzelne Wertezuordnungszeile. Sehen Sie sich das folgende -Beispiel an.

Ergebnis der Konfigurationsabfrage

Wert	Text	Farbe
L	Niedrig	Blau
M	Mittelschwer	Grün
H	Hoch	red

Geben Sie in der Feldzuordnung Folgendes an:

Feld	Verwenden Sie als	Select
Wert	Wertezuordnungen/Wert	Alle Werte
Text	Wertezuordnungen//Text	Alle Werte
Farbe	Wertezuordnungen//Farbe	Alle Werte

Grafana erstellt Wertzuordnungen aus Ihrem Abfrageergebnis und wendet sie auf die tatsächlichen Datenabfrageergebnisse an. Sie sollten sehen, dass Werte entsprechend den Ergebnissen der Konfigurationsabfrage zugeordnet und eingefärbt werden.

Feldtyp konvertieren

Verwenden Sie diese Transformation, um den Feldtyp des angegebenen Felds zu ändern.

Diese Transformation hat die folgenden Optionen:

Feld — Wählen Sie aus verfügbaren Feldern aus.
als — Wählen Sie das aus, in das FieldType konvertiert werden soll.
- Numerisch — versucht, die Werte zu Zahlen zu machen.
- Zeichenfolge — macht die Werte zu Zeichenketten.
- Zeit — versucht, die Werte als Zeit zu analysieren.
  - Zeigt eine Option an, um a DateFormat als Eingabe durch eine Zeichenfolge anzugeben, z. B. yyyy-mm-dd oderDD MM YYYY hh:mm:ss.
- Boolean — macht die Werte zu Boolean.
- Enum — macht die Werte zu Aufzählungen.
  - Zeigt eine Tabelle zur Verwaltung der Aufzählungen an.
- Andere — versucht, die Werte als JSON zu analysieren.

Stellen Sie sich zum Beispiel die folgende Abfrage vor, die geändert werden könnte, indem Sie das Zeitfeld als Uhrzeit und das Datumsformat als YYYY auswählen.

Zeit	Markieren	Wert
01.07.2017	über	25
2018-08-02	unten	22
2019-09-02	unten	29
2020-10-04	über	22

Das Ergebnis:

Zeit	Mark	Wert
2017-01-01 00:00:00	über	25
2018-01-01 00:00:00	unten	22
2019-01-01 00:00:00	unten	29
2020-01-01 00:00:00	über	22

Diese Transformation ermöglicht es Ihnen, Ihre Datentypen flexibel anzupassen und so die Kompatibilität und Konsistenz Ihrer Visualisierungen sicherzustellen.

Extrahieren Sie Felder

Verwenden Sie diese Transformation, um eine Datenquelle auszuwählen und Inhalte daraus in verschiedenen Formaten zu extrahieren. Diese Transformation hat die folgenden Felder:

Quelle — Wählen Sie das Feld für die Datenquelle aus.
Format — Wählen Sie eine der folgenden Optionen:
- JSON — Analysiert JSON-Inhalte aus der Quelle.
- Schlüssel+Wert-Paare — Analysieren Sie Inhalte im Format a=b oder c:d aus der Quelle.
- Automatisch — Felder werden automatisch erkannt.
Alle Felder ersetzen — (Optional) Wählen Sie diese Option, um alle anderen Felder auszublenden und nur Ihr berechnetes Feld in der Visualisierung anzuzeigen.
Zeit beibehalten — (optional) Nur verfügbar, wenn „Alle Felder ersetzen“ aktiviert ist. Behält das Zeitfeld in der Ausgabe bei.

Betrachten Sie den folgenden Datensatz:

Beispiel für einen Datensatz

Zeitstempel	json_data
1636678740000000000	{"Wert“: 1}
1636678680000000000	{"Wert“: 5}
1636678620000000000	{"Wert“: 12}

Sie könnten die Daten so vorbereiten, dass sie von einem Zeitreihen-Panel mit dieser Konfiguration verwendet werden:

Quelle: json_data
Format: JSON
- Feld: Wert
- Alias: my_value
Ersetze alle Felder: true
Zeit speichern: wahr

Dadurch wird die folgende Ausgabe generiert:

Transformierte Daten

Zeitstempel	my_value
1636678740000000000	1
1636678680000000000	5
1636678620000000000	12

Mit dieser Transformation können Sie Daten auf verschiedene Arten extrahieren und formatieren. Sie können das Extraktionsformat an Ihre spezifischen Datenanforderungen anpassen.

Suchen Sie nach Feldern aus der Ressource

Verwenden Sie diese Transformation, um einen Feldwert anzureichern, indem Sie zusätzliche Felder aus einer externen Quelle nachschlagen.

Diese Transformation umfasst die folgenden Felder:

Feld — Wählen Sie ein Textfeld aus Ihrem Datensatz aus.
Suche — Wählen Sie aus Ländern, US-Bundesstaaten und Flughäfen.

Anmerkung

Diese Transformation unterstützt nur Geodaten.

Wenn Sie beispielsweise über diese Daten verfügen:

Beispiel für einen Datensatz

Ort	Werte
AL	0
AK	10
Arizona	5
Arkansas	1
Irgendwo	5

Mit dieser Konfiguration:

Feld: Standort
Suche: US-Bundesstaaten

Sie erhalten die folgende Ausgabe:

Transformierte Daten

Ort	ID	Name	Lng	Lat	Werte
AL	AL	Alabama	-80,891064	12,448457	0
EICHE	AK	Arkansas	-100,891064	24,448457	10
Arizona					5
Arkansas					1
Irgendwo					5

Mit dieser Transformation können Sie Ihre Daten erweitern, indem Sie zusätzliche Informationen aus externen Quellen abrufen und so einen umfassenderen Datensatz für die Analyse und Visualisierung bereitstellen.

Filtern Sie Daten nach Abfrage-RefID

Verwenden Sie diese Transformation, um eine oder mehrere Abfragen in Panels mit mehreren Abfragen auszublenden.

Grafana zeigt die Abfrage-Identifikationsbuchstaben in dunkelgrauem Text an. Wählen Sie eine Abfrage-ID, um die Filterung umzuschalten. Wenn der Abfragebuchstabe weiß ist, werden die Ergebnisse angezeigt. Wenn der Abfragebuchstabe dunkel ist, sind die Ergebnisse ausgeblendet.

Anmerkung

Diese Transformation ist für Graphite nicht verfügbar, da diese Datenquelle die Korrelation zurückgegebener Daten mit Abfragen nicht unterstützt.

Daten nach Werten filtern

Verwenden Sie diese Transformation, um Datenpunkte direkt in Ihrer Visualisierung selektiv zu filtern. Diese Transformation bietet Optionen zum Ein- oder Ausschließen von Daten auf der Grundlage einer oder mehrerer Bedingungen, die auf ein ausgewähltes Feld angewendet werden.

Diese Transformation ist sehr nützlich, wenn Ihre Datenquelle nicht nativ nach Werten filtert. Sie können dies auch verwenden, um die anzuzeigenden Werte einzugrenzen, wenn Sie eine gemeinsam genutzte Abfrage verwenden.

Die verfügbaren Bedingungen für alle Felder sind:

Regex — Entspricht einem Regex-Ausdruck.
Ist Null — Entspricht, wenn der Wert Null ist.
Ist nicht Null — Stimmt überein, wenn der Wert nicht Null ist.
Gleich — Entspricht, wenn der Wert dem angegebenen Wert entspricht.
Anders — Entspricht, wenn der Wert vom angegebenen Wert abweicht.

Zusätzliche verfügbare Bedingungen für Zahlenfelder sind:

Größer — Entspricht, wenn der Wert größer als der angegebene Wert ist.
Niedriger — Entspricht, wenn der Wert niedriger als der angegebene Wert ist.
Größer oder gleich — Entspricht, wenn der Wert größer oder gleich ist.
Niedriger oder gleich — Entspricht, wenn der Wert niedriger oder gleich ist.
Bereich — Entspricht einem Bereich zwischen einem bestimmten Minimum und Maximum, einschließlich Mindest- und Höchstwert.

Betrachten Sie den folgenden Datensatz:

Zeit	Temperatur	Höhe
2020-07-07 11:34:23	32	101
07.07.2020 11:34:22	28	125
07.07.2020 11:34:21	26	110
07.07.2020 11:34:20	23	98
2020-07-07 10:32:24	31	95
07.07.2020 10:31:22	20	85
2020-07-07 09:30:57	19	101

Wenn Sie die Datenpunkte mit einer Temperatur unter 30 °C einbeziehen, sieht die Konfiguration wie folgt aus:

Filtertyp: 'Einschließen'
Bedingung: Zeilen, in denen „Temperatur“ mit „Niedriger als“ 30 „übereinstimmt

Und Sie erhalten das folgende Ergebnis, in dem nur die Temperaturen unter 30 °C enthalten sind:

Transformierte Daten

Zeit	Temperatur	Höhe
2020-07-07 11:34:22	28	125
07.07.2020 11:34:21	26	110
07.07.2020 11:34:20	23	98
2020-07-07 10:31:22	20	85
2020-07-07 09:30:57	19	101

Sie können dem Filter mehr als eine Bedingung hinzufügen. Möglicherweise möchten Sie die Daten nur einbeziehen, wenn die Höhe größer als 100 ist. Fügen Sie dazu diese Bedingung der folgenden Konfiguration hinzu:

Filtertyp: Zeilen einschließen, die alle Bedingungen erfüllen
Bedingung 1: Zeilen, in denen „Temperatur“ mit „Niedriger“ als „30“ übereinstimmt
Bedingung 2: Zeilen, in denen „Höhe“ mit „Größer“ als „100“ übereinstimmt

Wenn Sie mehr als eine Bedingung haben, können Sie wählen, ob die Aktion (Einschließen/Ausschließen) auf Zeilen angewendet werden soll, die alle Bedingungen erfüllen oder eine der von Ihnen hinzugefügten Bedingungen erfüllen.

Im obigen Beispiel haben wir Match All ausgewählt, weil wir die Zeilen mit einer Temperatur unter 30 °C UND einer Höhe über 100 einbeziehen wollten. Wenn wir stattdessen die Zeilen mit einer Temperatur unter 30 °C ODER einer Höhe von mehr als 100 einbeziehen wollten, würden wir Match any auswählen. Dies würde die erste Zeile in den Originaldaten einschließen, die eine Temperatur von 32 °C hat (entspricht nicht der ersten Bedingung), aber eine Höhe von 101 (was der zweiten Bedingung entspricht), also ist sie enthalten.

Bedingungen, die ungültig oder unvollständig konfiguriert sind, werden ignoriert.

Mit dieser vielseitigen Transformation zur Datenfilterung können Sie Datenpunkte auf der Grundlage bestimmter Bedingungen selektiv ein- oder ausschließen. Passen Sie die Kriterien an, um Ihre Datenpräsentation an Ihre individuellen Analyseanforderungen anzupassen.

Filtern Sie Felder nach Namen

Verwenden Sie diese Transformation, um Teile Ihrer Abfrageergebnisse zu entfernen. Es gibt drei Möglichkeiten, Feldnamen zu filtern:

Geben Sie einen regulären Ausdruck ein.
Wählen Sie die eingeschlossenen Felder manuell aus.
Verwenden Sie eine Dashboard-Variable.

Verwenden Sie einen regulären Ausdruck

Wenn Sie mit einem regulären Ausdruck filtern, werden Feldnamen eingeschlossen, die dem regulären Ausdruck entsprechen. Wenn Sie beispielsweise den regulären Ausdruck verwenden, 'prod.*' würden nur die Felder zurückgegeben, die mit beginnen prod

Der reguläre Ausdruck kann unter Verwendung der folgenden Syntax eine interpolierte Dashboard-Variable enthalten. ${variableName}

Wählen Sie die enthaltenen Felder manuell aus

Wählen Sie Feldnamen aus oder wählen Sie sie ab, um sie aus dem Ergebnis zu entfernen. Wenn auch ein regulärer Ausdruck enthalten ist, werden Felder, denen der Ausdruck entspricht, eingeschlossen, auch wenn sie deaktiviert sind.

Verwenden Sie eine Dashboard-Variable

Wählen Sie Von Variable aus, damit Sie eine Dashboard-Variable auswählen können, die zum Einschließen von Feldern verwendet wird. Durch die Einrichtung einer Dashboard-Variablen mit mehreren Auswahlmöglichkeiten können dieselben Felder in mehreren Visualisierungen angezeigt werden.

Diese Transformation bietet Flexibilität bei der Anpassung Ihrer Abfrageergebnisse, sodass sie sich auf die spezifischen Felder konzentrieren können, die Sie für eine effektive Analyse und Visualisierung benötigen.

Zeichenfolge formatieren

Verwenden Sie diese Transformation, um die Ausgabe eines Zeichenkettenfeldes anzupassen. Diese Transformation hat die folgenden Felder:

Großbuchstaben — Formatiert die gesamte Zeichenfolge in Großbuchstaben.
Kleinbuchstaben — Formatiert die gesamte Zeichenfolge in Kleinbuchstaben.
Satzschreibung — Formatiert das erste Zeichen der Zeichenfolge in Großbuchstaben.
Groß-/Kleinschreibung des Titels — Formatiert das erste Zeichen jedes Worts in der Zeichenfolge in Großbuchstaben.
Pascal-Großschreibung — Formatiert das erste Zeichen jedes Worts in der Zeichenfolge in Großbuchstaben und schließt keine Leerzeichen zwischen Wörtern ein.
Camel case — Formatiert das erste Zeichen jedes Worts in der Zeichenfolge mit Ausnahme des ersten Worts in Großbuchstaben und schließt keine Leerzeichen zwischen Wörtern ein.
Snake case — Formatiert alle Zeichen in der Zeichenfolge in Kleinbuchstaben und verwendet Unterstriche anstelle von Leerzeichen zwischen Wörtern.
Kebab-Groß- und Kleinschreibung — Formatiert alle Zeichen in der Zeichenfolge in Kleinbuchstaben und verwendet Bindestriche anstelle von Leerzeichen zwischen Wörtern.
Kürzen — Entfernt alle führenden und nachfolgenden Leerzeichen aus der Zeichenfolge.
Teilzeichenfolge — Gibt eine Teilzeichenfolge der Zeichenfolge zurück, wobei die angegebenen Start- und Endpositionen verwendet werden.

Diese Transformation bietet eine bequeme Möglichkeit, die Darstellung von Zeichenkettendaten zu standardisieren und anzupassen, um sie besser visualisieren und analysieren zu können.

Anmerkung

Diese Transformation befindet sich derzeit in der öffentlichen Vorschau. Grafana Labs bietet begrenzten Support, und es können wichtige Änderungen vorgenommen werden, bevor die Funktion allgemein verfügbar gemacht wird.

Zeit formatieren

Verwenden Sie diese Transformation, um die Ausgabe eines Zeitfeldes anzupassen. Die Ausgabe kann mithilfe von Zeichenketten im Format Moment.js formatiert werden. Wenn Sie beispielsweise nur das Jahr eines Zeitfeldes anzeigen möchten, kann die Formatzeichenfolge 'YYYY' verwendet werden, um das Kalenderjahr anzuzeigen (z. B. 1999 oder 2012).

Vor der Transformation:

Zeitstempel	Ereignis
1636678740000000000	System starten
1636678680000000000	Benutzer-Anmeldung
1636678620000000000	Daten aktualisiert

Nach dem Anwenden von 'YYYY-MM-DD HH:MM:SS':

Zeitstempel	Ereignis
12.11.2021 14:25:40	System starten
2021-11-12 14:24:40	Benutzer-Anmeldung
2021-11-12 14:23:40	Daten aktualisiert

Mit dieser Transformation können Sie die Zeitdarstellung in Ihren Visualisierungen anpassen und so für Flexibilität und Präzision bei der Anzeige von Zeitdaten sorgen.

Anmerkung

Diese Transformation ist in Workspaces, die mit Grafana v10 kompatibel sind, als Alpha-Funktion verfügbar.

Gruppierung nach

Diese Transformation gruppiert die Daten nach einem bestimmten Feldwert (Spaltenwert) und verarbeitet Berechnungen für jede Gruppe. Wählen Sie diese Option aus, um eine Liste mit Berechnungsoptionen anzuzeigen.

Hier ist ein Beispiel für Originaldaten.

Zeit	Server ID	CPU-Temperatur	Status des Servers
07.07.2020 11:34:20 UHR	Server 1	80	Herunterfahren
07.07.2020 11:34:20 UHR	Server 3	62	OK
07.07.2020 10:32:20 UHR	Server 2	90	Überlastung
07.07.2020 10:31:22 UHR	Server 3	55	OK
07.07.2020 9:30:57 UHR	Server 3	62	Rebooting
07.07.2020 9:30:05 UHR	Server 2	88	OK
07.07.2020 9:28:06 UHR	Server 1	80	OK
07.07.2020 9:25:05 UHR	Server 2	88	OK
07.07.2020 9:23:07 UHR	Server 1	86	OK

Diese Transformation erfolgt in zwei Schritten. Zuerst geben Sie ein oder mehrere Felder an, nach denen die Daten gruppiert werden sollen. Dadurch werden dieselben Werte dieser Felder gruppiert, als ob Sie sie sortiert hätten. Wenn wir zum Beispiel nach dem Server-ID-Feld gruppieren, würden die Daten wie folgt gruppiert:

Zeit	Server ID	CPU-Temperatur	Status des Servers
07.07.2020 11:34:20 UHR	Server 1	80	Herunterfahren
07.07.2020 9:28:06 UHR	Server 1	80	OK
07.07.2020 9:23:07 UHR	Server 1	86	OK
07.07.2020 10:32:20 UHR	Server 2	90	Überlastung
07.07.2020 9:30:05 UHR	Server 2	88	OK
07.07.2020 9:25:05 UHR	Server 2	88	OK
07.07.2020 11:34:20 UHR	Server 3	62	OK
07.07.2020 10:31:22 UHR	Server 3	55	OK
07.07.2020 9:30:57 UHR	Server 3	62	Rebooting

Alle Zeilen mit demselben Wert für die Server-ID werden gruppiert.

Nachdem Sie ausgewählt haben, nach welchem Feld Sie Ihre Daten gruppieren möchten, können Sie verschiedene Berechnungen für die anderen Felder hinzufügen und die Berechnung auf jede Zeilengruppe anwenden. Wir könnten zum Beispiel die durchschnittliche CPU-Temperatur für jeden dieser Server berechnen wollen. Wir können also die Mittelwertberechnung hinzufügen, die auf das Feld CPU-Temperatur angewendet wird, um Folgendes zu erhalten:

Server ID	CPU-Temperatur (Mittelwert)
Server 1	82
Server 2	88,6
Server 3	59,6

Und wir können mehr als eine Berechnung hinzufügen. Zum Beispiel:

Für das Feld Time können wir den letzten Wert berechnen, um zu wissen, wann der letzte Datenpunkt für jeden Server empfangen wurde
Für das Feld Serverstatus können wir den letzten Wert berechnen, um zu wissen, welcher Wert der letzte Status für jeden Server ist
Für das Feld Temperatur können wir auch den letzten Wert berechnen, um zu erfahren, welche Temperatur für jeden Server zuletzt überwacht wurde

Wir würden dann erhalten:

Server ID	CPU-Temperatur (Mittelwert)	CPU-Temperatur (letzte)	Zeit (letzte)	Serverstatus (zuletzt)
Server 1	82	80	07.07.2020 11:34:20 UHR	Herunterfahren
Server 2	88,6	90	07.07.2020 10:32:20 UHR	Überlastung
Server 3	59,6	62	07.07.2020 11:34:20 UHR	OK

Diese Transformation ermöglicht es Ihnen, wichtige Informationen aus Ihrer Zeitreihe zu extrahieren und sie auf bequeme Weise anzuzeigen.

Gruppierung zur Matrix

Verwenden Sie diese Transformation, um drei Felder, die als Eingabe für die Wertfelder Spalte, Zeile und Zelle aus der Abfrageausgabe verwendet werden, zu kombinieren und eine Matrix zu generieren. Die Matrix wird wie folgt berechnet:

Ursprüngliche Daten

Server ID	CPU-Temperatur	Status des Servers
Server 1	82	OK
Server 2	88,6	OK
Server 3	59,6	Herunterfahren

Wir können eine Matrix generieren, indem wir die Werte von Server Status als Spaltennamen, die Server ID Werte als Zeilennamen und den CPU Temperature AS-Inhalt jeder Zelle verwenden. Der Inhalt jeder Zelle wird für die bestehende Kombination aus Spalten (Server Status) und Zeilen (Server ID) angezeigt. Für die restlichen Zellen können Sie auswählen, welcher Wert zwischen Null, Wahr, Falsch oder Leer angezeigt werden soll.

Ausgabe

Server-ID/Serverstatus	OK	Herunterfahren
Server 1	82
Server 2	88,6
Server 3		59,6

Verwenden Sie diese Transformation, um eine Matrix zu erstellen, indem Sie Felder aus Ihren Abfrageergebnissen angeben. Die Matrixausgabe spiegelt die Beziehungen zwischen den Einzelwerten in diesen Feldern wider. Auf diese Weise können Sie komplexe Beziehungen in einem klaren und strukturierten Matrixformat darstellen.

Zu verschachtelter Tabelle gruppieren

Verwenden Sie diese Transformation, um die Daten nach einem bestimmten Feldwert (Spaltenwert) zu gruppieren und die Berechnung für jede Gruppe durchzuführen. Es werden Datensätze generiert, die denselben gruppierten Feldwert verwenden und in einer verschachtelten Tabelle angezeigt werden.

Um eine Statistik für ein Feld zu berechnen, aktivieren Sie das Kästchen neben dem Feld und wählen Sie die Option Berechnen. Dadurch wird ein weiteres Auswahlfeld mit Statistiken hinzugefügt, die ausgewählt werden sollen.

Die folgende Tabelle zeigt Beispieldaten.

Zeit	Server ID	CPU-Temperatur	Status des Servers
07.07.2020 11:34:20 UHR	Server 1	80	Herunterfahren
07.07.2020 11:34:20 UHR	Server 3	62	OK
07.07.2020 10:32:20 UHR	Server 2	90	Überlastung
07.07.2020 10:31:22 UHR	Server 3	55	OK
07.07.2020 9:30:57 UHR	Server 3	62	Rebooting
07.07.2020 9:30:05 UHR	Server 2	88	OK
07.07.2020 9:28:06 UHR	Server 1	80	OK
07.07.2020 9:25:05 UHR	Server 2	88	OK
07.07.2020 9:23:07 UHR	Server 1	86	OK

Diese Transformation besteht aus zwei Schritten. Geben Sie zunächst ein oder mehrere Felder an, nach denen die Daten gruppiert werden sollen. Dadurch werden dieselben Werte dieser Felder gruppiert, als ob Sie sie sortiert hätten. Wenn Sie beispielsweise nach dem Server ID Feld gruppieren, gruppiert Grafana die Daten auf diese Weise:

Server ID

Daten

Server 1

Zeit	CPU-Temperatur	Status des Servers
07.07.2020 11:34:20 UHR	80	Herunterfahren
07.07.2020 09:28:06 UHR	80	OK
07.07.2020 09:23:07 UHR	86	OK

Server 2

Zeit	CPU-Temperatur	Status des Servers
07.07.2020 10:32:20 UHR	90	Überlastung
07.07.2020 9:30:05 UHR	88	OK
07.07.2020 09:25:05 UHR	88	OK

Server 3

Zeit	CPU-Temperatur	Status des Servers
07.07.2020 11:34:20 UHR	62	OK
07.07.2020 10:31:22 UHR	55	OK
07.07.2020 09:30:57 UHR	62	Rebooting

Nachdem Sie das Feld ausgewählt haben, nach dem Sie Ihre Daten gruppieren möchten, können Sie verschiedene Berechnungen für die anderen Felder hinzufügen und die Berechnung auf jede Zeilengruppe anwenden. Beispielsweise möchten Sie möglicherweise die durchschnittliche CPU-Temperatur für jeden dieser Server berechnen. Fügen Sie dazu die Mittelwertberechnung hinzu, die auf das Feld CPU-Temperatur angewendet wurde, um das folgende Ergebnis zu erhalten:

Server ID

CPU-Temperatur (Mittelwert)

Server 1

Zeit	Serverstatus
07.07.2020 11:34:20 UHR	Herunterfahren
07.07.2020 09:28:06 UHR	OK
07.07.2020 09:23:07 UHR	OK

Server 2

88,6

Zeit	Status des Servers
07.07.2020 10:32:20 UHR	Überlastung
07.07.2020 9:30:05 UHR	OK
07.07.2020 09:25:05 UHR	OK

Server 3

59,6

Zeit	Status des Servers
07.07.2020 11:34:20 UHR	OK
07.07.2020 10:31:22 UHR	OK
07.07.2020 09:30:57 UHR	Rebooting

Heatmap erstellen

Verwenden Sie diese Transformation, um Histogrammdaten für die Visualisierung von Trends im Zeitverlauf vorzubereiten. Ähnlich wie bei der Heatmap-Visualisierung werden bei dieser Transformation Histogramm-Metriken in zeitliche Bereiche umgewandelt.

X-Bucket

Diese Einstellung bestimmt, wie die X-Achse in Buckets aufgeteilt wird.

Größe — Geben Sie im Eingabefeld ein Zeitintervall an. Beispiel: Ein Zeitbereich von 1h erzeugt Zellen mit einer Breite von einer Stunde auf der X-Achse.
Anzahl — Verwenden Sie diese Option für non-time-related Reihen, um die Anzahl der Elemente in einem Bucket zu definieren.

Y-Bucket

Diese Einstellung bestimmt, wie die Y-Achse in Bereiche aufgeteilt wird.

Linear (Linear)
Logarithmisch — Wählen Sie zwischen logarithmischer Basis 2 oder logarithmischer Basis 10.
Symlog — Verwendet eine symmetrische logarithmische Skala. Wählen Sie zwischen Log-Basis 2 und Log-Basis 10, wobei negative Werte berücksichtigt werden können.

Nehmen wir an, Sie haben den folgenden Datensatz:

Zeitstempel	Wert
2023-01-01 12:00:00	5
2023-01-01 12:15:00	10
2023-01-01 12:30:00	15
2023-01-01 12:45:00	8

Wenn X Bucket auf Size: 15m und Y Bucket auf eingestellt istLinear, organisiert das Histogramm Werte in Zeitintervallen von 15 Minuten auf der X-Achse und linear auf der Y-Achse.
Für X Bucket as Count: 2 und Y Bucket as Logarithmic (base 10) gruppiert das Histogramm Werte in Gruppen von zwei auf der X-Achse und verwendet eine logarithmische Skala auf der Y-Achse.

Histogramm

Verwenden Sie diese Transformation, um ein Histogramm auf der Grundlage von Eingabedaten zu erstellen, mit dem Sie die Verteilung der Werte visualisieren können.

Bucket-Größe — Der Bereich zwischen den niedrigsten und höchsten Elementen in einem Bucket (xMin bis xMax).
Bucket-Offset — Der Offset für non-zero-based Buckets.
Reihen kombinieren — Erstellen Sie ein einheitliches Histogramm unter Verwendung aller verfügbaren Reihen.

Originaldaten

Serie 1:

A	B	C
1	3	5
2	4	6
3	5	7
4	6	8
5	7	9

Serie 2:

C
5
6
7
8
9

Ausgabe

X-Min	X Max	A	B	C	C
1	2	1	0	0	0
2	3	1	0	0	0
3	4	1	1	0	0
4	5	1	1	0	0
5	6	1	1	1	1
6	7	0	1	1	1
7	8	0	1	1	1
8	9	0	0	1	1
9	10	0	0	1	1

Visualisieren Sie die Verteilung der Werte anhand des generierten Histogramms und erhalten Sie so Einblicke in die Streuung und Dichte der Daten.

Nach Feld verknüpfen

Verwenden Sie diese Transformation, um mehrere Ergebnisse in einer einzigen Tabelle zusammenzuführen und so die Konsolidierung von Daten aus verschiedenen Abfragen zu ermöglichen.

Dies ist besonders nützlich, wenn Sie mehrere Zeitreihenergebnisse in eine einzige große Tabelle mit einem gemeinsamen Zeitfeld konvertieren möchten.

Innere Verbindung

Bei einer inneren Verknüpfung werden Daten aus mehreren Tabellen zusammengeführt, wobei alle Tabellen denselben Wert aus dem ausgewählten Feld haben. Diese Art der Verknüpfung schließt Daten aus, bei denen die Werte nicht in jedem Ergebnis übereinstimmen.

Verwenden Sie diese Transformation, um die Ergebnisse mehrerer Abfragen (Kombination aus einem übergebenen Join-Feld oder der ersten Zeitspalte) zu einem Ergebnis zu kombinieren und Zeilen zu löschen, in denen eine erfolgreiche Verknüpfung nicht möglich ist.

Im folgenden Beispiel geben zwei Abfragen Tabellendaten zurück. Es wird als zwei separate Tabellen visualisiert, bevor die innere Join-Transformation angewendet wird.

Abfrage A:

Zeit	Aufgabe	Betriebszeit
07.07.2020 11:34:20 UHR	node	25260122
07.07.2020 11:24:20 UHR	Postfach	123001233
07.07.2020 11:14:20 UHR	Postfach	345001233

Anfrage B:

Zeit	Server	Fehler
07.07.2020 11:34:20 UHR	Server 1	15
07.07.2020 11:24:20 UHR	Server 2	5
07.07.2020 11:04:20 UHR	Server 3	10

Das Ergebnis nach der Anwendung der inneren Join-Transformation sieht wie folgt aus:

Zeit	Aufgabe	Betriebszeit	Server	Fehler
07.07.2020 11:34:20 UHR	node	25260122	Server 1	15
07.07.2020 11:24:20 UHR	Postfach	123001233	Server 2	5

Äußere Verbindung

Ein äußerer Join umfasst alle Daten aus einem inneren Join und Zeilen, in denen die Werte nicht in jeder Eingabe übereinstimmen. Während die innere Verknüpfung Abfrage A und Abfrage B im Zeitfeld verknüpft, umfasst die äußere Verknüpfung alle Zeilen, die im Zeitfeld nicht übereinstimmen.

Im folgenden Beispiel geben zwei Abfragen Tabellendaten zurück. Es wird als zwei Tabellen visualisiert, bevor die Outer-Join-Transformation angewendet wird.

Abfrage A:

Zeit	Aufgabe	Betriebszeit
07.07.2020 11:34:20 UHR	node	25260122
07.07.2020 11:24:20 UHR	Postfach	123001233
07.07.2020 11:14:20 UHR	Postfach	345001233

Anfrage B:

Zeit	Server	Fehler
07.07.2020 11:34:20 UHR	Server 1	15
07.07.2020 11:24:20 UHR	Server 2	5
07.07.2020 11:04:20 UHR	Server 3	10

Das Ergebnis nach der Anwendung der Outer-Join-Transformation sieht wie folgt aus:

Zeit	Aufgabe	Betriebszeit	Server	Fehler
07.07.2020 11:04:20 UHR			Server 3	10
07.07.2020 11:14:20 UHR	Postfach	345001233
07.07.2020 11:34:20 UHR	node	25260122	Server 1	15
07.07.2020 11:24:20 UHR	Postfach	123001233	Server 2	5

Über Labels beitreten

Verwenden Sie diese Transformation, um mehrere Ergebnisse zu einer einzigen Tabelle zusammenzuführen.

Dies ist besonders nützlich, wenn Sie mehrere Zeitreihenergebnisse in eine einzige breite Tabelle mit einem gemeinsamen Label-Feld konvertieren möchten.

Verbinden — Wählen Sie das Label aus, das zwischen den verfügbaren oder in allen Zeitreihen gemeinsamen Labels verknüpft werden soll.
Wert — Der Name für das Ausgabeergebnis.

Beispiel

Eingabe 1: series1{what='Temp', cluster='A', job='J1'}

Zeit	Wert
1	10
2	200

Eingang 2: series2{what='Temp', cluster='B', job='J1'}

Zeit	Wert
1	10
2	200

Eingang 3: series3{what='Speed', cluster='B', job='J1'}

Zeit	Wert
22	22
28	77

Config:


value: 'what'

Ausgabe:

Cluster	Auftrag	Temporäre Dateien	Geschwindigkeit
A	J1	10
A	J1	200
B	J1	10	22
B	J1	200	77

Kombinieren und organisieren Sie Zeitreihendaten effektiv mit dieser Transformation, um umfassende Einblicke zu erhalten.

Beschriftungen für Felder

Verwenden Sie diese Transformation, um Zeitreihenergebnisse mit Beschriftungen oder Tags in eine Tabelle umzuwandeln, einschließlich der Schlüssel und Werte der einzelnen Labels im Ergebnis. Zeigen Sie Beschriftungen entweder als Spalten- oder als Zeilenwerte an, um die Datenvisualisierung zu verbessern.

Bei einem Abfrageergebnis aus zwei Zeitreihen:

Serie 1 — BeschriftungenServer=Server A, Datacenter=EU
Serie 2 — EtikettenServer=Server B, Datacenter=EU

Im Spaltenmodus sieht das Ergebnis wie folgt aus:

Zeit	Server	Rechenzentrum	Wert
07.07.2020 11:34:20 UHR	Server A	EU	1
07.07.2020 11:34:20 UHR	Server B	EU	2

Im Modus „Zeilen“ enthält das Ergebnis eine Tabelle für jede Reihe und zeigt jeden Labelwert wie folgt an:

Bezeichnung	Wert
Server	Server A
Rechenzentrum	EU

Bezeichnung	Wert
Server	Server B
Rechenzentrum	EU

Name des Wertefeldes

Wenn Sie Server als Namen für das Wertfeld ausgewählt haben, erhalten Sie für jeden Wert der Serverbezeichnung ein Feld.

Zeit	Rechenzentrum	Server A	Server B
07.07.2020 11:34:20 UHR	EU	1	2

Verhalten beim Zusammenführen

Der Transformator „Labels to Fields“ besteht intern aus zwei getrennten Transformationen. Die erste Methode bezieht sich auf einzelne Datenreihen und extrahiert Beschriftungen in Felder. Die zweite ist die Zusammenführungstransformation, die alle Ergebnisse in einer einzigen Tabelle zusammenfasst. Die Zusammenführungstransformation versucht, alle übereinstimmenden Felder zu verknüpfen. Dieser Zusammenführungsschritt ist erforderlich und kann nicht deaktiviert werden.

Um dies zu verdeutlichen, finden Sie hier ein Beispiel mit zwei Abfragen, die Zeitreihen ohne überlappende Beschriftungen zurückgeben.

Serie 1 — Beschriftungen Server=ServerA
Serie 2 — Etiketten Datacenter=EU

Dies wird zunächst zu diesen beiden Tabellen führen:

Zeit	Server	Wert
07.07.2020 11:34:20 UHR	Server A	10

Zeit	Rechenzentrum	Wert
07.07.2020 11:34:20 UHR	EU	20

Nach der Zusammenführung:

Zeit	Server	Wert	Rechenzentrum
07.07.2020 11:34:20 UHR	Server A	10
07.07.2020 11:34:20 UHR		20	EU

Limit

Verwenden Sie diese Transformation, um die Anzahl der angezeigten Zeilen einzuschränken und so eine fokussiertere Ansicht Ihrer Daten zu ermöglichen. Dies ist besonders nützlich, wenn Sie mit großen Datensätzen arbeiten.

Im Folgenden finden Sie ein Beispiel, das die Auswirkungen der Limit-Transformation auf eine Antwort aus einer Datenquelle veranschaulicht:

Zeit	Metrik	Wert
07.07.2020 11:34:20 UHR	Temperatur	25
07.07.2020 11:34:20 UHR	Luftfeuchtigkeit	22
07.07.2020 10:32:20 UHR	Feuchtigkeit	29
07.07.2020 10:31:22 UHR	Temperatur	22
07.07.2020 09:30:57 UHR	Luftfeuchtigkeit	33
07.07.2020 9:30:05 UHR	Temperatur	19

Hier ist das Ergebnis nach dem Hinzufügen einer Limit-Transformation mit dem Wert '3':

Zeit	Metrik	Wert
07.07.2020 11:34:20 UHR	Temperatur	25
07.07.2020 11:34:20 UHR	Luftfeuchtigkeit	22
07.07.2020 10:32:20 UHR	Feuchtigkeit	29

Diese Transformation hilft Ihnen, die visuelle Präsentation Ihrer Daten so anzupassen, dass der Schwerpunkt auf den relevantesten Daten liegt.

Reihen/Tabellen zusammenführen

Verwenden Sie diese Transformation, um das Ergebnis mehrerer Abfragen zu einem einzigen Ergebnis zu kombinieren. Dies ist besonders nützlich, wenn Sie die Tabellenfenster-Visualisierung verwenden. Die Transformation führt Werte in derselben Zeile zusammen, wenn gemeinsam genutzte Felder dieselben Daten enthalten.

Im Folgenden finden Sie ein Beispiel dafür, wie sich die Transformation zum Zusammenführen von Serien/Tabellen auf zwei Abfragen auswirkt, die Tabellendaten zurückgeben:

Abfrage A:

Zeit	Aufgabe	Betriebszeit
07.07.2020 11:34:20 UHR	node	25260122
07.07.2020 11:24:20 UHR	Postfach	123001233

Anfrage B:

Zeit	Aufgabe	Fehler
07.07.2020 11:34:20 UHR	node	15
07.07.2020 11:24:20 UHR	Postfach	5

Hier ist das Ergebnis nach der Anwendung der Merge-Transformation:

Zeit	Aufgabe	Fehler	Betriebszeit
07.07.2020 11:34:20 UHR	node	15	25260122
07.07.2020 11:24:20 UHR	Postfach	5	123001233

Bei dieser Transformation werden Werte aus Abfrage A und Abfrage B in einer einheitlichen Tabelle kombiniert, wodurch die Darstellung für bessere Einblicke verbessert wird.

Organisieren Sie Felder nach Namen

Verwenden Sie diese Transformation, um Felder umzubenennen, neu anzuordnen oder auszublenden, die von einer einzelnen Abfrage in Ihrem Panel zurückgegeben wurden. Diese Transformation funktioniert nur in Panels mit einer einzigen Abfrage. Wenn Ihr Panel über mehrere Abfragen verfügt, müssen Sie entweder eine Outer Join-Transformation anwenden oder die zusätzlichen Abfragen entfernen.

Felder transformieren

Grafana zeigt eine Liste der Felder an, die von der Abfrage zurückgegeben wurden. Sie haben folgende Möglichkeiten:

Feldreihenfolge ändern — Ziehen Sie ein Feld an eine neue Position in der Liste.
Feld ein- oder ausblenden — Verwenden Sie das Augensymbol neben dem Feldnamen, um die Sichtbarkeit eines Felds umzuschalten.
Felder umbenennen — Geben Sie einen neuen Namen in das Feld Umbenennen ein.

Beispiel

Angesichts dieses ersten Abfrageergebnisses:

Zeit	Metrik	Wert
2020-07-07 11:34:20	Temperatur	25
07.07.2020 11:34:20	Feuchtigkeit	22
2020-07-07 10:32:20	Feuchtigkeit	29

Sie könnten eine Änderung beim Umbenennen eines Felds anwenden, um Folgendes zu erstellen:

Zeit	Sensor	Lesen
2020-07-07 11:34:20	Temperatur	25
07.07.2020 11:34:20	Feuchtigkeit	22
2020-07-07 10:32:20	Feuchtigkeit	29

Mit dieser Transformation können Sie die Anzeige von Abfrageergebnissen anpassen und so eine klare und aufschlussreiche Darstellung Ihrer Daten in Grafana sicherstellen.

Partition nach Werten

Verwenden Sie diese Transformation, um die grafische Darstellung mehrerer Reihen zu optimieren, ohne dass mehrere Abfragen mit unterschiedlichen WHERE Klauseln erforderlich sind.

Anmerkung

Diese Funktion ist in Arbeitsbereichen verfügbar, die mit Grafana-Version 9 und höher kompatibel sind.

Dies ist besonders nützlich, wenn Sie eine Metrik-SQL-Tabelle verwenden, wie in diesem Beispiel:

Zeit	Region	Wert
20.10.2022 12:00:00 UHR	US	1520
20.10.2022 12:00:00 UHR	EU	2936
20.10.2022 01:00:00 UHR	US	1327
20.10.2022 01:00:00 UHR	EU	912

Mit dem Transformator „Partition nach Werten“ können Sie eine einzelne Abfrage ausführen und die Ergebnisse nach eindeutigen Werten in einer oder mehreren Spalten (Feldern) Ihrer Wahl aufteilen. Im folgenden Beispiel wird verwende Region.


SELECT Time, Region, Value FROM metrics WHERE Time > '2022-10-20'

Zeit	Region	Wert
20.10.2022 12:00:00 UHR	US	1520
20.10.2022 01:00:00 UHR	US	1327

Zeit	Region	Wert
20.10.2022 12:00:00 UHR	EU	2936
20.10.2022 01:00:00 UHR	EU	912

Diese Transformation vereinfacht den Prozess und erhöht die Flexibilität bei der Visualisierung mehrerer Serien innerhalb derselben Zeitreihenvisualisierung.

Bereiten Sie Zeitreihen vor

Verwenden Sie diese Transformation, um Probleme zu beheben, wenn eine Datenquelle Zeitreihendaten in einem Format zurückgibt, das mit der gewünschten Visualisierung nicht kompatibel ist. Diese Transformation ermöglicht es Ihnen, Zeitreihendaten zwischen Breit- und Langformaten zu konvertieren.

Zeitreihen mit mehreren Frames

Verwenden Sie diese Option, um den Zeitreihen-Datenrahmen vom Breitformat in das Langformat umzuwandeln. Dies ist besonders hilfreich, wenn Ihre Datenquelle Zeitreiheninformationen in einem Format bereitstellt, das für eine optimale Kompatibilität mit Ihrer Visualisierung umgestaltet werden muss.

Beispiel

Diese Eingabe:

Zeitstempel	Value1	Value2
2023-01-01 00:00:00	10	20
2023-01-01 01:00:00	15	25

Könnte umgewandelt werden in:

Zeitstempel	Variable	Wert
2023-01-01 00:00:00	Value1	10
2023-01-01 00:00:00	Value2	20
2023-01-01 01:00:00	Value1	15
2023-01-01 01:00:00	Value2	25

Breite Zeitreihen

Verwenden Sie diese Option, um den Zeitreihen-Datenrahmen vom Langformat in das Breitformat umzuwandeln. Dies ist besonders hilfreich, wenn Ihre Datenquelle Zeitreihendaten in einem langen Format liefert und Ihre Visualisierung ein breites Format erfordert.

Beispiel

Diese Eingabe:

Zeitstempel	Variable	Wert
2023-01-01 00:00:00	Value1	10
2023-01-01 00:00:00	Value2	20
2023-01-01 01:00:00	Value1	15
2023-01-01 01:00:00	Value2	25

Könnte umgewandelt werden in:

Zeitstempel	Value1	Value2
2023-01-01 00:00:00	10	20
2023-01-01 01:00:00	15	25

Reduzieren

Verwenden Sie diese Transformation, wendet eine Berechnung auf jedes Feld im Datenrahmen an und gibt einen einzelnen Wert zurück. Diese Transformation ist besonders nützlich, um mehrere Zeitreihendaten in einem kompakteren, zusammengefassten Format zu konsolidieren. Zeitfelder werden entfernt, wenn diese Transformation angewendet wird.

Betrachten Sie die Eingabe:

Abfrage A:

Zeit	Temporäre Dateien	Betriebszeit
2020-07-07 11:34:20	12.3	256122
2020-07-07 11:24:20	15,4	1230233

Anfrage B:

Zeit	AQI	Fehler
07.07.2020 11:34:20	6,5	15
07.07.2020 11:24:20	3.2	5

Der Reduktionstransformator hat zwei Modi:

Reihe zu Zeilen — Erstellt eine Zeile für jedes Feld und eine Spalte für jede Berechnung.
Felder reduzieren — Behält die bestehende Rahmenstruktur bei, reduziert jedoch jedes Feld auf einen einzigen Wert.

Wenn Sie beispielsweise die erste und letzte Berechnung mit einer Transformation von Datenreihen in Zeilen verwenden würden, wäre das Ergebnis:

Feld	Erste	Letzte
Temporäre Dateien	12.3	15.4
Betriebszeit	256122	1230233
AQI	6,5	3.2
Fehler	15	5

Die Formel Felder mit der letzten Option reduzieren ergibt zwei Frames mit jeweils einer Zeile:

Abfrage A:

Temporäre Dateien	Betriebszeit
15,4	1230233

Anfrage B:

AQI	Fehler
3.2	5

Mit Regex umbenennen

Verwenden Sie diese Transformation, um Teile der Abfrageergebnisse mithilfe eines regulären Ausdrucks und eines Ersatzmusters umzubenennen.

Sie können einen regulären Ausdruck angeben, der nur auf Treffer angewendet wird, sowie ein Ersatzmuster, das Rückverweise unterstützt. Stellen wir uns zum Beispiel vor, Sie visualisieren die CPU-Auslastung pro Host und möchten den Domainnamen entfernen. Sie könnten die Regex auf setzen ([^\.]+)\..+ und das Ersatzmuster auf$1, web-01.example.com würde werden. web-01

Durch diese Transformation können Sie Ihre Daten an Ihre Visualisierungsanforderungen anpassen und Ihre Dashboards informativer und benutzerfreundlicher gestalten.

Von Zeilen zu Feldern

Verwenden Sie diese Transformation, um Zeilen in separate Felder umzuwandeln. Dies kann nützlich sein, da Felder individuell gestaltet und konfiguriert werden können. Es kann auch zusätzliche Felder als Quellen für die dynamische Feldkonfiguration verwenden oder sie Feldbeschriftungen zuordnen. Die zusätzlichen Beschriftungen können dann verwendet werden, um bessere Anzeigenamen für die resultierenden Felder zu definieren.

Diese Transformation umfasst eine Feldtabelle, die alle Felder in den von der Konfigurationsabfrage zurückgegebenen Daten auflistet. Diese Tabelle gibt Ihnen die Kontrolle darüber, welches Feld jeder Konfigurationseigenschaft zugeordnet werden soll (die Option Verwenden als). Sie können auch wählen, welcher Wert ausgewählt werden soll, wenn die zurückgegebenen Daten mehrere Zeilen enthalten.

Diese Transformation erfordert:

Ein Feld, das als Quelle für Feldnamen verwendet werden soll.

Standardmäßig verwendet die Transformation das erste Zeichenkettenfeld als Quelle. Sie können diese Standardeinstellung überschreiben, indem Sie Feldname in der Spalte Verwenden als für das Feld auswählen, das Sie stattdessen verwenden möchten.
Ein Feld, das als Wertequelle verwendet werden soll.

Standardmäßig verwendet die Transformation das erste Zahlenfeld als Quelle. Sie können diese Standardeinstellung jedoch überschreiben, indem Sie in der Spalte Als verwenden für das Feld, das Sie stattdessen verwenden möchten, die Option Feldwert auswählen.

Nützlich bei der Visualisierung von Daten in:

Messinstrument
Stat
Kreisdiagramm

Ordnen Sie zusätzliche Felder Beschriftungen zu

Wenn ein Feld nicht der Konfigurationseigenschaft zugeordnet ist, verwendet Grafana es automatisch als Quelle für ein Label im Ausgabefeld.

Beispiel:

Name	DataCenter	Wert
ServerA	US	100
Server B	EU	200

Ausgabe:

ServerA (Bezeichnungen DataCenter: US)	ServerB (Etiketten: DataCenter: EU)
100	200

Die zusätzlichen Beschriftungen können jetzt im Feldanzeigenamen verwendet werden, um vollständigere Feldnamen bereitzustellen.

Wenn Sie die Konfiguration aus einer Abfrage extrahieren und auf eine andere anwenden möchten, sollten Sie die Konfiguration aus der Transformation der Abfrageergebnisse verwenden.

Beispiel

Eingabe:

Name	Wert	Max
Server A	10	100
Server B	20	200
Server C	30	300

Ausgabe:

ServerA (Konfiguration: max=100)	ServerB (Konfiguration: max=200)	ServerC (Konfiguration: max=300)
10	20	30

Wie Sie sehen können, wird jede Zeile in den Quelldaten zu einem separaten Feld. Für jedes Feld ist jetzt auch eine maximale Konfigurationsoption festgelegt. Optionen wie Min., Max., Einheit und Schwellenwerte sind alle Teil der Feldkonfiguration. Wenn sie so eingestellt sind, werden sie von der Visualisierung anstelle von Optionen verwendet, die manuell im Optionsbereich des Panel-Editors konfiguriert wurden.

Diese Transformation ermöglicht die Umwandlung von Zeilen in einzelne Felder, erleichtert die dynamische Feldkonfiguration und ordnet zusätzliche Felder Beschriftungen zu.

Reihen zu Zeilen

Verwenden Sie diese Transformation, um das Ergebnis mehrerer Zeitreihen-Datenabfragen zu einem einzigen Ergebnis zu kombinieren. Dies ist hilfreich, wenn Sie die Tabellenfenster-Visualisierung verwenden.

Das Ergebnis dieser Transformation wird drei Spalten enthalten: Zeit, Metrik und Wert. Die Spalte Metrik wurde hinzugefügt, sodass Sie leicht erkennen können, aus welcher Abfrage die Metrik stammt. Passen Sie diesen Wert an, indem Sie Label in der Quellabfrage definieren.

Im folgenden Beispiel haben wir zwei Abfragen, die Zeitreihendaten zurückgeben. Es wird als zwei separate Tabellen visualisiert, bevor die Transformation angewendet wird.

Abfrage A:

Zeit	Temperatur
2020-07-07 11:34:20	25
07.07.2020 10:31:22	22
2020-07-07 09:30:05	19

Anfrage B:

Zeit	Feuchte
2020-07-07 11:34:20	24
07.07.2020 10:32:20	29
07.07.2020 09:30:57	33

Hier ist das Ergebnis nach der Anwendung der Transformation „Serie auf Zeilen“.

Zeit	Metrik	Wert
2020-07-07 11:34:20	Temperatur	25
07.07.2020 11:34:20	Feuchtigkeit	22
2020-07-07 10:32:20	Feuchtigkeit	29
2020-07-07 10:31:22	Temperatur	22
2020-07-07 09:30:57	Feuchtigkeit	33
2020-07-07 09:30:05	Temperatur	19

Diese Transformation erleichtert die Konsolidierung von Ergebnissen aus mehreren Zeitreihenabfragen und bietet einen optimierten und einheitlichen Datensatz für eine effiziente Analyse und Visualisierung in einem tabellarischen Format.

Sortieren nach

Verwenden Sie diese Transformation, um jeden Frame innerhalb eines Abfrageergebnisses auf der Grundlage eines bestimmten Felds zu sortieren, sodass Ihre Daten leichter zu verstehen und zu analysieren sind. Indem Sie das gewünschte Feld für die Sortierung konfigurieren, können Sie die Reihenfolge steuern, in der die Daten in der Tabelle oder Visualisierung dargestellt werden.

Verwenden Sie den Umkehrschalter, um die Werte innerhalb des angegebenen Feldes in umgekehrter Reihenfolge zu ordnen. Diese Funktion ist besonders nützlich, wenn Sie schnell zwischen aufsteigender und absteigender Reihenfolge wechseln möchten, um Ihren analytischen Anforderungen gerecht zu werden.

In einem Szenario, in dem Zeitreihendaten aus einer Datenquelle abgerufen werden, kann die Transformation „Sortieren nach“ angewendet werden, um die Datenrahmen auf der Grundlage des Zeitstempels entweder in aufsteigender oder absteigender Reihenfolge anzuordnen, je nach den analytischen Anforderungen. Diese Funktion stellt sicher, dass Sie auf einfache Weise durch Zeitreihendaten navigieren und diese interpretieren können, sodass Sie aus der organisierten und visuell kohärenten Präsentation wertvolle Erkenntnisse gewinnen können.

Dreidimensional

Verwenden Sie diese Transformation, um räumliche Operationen auf Abfrageergebnisse anzuwenden.

Aktion — Wählen Sie eine Aktion aus:
- Räumliches Feld vorbereiten — Legen Sie ein Geometriefeld fest, das auf den Ergebnissen anderer Felder basiert.
  - Positionsmodus — Wählen Sie einen Positionsmodus aus (diese Optionen gelten für die Modi Wert berechnen und Transformieren gemeinsam):
    
    Automatisch — Identifiziert Standortdaten automatisch anhand von Standardfeldnamen.
    
    Koordinaten — Geben Sie Felder für Breitengrad und Längengrad an.
    
    Geohash — Geben Sie ein Geohash-Feld an.
    
    Nachschlagen — Geben Sie die Ortsverzeichnisfelder an.
- Wert berechnen — Verwenden Sie die Geometrie, um ein neues Feld (Überschrift/Entfernung/Fläche) zu definieren.
  - Funktion — Wählen Sie eine mathematische Operation, die auf die Geometrie angewendet werden soll:
    
    Überschrift — Berechnet die Richtung (Richtung) zwischen zwei Punkten.
    
    Fläche — Berechnet die Fläche, die von einem durch die Geometrie definierten Polygon eingeschlossen ist.
    
    Entfernung — Berechnet den Abstand zwischen zwei Punkten.
- Transformieren — Wendet räumliche Operationen auf die Geometrie an.
  - Operation — Wählen Sie eine Operation aus, die auf die Geometrie angewendet werden soll:
    
    Als Linie — Erzeugt ein einzelnes Linien-Feature mit einem Scheitelpunkt in jeder Zeile.
    
    Liniengenerator — Erzeugt eine Linie zwischen zwei Punkten.

Diese Transformation ermöglicht es Ihnen, Geodaten zu bearbeiten und zu analysieren, wodurch Operationen wie das Erstellen von Linien zwischen Punkten, das Berechnen räumlicher Eigenschaften und mehr ermöglicht werden.

Umwandlung von Zeitreihen in Tabellen

Verwenden Sie diese Transformation, um Zeitreihenergebnisse in eine Tabelle zu konvertieren und einen Zeitreihen-Datenrahmen in ein Trendfeld umzuwandeln. Das Trendfeld kann dann mit dem Sparkline-Zelltyp gerendert werden, wodurch für jede Tabellenzeile eine Inline-Sparkline generiert wird. Wenn es mehrere Zeitreihenabfragen gibt, führt jede zu einem separaten Tabellendatenrahmen. Diese können mithilfe von Join- oder Merge-Transformationen verknüpft werden, um eine einzelne Tabelle mit mehreren Sparklines pro Zeile zu erzeugen.

Für jeden generierten Trend-Feldwert kann eine Berechnungsfunktion ausgewählt werden. Die Standardeinstellung ist Letzter Wert ungleich Null. Dieser Wert wird neben der Sparkline angezeigt und zum Sortieren von Tabellenzeilen verwendet.

Regressionsanalyse

Verwenden Sie diese Transformation, um einen neuen Datenrahmen mit Werten zu erstellen, die von einem statistischen Modell vorhergesagt wurden. Dies ist nützlich, um einen Trend in chaotischen Daten zu finden. Es funktioniert, indem eine mathematische Funktion an die Daten angepasst wird, wobei entweder lineare oder polynomiale Regression verwendet wird. Der Datenrahmen kann dann in einer Visualisierung verwendet werden, um eine Trendlinie anzuzeigen.

Es gibt zwei verschiedene Modelle:

Lineare Regression — Passt eine lineare Funktion an die Daten an.
Polynomielle Regression — Passt eine Polynomfunktion an die Daten an.

Anmerkung

Warnung JavaScript ist in Ihrem Browser nicht verfügbar oder deaktiviert.

Zur Nutzung der AWS-Dokumentation muss JavaScript aktiviert sein. Weitere Informationen finden auf den Hilfe-Seiten Ihres Browsers.

Dokumentkonventionen

Daten transformieren

Problembehandlung bei Abfragen