Fonctions de transformation - Amazon Managed Grafana
Ajouter un champ à partir du calculConcaténer des champsConfig à partir des résultats de la requêteConvertir le type de champExtraire les champsChamps de recherche à partir de la ressourceFiltrer les données par requête RefIDFiltrer les données par valeursFiltrer les champs par nomChaîne de formatHeure du formatageRegrouper parRegroupement dans une matriceRegrouper vers une table imbriquéeCréation d'une carte thermiqueHistogrammeInscrivez-vous par domaineAdhérer par labelsÉtiquettes pour les champsLimiteFusionner les séries et les tableauxOrganiser les champs par nomPartition par valeursPréparer des séries chronologiquesRéduireRenommer par regexLignes vers champsDe la série aux rangéesTrier parSpatialTransformation d'une série chronologique en tableAnalyse de régression

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 de transformation

Cette rubrique de documentation est conçue pour les espaces de travail Grafana qui prennent en charge la version 10.x de Grafana.

Pour les espaces de travail Grafana compatibles avec la version 9.x de Grafana, voir. Travailler dans la version 9 de Grafana

Pour les espaces de travail Grafana compatibles avec la version 8.x de Grafana, voir. Travailler dans la version 8 de Grafana

Vous pouvez effectuer les transformations suivantes sur vos données.

Ajouter un champ à partir du calcul

Utilisez cette transformation pour ajouter un nouveau champ calculé à partir de deux autres champs. Chaque transformation permet d'ajouter un nouveau champ.

  • Mode - Sélectionnez un mode :

    • Réduire la ligne — Appliquez le calcul sélectionné sur chaque ligne des champs sélectionnés indépendamment.

    • Opération binaire : appliquez des opérations binaires de base (par exemple, additionnez ou multipliez) sur les valeurs d'une seule ligne à partir de deux champs sélectionnés.

    • Opération unaire — Appliquez des opérations unaires de base sur les valeurs d'une seule ligne à partir d'un champ sélectionné. Les opérations disponibles sont les suivantes :

      • Valeur absolue (abs) — Renvoie la valeur absolue d'une expression donnée. Il représente la distance à partir de zéro sous forme de nombre positif.

      • Exponentiel naturel (exp) — Renvoie e élevé à la puissance d'une expression donnée.

      • Logarithme naturel (ln) — Renvoie le logarithme naturel d'une expression donnée.

      • Floor (floor) — Renvoie le plus grand entier inférieur ou égal à une expression donnée.

      • Plafond (ceil) : renvoie le plus petit entier supérieur ou égal à une expression donnée.

    • Fonctions cumulatives — Appliquez des fonctions à la ligne actuelle et à toutes les lignes précédentes.

      • Total — Calcule le total cumulé jusqu'à la ligne actuelle incluse.

      • Moyenne — Calcule la moyenne jusqu'à la ligne actuelle incluse.

    • Fonctions de fenêtre — Appliquez des fonctions de fenêtre. La fenêtre peut être inclinée ou centrée. Dans le cas d'une fenêtre de fin, la ligne actuelle sera la dernière ligne de la fenêtre. Avec une fenêtre centrée, la fenêtre sera centrée sur la ligne actuelle. Pour des fenêtres de tailles égales, la fenêtre sera centrée entre la ligne actuelle et la ligne précédente.

      • Moyenne — Calcule la moyenne mobile ou la moyenne courante.

      • — Calcule l'écart type mobile.

      • Variance : calculez la variance mobile.

    • Index de ligne — Insérez un champ avec l'index de ligne.

  • Nom du champ — Sélectionnez les noms des champs que vous souhaitez utiliser dans le calcul du nouveau champ.

  • Calcul : si vous sélectionnez le mode Réduire les lignes, le champ Calcul apparaît. Sélectionnez le champ pour voir la liste des choix de calcul que vous pouvez utiliser pour créer le nouveau champ. Pour plus d'informations sur les calculs disponibles, reportez-vous à la section Types de calculs.

  • Fonctionnement : si vous sélectionnez le mode de fonctionnement binaire ou le mode de fonctionnement unaire, les champs Opération apparaissent. Ces champs vous permettent d'effectuer des opérations mathématiques de base sur les valeurs d'une seule ligne à partir de deux champs sélectionnés. Vous pouvez également utiliser des valeurs numériques pour les opérations binaires.

  • En tant que percentile : si vous sélectionnez le mode index des lignes, le commutateur En tant que percentile apparaît. Ce commutateur vous permet de transformer l'indice de ligne en pourcentage du nombre total de lignes.

  • Alias — (Facultatif) Entrez le nom de votre nouveau champ. Si vous laissez ce champ vide, le nom du champ correspondra au calcul.

  • Remplacer tous les champs — (Facultatif) Sélectionnez cette option si vous souhaitez masquer tous les autres champs et afficher uniquement votre champ calculé dans la visualisation.

Note

Les fonctions cumulatives et les fonctions de fenêtre sont actuellement disponibles dans l'aperçu public. Grafana Labs offre un support limité, et des modifications importantes peuvent survenir avant que la fonctionnalité ne soit généralement disponible.

Concaténer des champs

Concaténer des champs

Utilisez cette transformation pour combiner tous les champs de tous les cadres en un seul résultat.

Par exemple, si vous avez des requêtes distinctes pour récupérer des données de température et de disponibilité (requête A) ainsi que des informations sur l'indice de qualité de l'air et les erreurs (requête b), l'application de la transformation concaténée produit un bloc de données consolidé contenant toutes les informations pertinentes dans une seule vue.

Considérez les deux suivants.

Requête A :

Temp Temps de disponibilité

15,4

1230233

Requête B :

IQA Erreurs

3.2

5

Après avoir concaténé les champs, le bloc de données serait le suivant :

Temp Temps de disponibilité IQA Erreurs

15,4

1230233

3.2

5

Cette transformation simplifie le processus de fusion de données provenant de différentes sources, fournissant une vue complète pour l'analyse et la visualisation.

Config à partir des résultats de la requête

Config à partir des résultats de la requête

Utilisez cette transformation pour sélectionner une requête et extraire les options standard telles que Min, Max, Unit et Thresholds et les appliquer aux autres résultats de requête. Cela permet une configuration de visualisation dynamique, basée sur les données renvoyées par une requête spécifique.

Options

  • Requête de configuration : sélectionnez la requête qui renvoie les données que vous souhaitez utiliser comme configuration.

  • Appliquer à : sélectionnez les champs ou les séries auxquels la configuration doit être appliquée.

  • Appliquer aux options : spécifiez un type de champ ou utilisez un nom de champ regex, en fonction de votre sélection dans Appliquer à.

Table de mappage des champs

Sous les options de configuration, vous trouverez le tableau de mappage des champs. Ce tableau répertorie tous les champs présents dans les données renvoyées par la requête de configuration, ainsi que les options Utiliser comme et Sélectionner. Il permet de contrôler le mappage des champs avec les propriétés de configuration, et pour plusieurs lignes, il vous permet de choisir la valeur à sélectionner.

L'exemple suivant montre une requête d'entrée et une requête utilisée comme configuration de champ.

Requête d'entrée

Heure Valeur

1626178119127

10

1626178119129

30

Requête de configuration

Heure Valeur

1626178119127

100

1626178119129

100

Requête de sortie (identique à l'entrée, mais maintenant avec config sur le champ de valeur)

Heure Valeur (configuration : Max=100)

1626178119127

10

1626178119129

30

Chaque champ possède désormais un ensemble d'options de configuration maximal. Des options telles que Min, Max, Unit et Thresholds font partie de la configuration du champ. Si elles sont définies, elles sont utilisées par la visualisation à la place des options configurées manuellement dans le volet d'options de l'éditeur de panneaux.

Mappages de valeurs

Vous pouvez également transformer le résultat d'une requête en mappages de valeurs. Avec cette option, chaque ligne du résultat de la requête de configuration définit une seule ligne de mappage de valeurs. Consultez l'exemple suivant.

Résultat de la requête de configuration

Valeur Texte Couleur

L

Faible

blue

M

Medium

green

H

Élevée

red

Dans le mappage des champs, spécifiez :

Champ Utiliser comme Select

Valeur

Mappages de valeurs/Valeur

Toutes les valeurs

Texte

Mappages de valeurs/Texte

Toutes les valeurs

Couleur

Mappages de valeurs//Couleur

Toutes les valeurs

Grafana crée des mappages de valeurs à partir du résultat de votre requête et les applique aux résultats réels des requêtes de données. Vous devriez voir les valeurs mappées et colorées en fonction des résultats de la requête de configuration.

Convertir le type de champ

Utilisez cette transformation pour modifier le type de champ du champ spécifié.

Cette transformation comporte les options suivantes :

  • Champ : sélectionnez l'un des champs disponibles.

  • as — Sélectionnez le FieldType vers lequel vous souhaitez convertir.

    • Numérique : tente de numéroter les valeurs.

    • Chaîne — transformera les valeurs en chaînes de caractères.

    • Heure : tente d'analyser les valeurs en fonction du temps.

      • Affiche une option permettant de spécifier un DateFormat comme entrée par une chaîne, comme yyyy-mm-dd ouDD MM YYYY hh:mm:ss.

    • Boolean — rendra les valeurs booléennes.

    • Enum — fera en sorte que les valeurs s'énumèrent.

      • Affiche un tableau pour gérer les énumérations.

    • Autre — tente d'analyser les valeurs au format json.

Par exemple, considérez la requête suivante qui pourrait être modifiée en sélectionnant le champ horaire, comme Heure, et le format de date commeYYYY.

Heure Mark Valeur

01/07/2017

ci-dessus

25

02/08/2018

ci-dessous

22

02/09/2019

ci-dessous

29

04/10/2020

ci-dessus

22

Le résultat :

Heure Mark Valeur

01/01/2017 00:00:00

ci-dessus

25

01/01/2018 00:00:00

ci-dessous

22

01/01/2019 00:00:00

ci-dessous

29

01/01/2020 00:00:00

ci-dessus

22

Cette transformation vous permet d'adapter de manière flexible vos types de données, garantissant ainsi la compatibilité et la cohérence de vos visualisations.

Extraire les champs

Utilisez cette transformation pour sélectionner une source de données et en extraire le contenu sous différents formats. Cette transformation comporte les champs suivants :

  • Source : sélectionnez le champ correspondant à la source des données.

  • Format — Choisissez l'une des options suivantes :

    • JSON — Analyse le contenu JSON à partir de la source.

    • Paires clé+valeur : analyse le contenu au format a=b ou à c:d partir de la source.

    • Auto — Découvrez les champs automatiquement.

  • Remplacer tous les champs — (Facultatif) Sélectionnez cette option pour masquer tous les autres champs et afficher uniquement votre champ calculé dans la visualisation.

  • Keep Time - (Facultatif) Disponible uniquement si Remplacer tous les champs est vrai. Conserve le champ horaire dans la sortie.

Examinez le jeu de données suivant :

Exemple de jeu de données

Horodatage données_json

1636678740000000000

{« valeur » : 1}

1636678680000000000

{« valeur » : 5}

1636678620000000000

{« valeur » : 12}

Vous pouvez préparer les données à utiliser par un panneau de séries chronologiques avec cette configuration :

  • Source : json_data

  • Format : JSON

    • Champ : valeur

    • Alias : my_value

  • Remplacer tous les champs : vrai

  • Keep Time : vrai

Cela générera le résultat suivant :

Données transformées

Horodatage ma_valeur

1636678740000000000

1

1636678680000000000

5

1636678620000000000

12

Cette transformation vous permet d'extraire et de formater des données de différentes manières. Vous pouvez personnaliser le format d'extraction en fonction de vos besoins spécifiques en matière de données.

Champs de recherche à partir de la ressource

Utilisez cette transformation pour enrichir la valeur d'un champ en recherchant des champs supplémentaires à partir d'une source externe.

Cette transformation comporte les champs suivants :

  • Champ : sélectionnez un champ de texte dans votre jeu de données.

  • Recherche — Choisissez parmi les pays, les États américains et les aéroports.

Note

Cette transformation prend uniquement en charge les données spatiales.

Par exemple, si vous disposez de ces données :

Exemple de jeu de données

Emplacement Valeurs

AL

0

CHÊNE

10

Arizona

5

Arkansas

1

Quelque part

5

Avec cette configuration :

  • Domaine : localisation

  • Rechercher : États-Unis

Vous obtiendrez le résultat suivant :

Données transformées

Emplacement ID Nom Lng Lat Valeurs
AL AL Alabama -80,891064 12,448457 0
CHÊNE CHÊNE Arkansas -100,891064 24,448457 10
Arizona 5
Arkansas 1
Quelque part 5

Cette transformation vous permet d'augmenter vos données en récupérant des informations supplémentaires auprès de sources externes, fournissant ainsi un ensemble de données plus complet pour l'analyse et la visualisation.

Filtrer les données par requête RefID

Utilisez cette transformation pour masquer une ou plusieurs requêtes dans les panneaux contenant plusieurs requêtes.

Grafana affiche les lettres d'identification de la requête en texte gris foncé. Choisissez un identifiant de requête pour activer le filtrage. Si la lettre de requête est blanche, les résultats sont affichés. Si la lettre de requête est foncée, les résultats sont masqués.

Note

Cette transformation n'est pas disponible pour Graphite car cette source de données ne permet pas de corréler les données renvoyées avec les requêtes.

Filtrer les données par valeurs

Utilisez cette transformation pour filtrer de manière sélective les points de données directement dans votre visualisation. Cette transformation fournit des options permettant d'inclure ou d'exclure des données en fonction d'une ou de plusieurs conditions appliquées à un champ sélectionné.

Cette transformation est très utile si votre source de données ne filtre pas nativement par valeurs. Vous pouvez également l'utiliser pour affiner les valeurs à afficher si vous utilisez une requête partagée.

Les conditions disponibles pour tous les champs sont les suivantes :

  • Regex — Correspond à une expression regex.

  • Is Null — Correspond si la valeur est nulle.

  • N'est pas nulle — Correspond si la valeur n'est pas nulle.

  • Égal — Correspond si la valeur est égale à la valeur spécifiée.

  • Différent — Correspond si la valeur est différente de la valeur spécifiée.

Les conditions supplémentaires disponibles pour les champs numériques sont les suivantes :

  • Plus grand — Correspond si la valeur est supérieure à la valeur spécifiée.

  • Inférieur — Correspond si la valeur est inférieure à la valeur spécifiée.

  • Supérieur ou égal — Correspond si la valeur est supérieure ou égale.

  • Inférieur ou égal — Correspond si la valeur est inférieure ou égale.

  • Plage : correspond à une plage comprise entre un minimum et un maximum spécifiés, un minimum et un maximum inclus.

Examinez le jeu de données suivant :

Heure Température Altitude
2020-07-07 11:34:23 32 101
2020-07-07 11:34:22 28 125
2020-07-07 11:34:21 26 110
2020-07-07 11:34:20 23 98
2020-07-07 10:32:24 31 95
2020-07-07 10:31:22 20 85
2020-07-07 09:30:57 19 101

Si vous incluez les points de données dont la température est inférieure à 30 °C, la configuration se présentera comme suit :

  • Type de filtre : « Inclure »

  • Condition : lignes où « Température » correspond à « Inférieure à » 30 »

Et vous obtiendrez le résultat suivant, où seules les températures inférieures à 30 °C sont incluses :

Données transformées

Heure Température Altitude
2020-07-07 11:34:22 28 125
2020-07-07 11:34:21 26 110
2020-07-07 11:34:20 23 98
2020-07-07 10:31:22 20 85
2020-07-07 09:30:57 19 101

Vous pouvez ajouter plusieurs conditions au filtre. Par exemple, vous souhaiterez peut-être inclure les données uniquement si l'altitude est supérieure à 100. Pour ce faire, ajoutez cette condition à la configuration suivante :

  • Type de filtre : « Inclure » les lignes qui « répondent à toutes les conditions »

  • Condition 1 : Lignes où « Température » correspond à « Inférieur » à « 30 »

  • Condition 2 : Lignes où « Altitude » correspond à « Supérieur » à « 100 »

Lorsque vous avez plusieurs conditions, vous pouvez choisir si vous souhaitez que l'action (inclusion/exclusion) soit appliquée aux lignes qui correspondent à toutes les conditions ou à l'une des conditions que vous avez ajoutées.

Dans l'exemple ci-dessus, nous avons choisi Match all parce que nous voulions inclure les lignes dont la température est inférieure à 30 °C ET dont l'altitude est supérieure à 100. Si nous voulions plutôt inclure les lignes dont la température est inférieure à 30 °C OU dont l'altitude est supérieure à 100 °C, nous sélectionnerions Match any. Cela inclurait la première ligne des données d'origine, qui a une température de 32 °C (ne correspond pas à la première condition) mais une altitude de 101 (ce qui correspond à la deuxième condition), elle est donc incluse.

Les conditions non valides ou incomplètement configurées sont ignorées.

Cette transformation polyvalente de filtrage des données vous permet d'inclure ou d'exclure de manière sélective des points de données en fonction de conditions spécifiques. Personnalisez les critères pour adapter la présentation de vos données à vos besoins analytiques uniques.

Filtrer les champs par nom

Utilisez cette transformation pour supprimer des parties des résultats de votre requête. Il existe trois méthodes pour filtrer les noms de champs :

  • Entrez une expression régulière.

  • Sélectionnez manuellement les champs inclus.

  • Utilisez une variable de tableau de bord.

Utiliser une expression régulière

Lorsque vous filtrez à l'aide d'une expression régulière, les noms de champs correspondant à l'expression régulière sont inclus. Par exemple, l'utilisation de l'expression régulière 'prod.*' renverrait uniquement les champs commençant par prod

L'expression régulière peut inclure une variable de tableau de bord interpolée à l'aide de la ${variableName} syntaxe.

Sélectionnez manuellement les champs inclus

Sélectionnez ou désélectionnez les noms de champs pour les supprimer du résultat. Si une expression régulière est également incluse, les champs auxquels l'expression correspond sont inclus, même s'ils ne sont pas cochés.

Utiliser une variable de tableau de bord

Sélectionnez À partir de la variable pour sélectionner une variable de tableau de bord utilisée pour inclure des champs. En configurant une variable de tableau de bord à choix multiples, les mêmes champs peuvent être affichés dans plusieurs visualisations.

Cette transformation offre la flexibilité nécessaire pour personnaliser les résultats de vos requêtes afin de vous concentrer sur les champs spécifiques dont vous avez besoin pour une analyse et une visualisation efficaces.

Chaîne de format

Utilisez cette transformation pour personnaliser la sortie d'un champ de chaîne. Cette transformation comporte les champs suivants :

  • Majuscules — Formate la chaîne entière en majuscules.

  • Minuscules : met en forme la chaîne entière en minuscules.

  • Phrase majuscule — Formate le premier caractère de la chaîne en majuscules.

  • Titre en majuscules : met en majuscules le premier caractère de chaque mot de la chaîne.

  • Cas Pascal — Formate le premier caractère de chaque mot de la chaîne en majuscules et n'inclut pas d'espaces entre les mots.

  • Camel case — Formate le premier caractère de chaque mot de la chaîne en majuscules, à l'exception du premier mot, et n'inclut pas d'espaces entre les mots.

  • Snake case — Formate tous les caractères de la chaîne en minuscules et utilise des traits de soulignement au lieu d'espaces entre les mots.

  • Étui pour kebab : met en forme tous les caractères de la chaîne en minuscules et utilise des tirets au lieu d'espaces entre les mots.

  • Découper — Supprime tous les espaces de début et de fin de la chaîne.

  • Sous-chaîne — Renvoie une sous-chaîne de la chaîne, en utilisant les positions de début et de fin spécifiées.

Cette transformation constitue un moyen pratique de standardiser et d'adapter la présentation des données de chaîne pour une meilleure visualisation et une meilleure analyse.

Note

Cette transformation est actuellement en avant-première publique. Grafana Labs offre un support limité, et des modifications importantes peuvent survenir avant que la fonctionnalité ne soit généralement disponible.

Heure du formatage

Utilisez cette transformation pour personnaliser le résultat d'un champ temporel. La sortie peut être formatée à l'aide des chaînes de format Moment.js. Par exemple, si vous souhaitez afficher uniquement l'année d'un champ horaire, la chaîne de format « YYYY » peut être utilisée pour afficher l'année civile (par exemple, 1999 ou 2012).

Avant la transformation :

Horodatage Événement
1636678740000000000 Démarrage du système
1636678680000000000 Login utilisateur
1636678620000000000 Données mises à jour

Après avoir appliqué « YYYY-MM-DD HH:MM:SS » :

Horodatage Événement
2021-11-12 14:25:40 Démarrage du système
2021-11-12 14:24:40 Login utilisateur
2021-11-12 14:23:40 Données mises à jour

Cette transformation vous permet d'adapter la représentation temporelle dans vos visualisations, offrant ainsi flexibilité et précision lors de l'affichage des données temporelles.

Note

Cette transformation est disponible dans les espaces de travail compatibles avec Grafana v10 en tant que fonctionnalité alpha.

Regrouper par

Cette transformation regroupe les données selon une valeur de champ (colonne) spécifiée et traite les calculs pour chaque groupe. Sélectionnez cette option pour afficher la liste des options de calcul.

Voici un exemple de données d'origine.

Heure ID serveur Température du processeur État du serveur

07/07/2020 11 H 34 MIN 20 S

serveur 1

80

Fermeture

07/07/2020 11 H 34 MIN 20 S

serveur 3

62

OK

07/07/2020 10 H 32 MIN 20 S

serveur 2

90

Surcharge

07/07/2020 10 H 31 H 22

serveur 3

55

OK

07/07/2020 9 H 30 : 57

serveur 3

62

Rebooting

07/07/2020 9 H 30 : 05

serveur 2

88

OK

07/07/2020 9 H 28 : 06

serveur 1

80

OK

07/07/2020 9 H 25 MIN 05 S

serveur 2

88

OK

07/07/2020 9 H 23 H 07

serveur 1

86

OK

Cette transformation s'effectue en deux étapes. Vous devez d'abord spécifier un ou plusieurs champs pour regrouper les données. Cela regroupera les mêmes valeurs de ces champs, comme si vous les aviez triées. Par exemple, si nous groupons par le champ ID du serveur, les données seront regroupées de la façon suivante :

Heure ID serveur Température du processeur État du serveur

07/07/2020 11 H 34 MIN 20 S

serveur 1

80

Fermeture

07/07/2020 9 H 28 : 06

serveur 1

80

OK

07/07/2020 9 H 23 H 07

serveur 1

86

OK

07/07/2020 10 H 32 MIN 20 S

serveur 2

90

Surcharge

07/07/2020 9 H 30 : 05

serveur 2

88

OK

07/07/2020 9 H 25 MIN 05 S

serveur 2

88

OK

07/07/2020 11 H 34 MIN 20 S

serveur 3

62

OK

07/07/2020 10 H 31 H 22

serveur 3

55

OK

07/07/2020 9 H 30 : 57

serveur 3

62

Rebooting

Toutes les lignes ayant la même valeur d'ID de serveur sont regroupées.

Après avoir choisi le champ par lequel vous souhaitez regrouper vos données, vous pouvez ajouter différents calculs sur les autres champs et appliquer le calcul à chaque groupe de lignes. Par exemple, nous pourrions vouloir calculer la température moyenne du processeur pour chacun de ces serveurs. Nous pouvons donc ajouter le calcul moyen appliqué au champ Température du processeur pour obtenir ce qui suit :

ID serveur Température du processeur (moyenne)

serveur 1

82

serveur 2

88,6

serveur 3

59,6

Et nous pouvons ajouter plusieurs calculs. Par exemple :

  • Pour le champ Time, nous pouvons calculer la dernière valeur, afin de savoir quand le dernier point de données a été reçu pour chaque serveur

  • Pour le champ État du serveur, nous pouvons calculer la dernière valeur pour savoir quelle est la dernière valeur d'état pour chaque serveur

  • Pour la température du terrain, nous pouvons également calculer la dernière valeur pour savoir quelle est la dernière température surveillée pour chaque serveur

Nous obtiendrions alors :

ID serveur Température du processeur (moyenne) Température du processeur (dernière) Heure (dernière) État du serveur (dernier)

serveur 1

82

80

07/07/2020 11 H 34 MIN 20 S

Fermeture

serveur 2

88,6

90

07/07/2020 10 H 32 MIN 20 S

Surcharge

serveur 3

59,6

62

07/07/2020 11 H 34 MIN 20 S

OK

Cette transformation vous permet d'extraire des informations clés de vos séries chronologiques et de les afficher de manière pratique.

Regroupement dans une matrice

Utilisez cette transformation pour combiner trois champs, qui sont utilisés comme entrée pour les champs de valeur de colonne, de ligne et de cellule à partir de la sortie de la requête, et pour générer une matrice. La matrice est calculée comme suit :

Données d'origine

ID serveur Température du processeur État du serveur
serveur 1 82 OK
serveur 2 88,6 OK
serveur 3 59,6 Fermeture

Nous pouvons générer une matrice en utilisant les valeurs Server Status des noms de colonnes, des Server ID valeurs des noms de lignes et du CPU Temperature contenu de chaque cellule. Le contenu de chaque cellule apparaîtra pour la combinaison de colonnes (Server Status) et de lignes (Server ID) existante. Pour le reste des cellules, vous pouvez sélectionner la valeur à afficher : Null, True, False ou Empty.

Sortie

ID du serveur État du serveur OK Fermeture
serveur 1 82
serveur 2 88,6
serveur 3 59,6

Utilisez cette transformation pour créer une matrice en spécifiant des champs à partir des résultats de votre requête. La sortie de la matrice reflète les relations entre les valeurs uniques de ces champs. Cela vous permet de présenter des relations complexes dans un format matriciel clair et structuré.

Regrouper vers une table imbriquée

Utilisez cette transformation pour regrouper les données selon une valeur de champ (colonne) spécifiée et effectuer le calcul sur chaque groupe. Les enregistrements générés partagent la même valeur de champ groupée, à afficher dans une table imbriquée.

Pour calculer une statistique pour un champ, cochez la case à côté du champ et choisissez l'option Calculer. Cela ajoutera une autre boîte de sélection avec les statistiques à sélectionner.

Le tableau suivant présente des exemples de données.

Heure ID serveur Température du processeur État du serveur

07/07/2020 11 H 34 MIN 20 S

serveur 1

80

Fermeture

07/07/2020 11 H 34 MIN 20 S

serveur 3

62

OK

07/07/2020 10 H 32 MIN 20 S

serveur 2

90

Surcharge

07/07/2020 10 H 31 H 22

serveur 3

55

OK

07/07/2020 9 H 30 : 57

serveur 3

62

Rebooting

07/07/2020 9 H 30 : 05

serveur 2

88

OK

07/07/2020 9 H 28 : 06

serveur 1

80

OK

07/07/2020 9 H 25 MIN 05 S

serveur 2

88

OK

07/07/2020 9 H 23 H 07

serveur 1

86

OK

Cette transformation comporte deux étapes. Spécifiez d'abord un ou plusieurs champs selon lesquels vous souhaitez regrouper les données. Cela regroupe toutes les mêmes valeurs de ces champs, comme si vous les triiez. Par exemple, si vous regroupez par Server ID champ, Grafana regroupe les données de la façon suivante :

ID serveur Données

serveur 1
Heure Température du processeur État du serveur

07/07/2020 11 H 34 MIN 20 S

80

Fermeture

07/07/2020 9 H 28 : 06

80

OK

07/07/2020 9 H 23 H 07

86

OK

serveur 2
Heure Température du processeur État du serveur

07/07/2020 10 H 32 MIN 20 S

90

Surcharge

07/07/2020 9 H 30 : 05

88

OK

07/07/2020 9 H 25 MIN 05 S

88

OK

serveur 3
Heure Température du processeur État du serveur

07/07/2020 11 H 34 MIN 20 S

62

OK

07/07/2020 10 H 31 H 22

55

OK

07/07/2020 9 H 30 : 57

62

Rebooting

Après avoir choisi le champ selon lequel vous souhaitez regrouper vos données, vous pouvez ajouter différents calculs sur les autres champs et appliquer le calcul à chaque groupe de lignes. Par exemple, vous souhaiterez peut-être calculer la température moyenne du processeur pour chacun de ces serveurs. Pour ce faire, ajoutez le calcul moyen appliqué dans le champ Température du processeur pour obtenir le résultat suivant :

ID serveur Température du processeur (moyenne)

serveur 1

82
Heure État du serveur

07/07/2020 11 H 34 MIN 20 S

Fermeture

07/07/2020 9 H 28 : 06

OK

07/07/2020 9 H 23 H 07

OK

serveur 2

88,6
Heure État du serveur

07/07/2020 10 H 32 MIN 20 S

Surcharge

07/07/2020 9 H 30 : 05

OK

07/07/2020 9 H 25 MIN 05 S

OK

serveur 3

59,6
Heure État du serveur

07/07/2020 11 H 34 MIN 20 S

OK

07/07/2020 10 H 31 H 22

OK

07/07/2020 9 H 30 : 57

Rebooting

Création d'une carte thermique

Utilisez cette transformation pour préparer les données d'histogramme afin de visualiser les tendances au fil du temps. À l'instar de la visualisation par carte thermique, cette transformation convertit les métriques de l'histogramme en compartiments temporels.

Seau X

Ce paramètre détermine la façon dont l'axe X est divisé en compartiments.

  • Taille — Spécifiez un intervalle de temps dans le champ de saisie. Par exemple, une plage de temps de 1h crée des cellules d'une heure de large sur l'axe X.

  • Nombre — Pour les non-time-related séries, utilisez cette option pour définir le nombre d'éléments dans un compartiment.

Seau en Y

Ce paramètre détermine la façon dont l'axe Y est divisé en compartiments.

  • Linear (Linéaire)

  • Logarithmique — Choisissez entre log base 2 ou log base 10.

  • Symlog — Utilise une échelle logarithmique symétrique. Choisissez entre le log base 2 ou le log base 10, en tenant compte des valeurs négatives.

Supposons que vous disposiez du jeu de données suivant :

Horodatage Valeur
01/01/2023 12:00:00 5
01/01/2023 12:15:00 10
01/01/2023 12:30:00 15
01/01/2023 12:45:00 8

  • Lorsque X Bucket est défini sur Size: 15m et Y Bucket sur telLinear, l'histogramme organise les valeurs en intervalles de temps de 15 minutes sur l'axe X et de manière linéaire sur l'axe Y.

  • Pour X Bucket as Count: 2 et Y Bucket asLogarithmic (base 10), l'histogramme regroupe les valeurs en tranches de deux sur l'axe X et utilise une échelle logarithmique sur l'axe Y.

Histogramme

Utilisez cette transformation pour générer un histogramme basé sur les données d'entrée, afin de visualiser la distribution des valeurs.

  • Taille du compartiment : plage entre les éléments les plus bas et les plus élevés d'un compartiment (XMin à XMax).

  • Décalage du godet — Le décalage pour les non-zero-based godets.

  • Combiner des séries : créez un histogramme unifié à l'aide de toutes les séries disponibles.

Données d'origine

Série 1 :

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

Série 2 :

C
5 
6
7
8
9

Sortie

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 USD 0 1 1

Visualisez la distribution des valeurs à l'aide de l'histogramme généré, qui fournit des informations sur la répartition et la densité des données.

Inscrivez-vous par domaine

Utilisez cette transformation pour fusionner plusieurs résultats dans une seule table, ce qui permet de consolider les données issues de différentes requêtes.

Cela est particulièrement utile pour convertir plusieurs résultats de séries chronologiques en une seule table large avec un champ horaire partagé.

Jointure intérieure

Une jointure interne fusionne les données de plusieurs tables où toutes les tables partagent la même valeur que le champ sélectionné. Ce type de jointure exclut les données dont les valeurs ne correspondent pas dans tous les résultats.

Utilisez cette transformation pour combiner les résultats de plusieurs requêtes (combinaison sur un champ de jointure passé ou sur la première colonne chronologique) en un seul résultat, et supprimez les lignes où une jointure réussie ne peut pas avoir lieu.

Dans l'exemple suivant, deux requêtes renvoient des données de table. Il est visualisé sous la forme de deux tables distinctes avant d'appliquer la transformation de jointure interne.

Requête A :

Heure Tâche Temps de disponibilité

07/07/2020 11 H 34 MIN 20 S

nœud

25260122

07/07/2020 11 H 24 H 20

postgre

123001233

07/07/2020 11 H 14 H 20

postgre

345001233

Requête B :

Heure Serveur Erreurs

07/07/2020 11 H 34 MIN 20 S

serveur 1

15

07/07/2020 11 H 24 H 20

serveur 2

5

07/07/2020 11 H 04 : 20

serveur 3

10

Le résultat obtenu après l'application de la transformation de jointure interne est le suivant :

Heure Tâche Temps de disponibilité Serveur Erreurs

07/07/2020 11 H 34 MIN 20 S

nœud

25260122

serveur 1

15

07/07/2020 11 H 24 H 20

postgre

123001233

serveur 2

5

Jointure extérieure

Une jointure externe inclut toutes les données d'une jointure interne et les lignes dont les valeurs ne correspondent pas dans toutes les entrées. Alors que la jointure interne joint la requête A et la requête B dans le champ temporel, la jointure externe inclut toutes les lignes qui ne correspondent pas dans le champ temporel.

Dans l'exemple suivant, deux requêtes renvoient des données de table. Il est visualisé sous la forme de deux tables avant d'appliquer la transformation de jointure externe.

Requête A :

Heure Tâche Temps de disponibilité

07/07/2020 11 H 34 MIN 20 S

nœud

25260122

07/07/2020 11 H 24 H 20

postgre

123001233

07/07/2020 11 H 14 H 20

postgre

345001233

Requête B :

Heure Serveur Erreurs

07/07/2020 11 H 34 MIN 20 S

serveur 1

15

07/07/2020 11 H 24 H 20

serveur 2

5

07/07/2020 11 H 04 : 20

serveur 3

10

Le résultat obtenu après l'application de la transformation de jointure externe est le suivant :

Heure Tâche Temps de disponibilité Serveur Erreurs

07/07/2020 11 H 04 : 20

serveur 3

10

07/07/2020 11 H 14 H 20

postgre

345001233

07/07/2020 11 H 34 MIN 20 S

nœud

25260122

serveur 1

15

07/07/2020 11 H 24 H 20

postgre

123001233

serveur 2

5

Adhérer par labels

Utilisez cette transformation pour joindre plusieurs résultats dans un seul tableau.

Cela est particulièrement utile pour convertir plusieurs résultats de séries chronologiques en une seule table large avec un champ Label partagé.

  • Joindre : sélectionnez l'étiquette à joindre entre les étiquettes disponibles ou communes à toutes les séries chronologiques.

  • Valeur — Nom du résultat de sortie.

Exemple

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

Heure Value
1 10
2 200

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

Heure Value
1 10
2 200

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

Heure Valeur
22 22
28 77

Config :

value: 'what'

Sortie :

cluster tâche Temp Vitesse
A J1 10
A J1 200
B J1 10 22
B J1 200 77

Combinez et organisez efficacement les données de séries chronologiques grâce à cette transformation pour obtenir des informations complètes.

Étiquettes pour les champs

Utilisez cette transformation pour convertir les résultats de séries chronologiques contenant des étiquettes ou des balises dans un tableau, en incluant les clés et les valeurs de chaque étiquette dans le résultat. Affichez les étiquettes sous forme de colonnes ou de valeurs de ligne pour une meilleure visualisation des données.

Étant donné le résultat d'une requête de deux séries chronologiques :

  • Série 1 — étiquettesServer=Server A, Datacenter=EU

  • Série 2 — étiquettesServer=Server B, Datacenter=EU

En mode Colonnes, le résultat est le suivant :

Heure Serveur Centre de données Valeur

07/07/2020 11 H 34 MIN 20 S

Serveur A

UE

1

07/07/2020 11 H 34 MIN 20 S

Serveur B

UE

2

En mode « Lignes », le résultat comporte un tableau pour chaque série et affiche chaque valeur d'étiquette comme suit :

étiquette value

Serveur

Serveur A

Centre de données

UE
étiquette value

Serveur

Serveur B

Centre de données

UE

Nom du champ de valeur

Si vous avez sélectionné Serveur comme nom du champ Valeur, vous obtiendrez un champ pour chaque valeur de l'étiquette Serveur.

Heure Centre de données Serveur A Serveur B

07/07/2020 11 H 34 MIN 20 S

UE

1

2

Comportement de fusion

Le transformateur des étiquettes en champs est constitué en interne de deux transformations distinctes. Le premier agit sur des séries individuelles et extrait les étiquettes des champs. La seconde est la transformation de fusion qui réunit tous les résultats dans une seule table. La transformation de fusion essaie de joindre tous les champs correspondants. Cette étape de fusion est obligatoire et ne peut pas être désactivée.

Pour illustrer cela, voici un exemple dans lequel deux requêtes renvoient des séries chronologiques sans que les libellés ne se chevauchent.

  • Série 1 — étiquettes Server=ServerA

  • Série 2 — étiquettes Datacenter=EU

Cela donnera d'abord ces deux tableaux :

Heure Serveur Valeur

07/07/2020 11 H 34 MIN 20 S

Serveur A

10
Heure Centre de données Valeur

07/07/2020 11 H 34 MIN 20 S

UE

20

Après la fusion :

Heure Serveur Valeur Centre de données

07/07/2020 11 H 34 MIN 20 S

Serveur A

10

07/07/2020 11 H 34 MIN 20 S

20

UE

Limite

Utilisez cette transformation pour limiter le nombre de lignes affichées, offrant ainsi une vue plus précise de vos données. Cela est particulièrement utile lorsqu'il s'agit de grands ensembles de données.

Voici un exemple illustrant l'impact de la transformation Limit sur une réponse provenant d'une source de données :

Heure Métrique Valeur

07/07/2020 11 H 34 MIN 20 S

Température

25

07/07/2020 11 H 34 MIN 20 S

Humidité

22

07/07/2020 10 H 32 MIN 20 S

Humidité

29

07/07/2020 10 H 31 H 22

Température

22

07/07/2020 9 H 30 : 57

Humidité

33

07/07/2020 9 H 30 : 05

Température

19

Voici le résultat après avoir ajouté une transformation Limit avec une valeur de « 3 » :

Heure Métrique Valeur

07/07/2020 11 H 34 MIN 20 S

Température

25

07/07/2020 11 H 34 MIN 20 S

Humidité

22

07/07/2020 10 H 32 MIN 20 S

Humidité

29

Cette transformation vous permet d'adapter la présentation visuelle de vos données afin de vous concentrer sur les données les plus pertinentes.

Fusionner les séries et les tableaux

Utilisez cette transformation pour combiner le résultat de plusieurs requêtes en un seul résultat, ce qui est particulièrement utile lorsque vous utilisez la visualisation du panneau de tableau. La transformation fusionne les valeurs dans la même ligne si les champs partagés contiennent les mêmes données.

Voici un exemple illustrant l'impact de la transformation des séries et des tables Merge sur deux requêtes renvoyant des données de table :

Requête A :

Heure Tâche Temps de disponibilité

07/07/2020 11 H 34 MIN 20 S

nœud

25260122

07/07/2020 11 H 24 H 20

postgre

123001233

Requête B :

Heure Tâche Erreurs

07/07/2020 11 H 34 MIN 20 S

nœud

15

07/07/2020 11 H 24 H 20

postgre

5

Voici le résultat après avoir appliqué la transformation Merge :

Heure Tâche Erreurs Temps de disponibilité

07/07/2020 11 H 34 MIN 20 S

nœud

15

25260122

07/07/2020 11 H 24 H 20

postgre

5

123001233

Cette transformation combine les valeurs de la requête A et de la requête B dans une table unifiée, améliorant ainsi la présentation pour de meilleures informations.

Organiser les champs par nom

Utilisez cette transformation pour renommer, réorganiser ou masquer les champs renvoyés par une seule requête dans votre panneau. Cette transformation ne fonctionne que dans les panneaux contenant une seule requête. Si votre panneau contient plusieurs requêtes, vous devez soit appliquer une transformation de jointure externe, soit supprimer les requêtes supplémentaires.

Des champs de transformation

Grafana affiche une liste des champs renvoyés par la requête. Vous pouvez :

  • Modifier l'ordre des champs : faites glisser un champ vers un nouvel emplacement dans la liste.

  • Masquer ou afficher un champ : utilisez l'icône en forme d'œil à côté du nom du champ pour activer ou désactiver la visibilité d'un champ.

  • Renommer les champs : saisissez un nouveau nom dans la zone Renommer.

Exemple

Compte tenu du résultat initial de la requête :

Heure Métrique Valeur
2020-07-07 11:34:20 Température 25
2020-07-07 11:34:20 Humidité 22
2020-07-07 10:32:20 Humidité 29

Vous pouvez appliquer une modification du nom du champ pour créer :

Heure Sensor Lecture
2020-07-07 11:34:20 Température 25
2020-07-07 11:34:20 Humidité 22
2020-07-07 10:32:20 Humidité 29

Cette transformation vous permet de personnaliser l'affichage des résultats des requêtes, garantissant ainsi une représentation claire et pertinente de vos données dans Grafana.

Partition par valeurs

Utilisez cette transformation pour rationaliser le processus de représentation graphique de plusieurs séries sans avoir besoin de plusieurs requêtes avec des WHERE clauses différentes.

Note

Cette fonction est disponible dans les espaces de travail compatibles avec Grafana version 9 et supérieure.

Cela est particulièrement utile lorsque vous utilisez une table SQL de métriques, comme dans cet exemple :

Heure Région Valeur

20/10/2022 12 H 00

ETATS-UNIS

1520

20/10/2022 12 H 00

UE

2936

20/10/2022 1 H 00

ETATS-UNIS

1327

20/10/2022 1 H 00

UE

912

Avec le transformateur Partition par valeurs, vous pouvez émettre une seule requête et diviser les résultats par valeurs uniques dans une ou plusieurs colonnes (champs) de votre choix. L’exemple suivant utilise Region.

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

20/10/2022 12 H 00

ETATS-UNIS

1520

20/10/2022 1 H 00

ETATS-UNIS

1327
Heure Région Valeur

20/10/2022 12 H 00

UE

2936

20/10/2022 1 H 00

UE

912

Cette transformation simplifie le processus et améliore la flexibilité de visualisation de plusieurs séries au sein d'une même visualisation de séries chronologiques.

Préparer des séries chronologiques

Utilisez cette transformation pour résoudre les problèmes lorsqu'une source de données renvoie des séries chronologiques dans un format incompatible avec la visualisation souhaitée. Cette transformation vous permet de convertir des données de séries chronologiques entre des formats larges et longs.

Séries chronologiques multicadres

Utilisez cette option pour transformer le bloc de données de séries chronologiques du format large au format long. Cela est particulièrement utile lorsque votre source de données fournit des informations de séries chronologiques dans un format qui doit être remodelé pour une compatibilité optimale avec votre visualisation.

Exemple

Cette entrée :

Horodatage Value1 Value2

01/01/2023 00:00:00

10

20

01/01/2023 01:00:00

15

25

Peut être transformé en :

Horodatage Variable Valeur

01/01/2023 00:00:00

Value1

10

01/01/2023 00:00:00

Value2

20

01/01/2023 01:00:00

Value1

15

01/01/2023 01:00:00

Value2

25

Séries chronologiques étendues

Utilisez cette option pour transformer le bloc de données de séries chronologiques du format long au format large. Cela est particulièrement utile lorsque votre source de données fournit des séries chronologiques dans un format long et que votre visualisation nécessite un format large.

Exemple

Cette entrée :

Horodatage Variable Valeur

01/01/2023 00:00:00

Value1

10

01/01/2023 00:00:00

Value2

20

01/01/2023 01:00:00

Value1

15

01/01/2023 01:00:00

Value2

25

Peut être transformé en :

Horodatage Value1 Value2

01/01/2023 00:00:00

10

20

01/01/2023 01:00:00

15

25

Réduire

Utilisez cette transformation pour appliquer un calcul à chaque champ du bloc de données et renvoyer une valeur unique. Cette transformation est particulièrement utile pour consolider plusieurs séries chronologiques dans un format résumé plus compact. Les champs temporels sont supprimés lors de l'application de cette transformation.

Tenez compte de l'entrée :

Requête A :

Heure Temp Temps de disponibilité

2020-07-07 11:34:20

12.3

256122

2020-07-07 11:24:20

15,4

1230233

Requête B :

Heure IQA Erreurs

2020-07-07 11:34:20

6,5

15

2020-07-07 11:24:20

3.2

5

Le transformateur de réduction dispose de deux modes :

  • Série en lignes : crée une ligne pour chaque champ et une colonne pour chaque calcul.

  • Réduire les champs : conserve la structure de cadre existante, mais réduit chaque champ en une seule valeur.

Par exemple, si vous avez utilisé le premier et le dernier calcul avec une transformation de séries en lignes, le résultat serait le suivant :

Champ La première La dernière

Temp

12.3

15,4

Temps de disponibilité

256122

1230233

IQA

6,5

3.2

Erreurs

15

5

L'option Réduire les champs avec le dernier calcul donne lieu à deux cadres, chacun comportant une ligne :

Requête A :

Temp Temps de disponibilité

15,4

1230233

Requête B :

IQA Erreurs

3.2

5

Renommer par regex

Utilisez cette transformation pour renommer certaines parties des résultats de la requête à l'aide d'une expression régulière et d'un modèle de remplacement.

Vous pouvez spécifier une expression régulière, qui ne s'applique qu'aux correspondances, ainsi qu'un modèle de remplacement prenant en charge les références arrières. Imaginons par exemple que vous visualisez l'utilisation du processeur par hôte et que vous souhaitiez supprimer le nom de domaine. Vous pouvez définir l'expression régulière sur ([^\.]+)\..+ et le modèle de remplacement sur$1, web-01.example.com web-01 deviendrait.

Cette transformation vous permet d'adapter vos données pour répondre à vos besoins de visualisation, rendant ainsi vos tableaux de bord plus informatifs et plus conviviaux.

Lignes vers champs

Utilisez cette transformation pour convertir les lignes en champs distincts. Cela peut être utile car les champs peuvent être stylisés et configurés individuellement. Il peut également utiliser des champs supplémentaires comme sources pour la configuration dynamique des champs ou les mapper aux étiquettes des champs. Les étiquettes supplémentaires peuvent ensuite être utilisées pour définir de meilleurs noms d'affichage pour les champs résultants.

Cette transformation inclut une table de champs répertoriant tous les champs des données renvoyées par la requête de configuration. Ce tableau vous permet de contrôler le champ qui doit être mappé à chaque propriété de configuration (option Utiliser comme). Vous pouvez également choisir la valeur à sélectionner si les données renvoyées comportent plusieurs lignes.

Cette transformation nécessite :

  • Un champ à utiliser comme source des noms de champs.

    Par défaut, la transformation utilise le premier champ de chaîne comme source. Vous pouvez remplacer ce paramètre par défaut en sélectionnant Nom du champ dans la colonne Utiliser comme champ pour le champ que vous souhaitez utiliser à la place.

  • Un champ à utiliser comme source de valeurs.

    Par défaut, la transformation utilise le premier champ numérique comme source. Vous pouvez toutefois annuler ce paramètre par défaut en sélectionnant Valeur du champ dans la colonne Utiliser comme champ pour le champ que vous souhaitez utiliser à la place.

Utile lors de la visualisation de données dans :

  • Jauge

  • Stat

  • Graphique à secteurs

Associez des champs supplémentaires à des étiquettes

Si un champ ne correspond pas à la propriété de configuration, Grafana l'utilisera automatiquement comme source pour une étiquette sur le champ de sortie.

Exemple :

Nom DataCenter Valeur

Serveur A

ETATS-UNIS

100

Serveur B

UE

200

Sortie :

ServerA (étiquettes DataCenter : États-Unis) ServerB (étiquettes DataCenter : EU)

100

200

Les libellés supplémentaires peuvent désormais être utilisés dans le nom d'affichage des champs pour fournir des noms de champs plus complets.

Si vous souhaitez extraire la configuration d'une requête et l'appliquer à une autre, vous devez utiliser la configuration issue de la transformation des résultats de la requête.

Exemple

Entrée :

Nom Valeur Max

Serveur A

10

100

Serveur B

20

200

Serveur C

30

300

Sortie :

Serveur A (configuration : max = 100) Serveur B (configuration : max = 200) ServerC (configuration : max = 300)

10

20

30

Comme vous pouvez le constater, chaque ligne des données source devient un champ distinct. Chaque champ possède désormais également une option de configuration maximale définie. Les options telles que Min, Max, Unit et Threshold font toutes partie de la configuration des champs et, si elles sont définies de cette manière, elles seront utilisées par la visualisation au lieu des options configurées manuellement dans le volet d'options de l'éditeur de panneaux.

Cette transformation permet de convertir des lignes en champs individuels, facilite la configuration dynamique des champs et associe des champs supplémentaires à des étiquettes.

De la série aux rangées

Utilisez cette transformation pour combiner le résultat de plusieurs requêtes de données de séries chronologiques en un seul résultat. Cela est utile lorsque vous utilisez la visualisation du panneau de tableau.

Le résultat de cette transformation contiendra trois colonnes : heure, métrique et valeur. La colonne Métrique est ajoutée afin que vous puissiez facilement voir de quelle requête provient la métrique. Personnalisez cette valeur en définissant Label dans la requête source.

Dans l'exemple ci-dessous, deux requêtes renvoient des données de séries chronologiques. Il est visualisé sous forme de deux tableaux distincts avant d'appliquer la transformation.

Requête A :

Heure Température

2020-07-07 11:34:20

25

2020-07-07 10:31:22

22

2020-07-07 09:30:05

19

Requête B :

Heure Humidité

2020-07-07 11:34:20

24

2020-07-07 10:32:20

29

2020-07-07 09:30:57

33

Voici le résultat après avoir appliqué la transformation Série aux lignes.

Heure Métrique Valeur

2020-07-07 11:34:20

Température

25

2020-07-07 11:34:20

Humidité

22

2020-07-07 10:32:20

Humidité

29

2020-07-07 10:31:22

Température

22

2020-07-07 09:30:57

Humidité

33

2020-07-07 09:30:05

Température

19

Cette transformation facilite la consolidation des résultats de plusieurs requêtes de séries chronologiques, fournissant un ensemble de données rationalisé et unifié pour une analyse et une visualisation efficaces sous forme de tableau.

Trier par

Utilisez cette transformation pour trier chaque cadre d'un résultat de requête en fonction d'un champ spécifique, afin de faciliter la compréhension et l'analyse de vos données. En configurant le champ souhaité pour le tri, vous pouvez contrôler l'ordre dans lequel les données sont présentées dans le tableau ou dans la visualisation.

Utilisez le commutateur inverse pour ordonner inversement les valeurs dans le champ spécifié. Cette fonctionnalité est particulièrement utile lorsque vous souhaitez passer rapidement de l'ordre croissant à l'ordre décroissant pour répondre à vos besoins analytiques.

Par exemple, dans un scénario où les données de séries chronologiques sont extraites d'une source de données, la transformation Trier par peut être appliquée pour organiser les blocs de données en fonction de l'horodatage, par ordre croissant ou décroissant, en fonction des exigences analytiques. Cette fonctionnalité vous permet de naviguer et d'interpréter facilement les données de séries chronologiques, en obtenant des informations précieuses grâce à une présentation organisée et visuellement cohérente.

Spatial

Utilisez cette transformation pour appliquer des opérations spatiales aux résultats des requêtes.

  • Action — Sélectionnez une action :

    • Préparer le champ spatial : définissez un champ de géométrie en fonction des résultats d'autres champs.

      • Mode de localisation — Sélectionnez un mode de localisation (ces options sont partagées par les modes Calculer la valeur et Transformer) :

        • Auto : identifie automatiquement les données de localisation en fonction des noms de champs par défaut.

        • Coordonnées — Spécifiez les champs de latitude et de longitude.

        • Geohash — Spécifiez un champ Geohash.

        • Recherche — Spécifiez les champs de localisation du répertoire géographique.

    • Calculer la valeur — Utilisez la géométrie pour définir un nouveau champ (en-tête/distance/zone).

      • Fonction — Choisissez une opération mathématique à appliquer à la géométrie :

        • Titre — Calculez le cap (direction) entre deux points.

        • Surface : calculez la zone délimitée par un polygone défini par la géométrie.

        • Distance — Calculez la distance entre deux points.

    • Transformer — Appliquez des opérations spatiales à la géométrie.

      • Opération — Choisissez une opération à appliquer à la géométrie :

        • En tant que ligne : créez une entité linéaire unique avec un sommet sur chaque ligne.

        • Générateur de lignes : créez une ligne entre deux points.

Cette transformation vous permet de manipuler et d'analyser des données géospatiales, en permettant des opérations telles que la création de lignes entre des points, le calcul de propriétés spatiales, etc.

Transformation d'une série chronologique en table

Utilisez cette transformation pour convertir les résultats de séries chronologiques en table, transformant ainsi un bloc de données de séries chronologiques en champ de tendance. Le champ Trend peut ensuite être rendu à l'aide du type de cellule sparkline, générant une ligne sparkline intégrée pour chaque ligne du tableau. S'il existe plusieurs requêtes de séries chronologiques, chacune aboutira à un bloc de données de table distinct. Ils peuvent être joints à l'aide de transformations de jointure ou de fusion pour produire un seul tableau avec plusieurs sparklines par ligne.

Pour chaque valeur de champ de tendance générée, une fonction de calcul peut être sélectionnée. La valeur par défaut est Dernière valeur non nulle. Cette valeur est affichée à côté du sparkline et est utilisée pour trier les lignes du tableau.

Analyse de régression

Utilisez cette transformation pour créer un nouveau bloc de données contenant des valeurs prédites par un modèle statistique. Cela est utile pour trouver une tendance dans des données chaotiques. Il fonctionne en ajustant une fonction mathématique aux données, en utilisant une régression linéaire ou polynomiale. Le bloc de données peut ensuite être utilisé dans une visualisation pour afficher une courbe de tendance.

Il existe deux modèles différents :

  • Régression linéaire — Ajuste une fonction linéaire aux données.

  • Régression polynomiale : adapte une fonction polynomiale aux données.

Note

Cette transformation est actuellement en avant-première publique. Grafana Labs offre un support limité, et des modifications importantes peuvent survenir avant que la fonctionnalité ne soit généralement disponible.