트랜스포메이션 함수 - Amazon Managed Grafana
계산에서 필드 추가필드 연결쿼리 결과를 통한 Config필드 유형 변환필드 추출리소스에서 필드 조회쿼리 (reFID) 별로 데이터를 필터링합니다.값을 기준으로 데이터를 필터링합니다.이름을 기준으로 필드를 필터링합니다.형식 문자열포맷 타임그룹화 기준행렬로 그룹화그룹화하여 중첩된 테이블로히트맵 생성히스토그램(Histogram)필드별 조인레이블로 조인필드에 레이블을 붙입니다.Limit시리즈/표 병합필드를 이름별로 정리하세요.값별 파티셔닝시계열 준비리듀스정규식으로 이름 바꾸기행에서 필드로시리즈에서 행으로정렬 기준공간시계열을 테이블로 변환회귀 분석

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

트랜스포메이션 함수

이 설명서 항목은 Grafana 버전 10.x를 지원하는 Grafana 작업 영역을 위해 설계되었습니다.

Grafana 버전 9.x를 지원하는 Grafana 작업 영역에 대한 내용은 을 참조하십시오. Grafana 버전 9에서 작업하기

Grafana 버전 8.x를 지원하는 Grafana 작업 영역에 대한 내용은 을 참조하십시오. Grafana 버전 8에서 작업하기

데이터에 대해 다음과 같은 변환을 수행할 수 있습니다.

계산에서 필드 추가

이 변환을 사용하여 다른 두 필드에서 계산된 새 필드를 추가할 수 있습니다. 각 변환을 통해 새 필드 하나를 추가할 수 있습니다.

  • 모드 - 모드 선택:

    • 행 줄이기 - 선택한 필드의 각 행에 선택한 계산을 개별적으로 적용합니다.

    • 이항 연산 - 선택한 두 필드의 단일 행에 있는 값에 기본 이항 연산 (예: 합계 또는 곱하기) 을 적용합니다.

    • 단항 연산 - 선택한 필드의 단일 행에 있는 값에 기본 단항 연산을 적용합니다. 사용 가능한 연산은 다음과 같습니다.

      • 절대값 (abs) — 주어진 표현식의 절대값을 반환합니다. 0으로부터의 거리를 양수로 나타냅니다.

      • 자연 지수 (exp) — e를 주어진 표현식의 거듭제곱으로 곱한 값을 반환합니다.

      • 자연 로그 (ln) — 주어진 표현식의 자연 로그를 반환합니다.

      • 플로어 (floor) — 주어진 표현식보다 작거나 같은 가장 큰 정수를 반환합니다.

      • 천장 (ceil) — 주어진 표현식보다 크거나 같은 가장 작은 정수를 반환합니다.

    • 누적 함수 — 현재 행과 모든 이전 행에 함수를 적용합니다.

      • 합계 — 현재 행까지의 누적 총계를 계산합니다.

      • 평균 - 현재 행까지의 평균을 계산합니다.

    • 윈도우 함수 — 윈도우 함수를 적용합니다. 창은 후행 또는 가운데일 수 있습니다. 후행 창의 경우 현재 행이 창의 마지막 행이 됩니다. 창이 중앙에 있는 경우 창은 현재 행의 중앙에 위치합니다. 창 크기가 균등한 경우 창은 현재 행과 이전 행 사이의 중앙에 위치합니다.

      • 평균 — 이동 평균 또는 실행 평균을 계산합니다.

      • — 이동 표준 편차를 계산합니다.

      • 분산 — 이동 분산을 계산합니다.

    • 행 인덱스 — 행 인덱스가 있는 필드를 삽입합니다.

  • 필드 이름 — 새 필드의 계산에 사용할 필드 이름을 선택합니다.

  • 계산 — 행 축소 모드를 선택하면 계산 필드가 나타납니다. 필드를 선택하면 새 필드를 만드는 데 사용할 수 있는 계산 선택 목록이 표시됩니다. 사용 가능한 계산에 대한 자세한 내용은 계산 유형을 참조하십시오.

  • 연산 — 이항 연산 또는 단항 연산 모드를 선택하면 연산 필드가 나타납니다. 이 필드를 사용하면 선택한 두 필드의 한 행에 있는 값에 대해 기본 수학 연산을 수행할 수 있습니다. 이항 연산에도 숫자 값을 사용할 수 있습니다.

  • 백분위수로 표시 - 행 인덱스 모드를 선택하면 백분위수로 표시 스위치가 나타납니다. 이 스위치를 사용하면 행 인덱스를 총 행 수의 백분율로 변환할 수 있습니다.

  • 별칭 - (선택 사항) 새 필드의 이름을 입력합니다. 이 필드를 비워 두면 계산과 일치하도록 필드 이름이 지정됩니다.

  • 모든 필드 바꾸기 - (선택 사항) 다른 모든 필드를 숨기고 비주얼리제이션에 계산된 필드만 표시하려면 이 옵션을 선택합니다.

참고

누적 함수 및 창 함수는 현재 공개 미리 보기에서 제공됩니다. Grafana Labs는 제한적인 지원을 제공하며, 기능이 정식 출시되기 전에 주요 변경 사항이 발생할 수 있습니다.

필드 연결

필드 연결

이 변환을 사용하면 모든 프레임의 모든 필드를 하나의 결과로 결합할 수 있습니다.

예를 들어 온도 및 가동 시간 데이터 (쿼리 A) 와 대기질 지수 및 오류 정보 (쿼리 b) 를 검색하는 별도의 쿼리가 있는 경우 연결 변환을 적용하면 모든 관련 정보가 한 뷰에 포함된 통합 데이터 프레임이 생성됩니다.

다음 두 가지를 고려해 보세요.

쿼리 A:

임시 파일 업타임

15.4

1230233

쿼리 B:

AQI Errors

3.2

5

필드를 연결하면 데이터 프레임은 다음과 같습니다.

임시 파일 업타임 AQI Errors

15.4

1230233

3.2

5

이 변환은 다양한 소스의 데이터를 병합하는 프로세스를 단순화하여 분석 및 시각화를 위한 포괄적인 뷰를 제공합니다.

쿼리 결과를 통한 Config

쿼리 결과를 통한 Config

이 변환을 사용하여 쿼리 하나를 선택하고 최소, 최대, 단위 및 임계값과 같은 표준 옵션을 추출하여 다른 쿼리 결과에 적용할 수 있습니다. 이를 통해 특정 쿼리에서 반환된 데이터를 기반으로 동적 시각화를 구성할 수 있습니다.

옵션

  • Config query - 구성으로 사용할 데이터를 반환하는 쿼리를 선택합니다.

  • 적용 대상 - 구성을 적용할 필드 또는 시리즈를 선택합니다.

  • 옵션에 적용 - 적용 대상에서 선택한 항목에 따라 필드 유형을 지정하거나 필드 이름 정규식을 사용합니다.

필드 매핑 테이블

구성 옵션 아래에 필드 매핑 테이블이 있습니다. 이 표에는 구성 쿼리에서 반환된 데이터에서 찾은 모든 필드가 Use as 및 Select 옵션과 함께 나열되어 있습니다. 필드를 구성 속성에 매핑하는 작업을 제어할 수 있으며, 여러 행의 경우 선택할 값을 선택할 수 있습니다.

다음 예제는 입력 쿼리와 필드 구성으로 사용되는 쿼리를 보여줍니다.

입력 쿼리

Time 값

1626178119127

10

1626178119129

30

Config 쿼리

Time 값

1626178119127

100

1626178119129

100

출력 쿼리 (입력과 동일하지만 이제 값 필드에 구성이 포함됨)

Time 값 (구성: 최대=100)

1626178119127

10

1626178119129

30

이제 각 필드에 최대 구성 옵션 세트가 있습니다. 최소, 최대, 단위 및 임계값과 같은 옵션은 필드 구성의 일부입니다. 설정된 경우 패널 편집기 옵션 창에서 수동으로 구성한 옵션 대신 시각화에 사용됩니다.

값 매핑

쿼리 결과를 값 매핑으로 변환할 수도 있습니다. 이 옵션을 사용하면 구성 쿼리 결과의 모든 행이 단일 값 매핑 행을 정의합니다. 다음 예를 참조하세요.

Config 쿼리 결과

값 텍스트 색상

L

낮음

blue

M

중간

green

H

높음

red

필드 매핑에서 다음을 지정하십시오.

필드 다음과 같이 사용 Select

값

값 매핑/값

모든 값

텍스트

값 매핑/ 텍스트

모든 값

색상

값 매핑/ 색상

모든 값

Grafana는 쿼리 결과에서 값 매핑을 작성하여 실제 데이터 쿼리 결과에 적용합니다. 구성 쿼리 결과에 따라 값이 매핑되고 색상이 지정되는 것을 볼 수 있을 것입니다.

필드 유형 변환

이 변환을 사용하여 지정된 필드의 필드 유형을 수정할 수 있습니다.

이 변환에는 다음과 같은 옵션이 있습니다.

  • 필드 — 사용 가능한 필드 중에서 선택합니다.

  • as — FieldType 변환할 대상을 선택합니다.

    • 숫자 — 값을 숫자로 만들려고 시도합니다.

    • 문자열 — 값을 문자열로 만듭니다.

    • 시간 — 값을 시간으로 분석하려고 시도합니다.

      • yyyy-mm-dd또는 DD MM YYYY hh:mm:ss 와 DateFormat 같이 a를 문자열 입력으로 지정하는 옵션을 표시합니다.

    • 부울 — 값을 부울로 만듭니다.

    • Enum — 값을 열거형으로 만듭니다.

      • 열거형을 관리할 수 있는 테이블을 표시합니다.

    • 기타 — 값을 json으로 파싱하려고 시도합니다.

예를 들어 시간 필드를 시간으로 선택하고 날짜 형식을 로 선택하여 수정할 수 있는 다음 쿼리를 생각해 보십시오. YYYY

Time 마크 값

2017-07-01

이상

25

2018-08-02

아래

22

2019-09-02

아래

29

2020-10-04

이상

22

결과:

Time 마크 값

2017-01-01 00:00:00

이상

25

2018-01-01 00:00:00

아래

22

2019-01-01 00:00:00

아래

29

2020-01-01 00:00:00

이상

22

이러한 변환을 통해 데이터 유형을 유연하게 조정하여 시각화의 호환성과 일관성을 보장할 수 있습니다.

필드 추출

이 변환을 사용하여 데이터 원본을 선택하고 데이터 원본에서 콘텐츠를 다양한 형식으로 추출할 수 있습니다. 이 변환에는 다음과 같은 필드가 있습니다.

  • 소스 — 데이터 원본의 필드를 선택합니다.

  • 형식 — 다음 중 하나를 선택합니다.

    • JSON — 원본에서 JSON 콘텐츠를 구문 분석합니다.

    • 키+값 쌍 — 콘텐츠를 형식이나 소스에서 구문 분석합니다. a=b c:d

    • 자동 — 필드를 자동으로 검색합니다.

  • 모든 필드 바꾸기 - (선택 사항) 비주얼리제이션에 다른 모든 필드를 숨기고 계산된 필드만 표시하려면 이 옵션을 선택합니다.

  • 시간 유지 - (선택 사항) 모든 필드 바꾸기가 true인 경우에만 사용할 수 있습니다. 출력에 시간 필드를 유지합니다.

다음 데이터세트를 고려해 보세요.

데이터세트 예제

Timestamp json_data

1636678740000000000

{"값”: 1}

1636678680000000000

{"값”: 5}

1636678620000000000

{"값”: 12}

다음과 같은 구성으로 시계열 패널에서 사용할 데이터를 준비할 수 있습니다.

  • 출처: json_data

  • 형식: JSON

    • 필드: 값

    • 별칭: my_value

  • 모든 필드 바꾸기: true

  • 시간을 지키세요: true

그러면 다음과 같은 출력이 생성됩니다.

변환된 데이터

Timestamp my_value

1636678740000000000

1

1636678680000000000

5

1636678620000000000

12

이 변환을 통해 다양한 방식으로 데이터를 추출하고 서식을 지정할 수 있습니다. 특정 데이터 요구 사항에 따라 추출 형식을 사용자 지정할 수 있습니다.

리소스에서 필드 조회

이 변환을 사용하면 외부 소스에서 추가 필드를 찾아 필드 값을 보강할 수 있습니다.

이 변환에는 다음과 같은 필드가 있습니다.

  • 필드 — 데이터셋에서 텍스트 필드를 선택합니다.

  • 조회 — 국가, 미국 주, 공항 중에서 선택합니다.

참고

이 변환은 공간 데이터만 지원합니다.

예를 들어, 다음과 같은 데이터가 있는 경우:

데이터세트 예제

위치 값

AL

0

AK

10

애리조나

5

아칸소

1

어딘가에

5

이 구성을 사용하면:

  • 필드: 위치

  • 조회: 미국 주

다음과 같은 결과가 출력됩니다.

변환된 데이터

위치 ID 명칭 LNG 라스트 값
AL AL Alabama -80.891064 12.448457 0
AK 오크 아칸소 -100.891064 24.448457 10
애리조나 5
아칸소 1
어딘가에 5

이 변환을 통해 외부 소스에서 추가 정보를 가져와 데이터를 보강하여 분석 및 시각화를 위한 보다 포괄적인 데이터 세트를 제공할 수 있습니다.

쿼리 (reFID) 별로 데이터를 필터링합니다.

이 변환을 사용하면 쿼리가 여러 개 있는 패널에서 하나 이상의 쿼리를 숨길 수 있습니다.

Grafana는 쿼리 식별 문자를 짙은 회색 텍스트로 표시합니다. 필터링을 전환할 쿼리 식별자를 선택합니다. 쿼리 문자가 흰색이면 결과가 표시됩니다. 쿼리 문자가 어두우면 결과가 숨겨집니다.

참고

Graphite에서는 이 변환을 사용할 수 없습니다. 이 데이터 소스는 반환된 데이터를 쿼리와 연관시키는 것을 지원하지 않기 때문입니다.

값을 기준으로 데이터를 필터링합니다.

이 변환을 사용하면 비주얼리제이션 내에서 직접 데이터 요소를 선택적으로 필터링할 수 있습니다. 이 변환은 선택한 필드에 적용된 하나 이상의 조건에 따라 데이터를 포함하거나 제외하는 옵션을 제공합니다.

이 변환은 데이터 원본이 기본적으로 값을 기준으로 필터링되지 않는 경우에 매우 유용합니다. 공유 쿼리를 사용하는 경우 이 방법을 사용하여 표시할 값의 범위를 좁힐 수도 있습니다.

모든 필드에 사용할 수 있는 조건은 다음과 같습니다.

  • Regex — 정규식 표현식과 일치시킵니다.

  • Null — 값이 null이면 일치입니다.

  • Null 아님 — 값이 null이 아닌 경우 일치시킵니다.

  • 같음 — 값이 지정된 값과 같으면 일치시킵니다.

  • 차이 — 값이 지정된 값과 다른 경우 일치시킵니다.

숫자 필드에 사용할 수 있는 추가 조건은 다음과 같습니다.

  • Greater — 값이 지정된 값보다 클 경우 일치시킵니다.

  • 하한 — 값이 지정된 값보다 작을 경우 일치시킵니다.

  • 크거나 같음 — 값이 더 크거나 같으면 일치시킵니다.

  • 하한 또는 같음 — 값이 더 낮거나 같으면 일치시킵니다.

  • 범위 - 지정된 최소값과 최대값 (최소값과 최대값 포함) 사이의 범위를 일치시킵니다.

다음 데이터세트를 고려해 보세요.

Time 온도 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

온도가 30°C 미만인 데이터 포인트를 포함하면 구성은 다음과 같습니다.

  • 필터 유형: '포함'

  • 조건: '온도'가 '30보다 낮음'과 일치하는 행

30°C 미만의 온도만 포함하면 다음과 같은 결과를 얻을 수 있습니다.

변환된 데이터

Time 온도 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

필터에 조건을 두 개 이상 추가할 수 있습니다. 예를 들어 고도가 100보다 큰 경우에만 데이터를 포함하는 것이 좋습니다. 이렇게 하려면 해당 조건을 다음 구성에 추가하십시오.

  • 필터 유형: 조건에 '모두 일치하는' 행을 '포함'

  • 조건 1: '온도'가 '30'보다 '낮음'과 일치하는 행

  • 조건 2: '고도'가 '100'보다 '큰'과 일치하는 행

조건이 두 개 이상인 경우 모든 조건과 일치하는 행에 작업 (포함/제외) 을 적용할지 또는 추가한 조건 중 하나와 일치하는 행에 적용할지 선택할 수 있습니다.

위 예시에서는 온도가 30°C 미만이고 고도가 100보다 높은 행을 포함하려고 했기 때문에 모두 일치를 선택했습니다. 온도가 30°C 미만이거나 고도가 100보다 높은 행을 대신 포함하려면 [모두 일치] 를 선택합니다. 여기에는 원본 데이터의 첫 번째 행이 포함되며, 이 행의 온도는 32°C (첫 번째 조건과 일치하지 않음) 이지만 고도는 101 (두 번째 조건과 일치) 이므로 해당 행도 포함됩니다.

유효하지 않거나 불완전하게 구성된 조건은 무시됩니다.

이 다양한 데이터 필터링 변환을 통해 특정 조건에 따라 데이터 포인트를 선택적으로 포함하거나 제외할 수 있습니다. 기준을 사용자 지정하여 고유한 분석 요구 사항에 맞게 데이터 프레젠테이션을 조정할 수 있습니다.

이름을 기준으로 필드를 필터링합니다.

이 변환을 사용하여 쿼리 결과의 일부를 제거할 수 있습니다. 필드 이름을 필터링하는 세 가지 방법이 있습니다.

  • 정규 표현식을 입력합니다.

  • 포함된 필드를 수동으로 선택합니다.

  • 대시보드 변수를 사용하십시오.

정규 표현식 사용

정규 표현식을 사용하여 필터링하는 경우 정규 표현식과 일치하는 필드 이름이 포함됩니다. 예를 들어, 정규 표현식을 사용하면 로 시작하는 'prod.*' 필드만 반환됩니다. prod

정규 표현식에는 구문을 사용하여 보간된 대시보드 변수를 포함할 수 있습니다. ${variableName}

포함된 필드를 수동으로 선택합니다.

필드 이름을 선택하거나 선택 취소하여 결과에서 제거합니다. 정규 표현식도 포함된 경우 해당 표현식과 일치하는 필드는 선택되지 않은 경우에도 포함됩니다.

대시보드 변수 사용

변수를 선택하면 필드를 포함하는 데 사용되는 대시보드 변수를 선택할 수 있습니다. 여러 항목을 선택할 수 있는 대시보드 변수를 설정하면 여러 시각화에 동일한 필드를 표시할 수 있습니다.

이러한 변환을 통해 효과적인 분석 및 시각화에 필요한 특정 필드에 초점을 맞출 수 있도록 쿼리 결과를 유연하게 조정할 수 있습니다.

형식 문자열

이 변환을 사용하여 문자열 필드의 출력을 사용자 지정합니다. 이 변환에는 다음과 같은 필드가 있습니다.

  • 대문자 — 전체 문자열을 대문자로 포맷합니다.

  • 소문자 — 전체 문자열을 소문자로 포맷합니다.

  • 문장 대/소문자 — 문자열의 첫 문자를 대문자로 포맷합니다.

  • 제목 케이스 — 문자열에 있는 각 단어의 첫 문자를 대문자로 포맷합니다.

  • 파스칼 케이스 — 문자열에 있는 각 단어의 첫 글자를 대문자로 포맷하고 단어 사이에 공백을 포함하지 않습니다.

  • 카멜 대소문자 — 첫 단어를 제외하고 문자열에 있는 각 단어의 첫 글자를 대문자로 포맷하고 단어 사이에 공백은 포함하지 않습니다.

  • 스네이크 케이스 - 문자열의 모든 문자를 소문자로 포맷하고 단어 사이에 공백 대신 밑줄을 사용합니다.

  • 케밥 케이스 — 문자열의 모든 문자를 소문자로 포맷하고 단어 사이에 공백 대신 대시를 사용합니다.

  • 다듬기 — 문자열에서 선행 및 후행 공백을 모두 제거합니다.

  • 하위 문자열 — 지정된 시작 및 끝 위치를 사용하여 문자열의 하위 문자열을 반환합니다.

이 변환은 더 나은 시각화와 분석을 위해 문자열 데이터의 표현을 표준화하고 맞춤화할 수 있는 편리한 방법을 제공합니다.

참고

이 변환은 현재 공개 미리 보기 단계에 있습니다. Grafana Labs는 제한적인 지원을 제공하며, 기능이 정식 출시되기 전에 주요 변경 사항이 발생할 수 있습니다.

포맷 타임

이 변환을 사용하여 시간 필드의 출력을 사용자 지정합니다. Moment.js 형식 문자열을 사용하여 출력 형식을 지정할 수 있습니다. 예를 들어 연도 필드의 연도만 표시하려면 형식 문자열 'YYYY'를 사용하여 달력 연도를 표시할 수 있습니다 (예: 1999년 또는 2012년).

변환 전:

Timestamp Event
1636678740000000000 시스템 시작
1636678680000000000 사용자 로그인
1636678620000000000 데이터 업데이트

'YYYY-MM-DD HH:MM:SS'를 적용한 후:

Timestamp Event
2021-11-12 14:25:40 시스템 시작
2021-11-12 14:24:40 사용자 로그인
2021-11-12 14:23:40 데이터 업데이트

이 변환을 통해 시각화의 시간 표현을 사용자 지정하여 시간 데이터를 유연하고 정확하게 표시할 수 있습니다.

참고

이 변환은 Grafana v10과 알파 기능으로 호환되는 작업 공간에서 사용할 수 있습니다.

그룹화 기준

이 변환은 지정된 필드 (열) 값을 기준으로 데이터를 그룹화하고 각 그룹에서 계산을 처리합니다. 선택하면 계산 선택 목록이 표시됩니다.

다음은 원본 데이터의 예입니다.

Time 서버 ID CPU 온도 서버 상태

2020년 7월 7일 오전 11:34:20

서버 1

80

Shutdown

2020년 7월 7일 오전 11:34:20

서버 3

62

정상

2020년 7월 7일 오전 10:32:20

서버 2

90

오버로드

2020년 7월 7일 오전 10:31:22

서버 3

55

정상

2020년 7월 7일 오전 9:30:57

서버 3

62

Rebooting

2020년 7월 7일 오전 9:30:05

서버 2

88

정상

2020년 7월 7일 오전 9:28:06

서버 1

80

정상

2020년 7월 7일 오전 9:25:05

서버 2

88

정상

2020년 7월 7일 오전 9:23:07

서버 1

86

정상

이 변환은 두 단계로 진행됩니다. 먼저 데이터를 그룹화하는 기준으로 사용할 하나 이상의 필드를 지정합니다. 이렇게 하면 필드를 정렬한 것처럼 해당 필드의 모든 동일한 값이 함께 그룹화됩니다. 예를 들어 서버 ID 필드를 기준으로 그룹화하면 다음과 같은 방식으로 데이터가 그룹화됩니다.

Time 서버 ID CPU 온도 서버 상태

2020년 7월 7일 오전 11:34:20

서버 1

80

Shutdown

2020년 7월 7일 오전 9:28:06

서버 1

80

정상

2020년 7월 7일 오전 9:23:07

서버 1

86

정상

2020년 7월 7일 오전 10:32:20

서버 2

90

오버로드

2020년 7월 7일 오전 9:30:05

서버 2

88

정상

2020년 7월 7일 오전 9:25:05

서버 2

88

정상

2020년 7월 7일 오전 11:34:20

서버 3

62

정상

2020년 7월 7일 오전 10:31:22

서버 3

55

정상

2020년 7월 7일 오전 9:30:57

서버 3

62

Rebooting

서버 ID 값이 같은 모든 행은 함께 그룹화됩니다.

데이터를 그룹화할 필드를 선택한 후 다른 필드에 다양한 계산을 추가하고 각 행 그룹에 계산을 적용할 수 있습니다. 예를 들어 각 서버의 평균 CPU 온도를 계산해 볼 수 있습니다. 따라서 CPU 온도 필드에 적용된 평균 계산을 더하면 다음과 같은 결과를 얻을 수 있습니다.

서버 ID CPU 온도 (평균)

서버 1

82

서버 2

88.6

서버 3

59.6

계산을 두 개 이상 추가할 수도 있습니다. 예를 들면 다음과 같습니다.

  • 시간 필드의 경우 마지막 값을 계산하여 각 서버에 대해 마지막 데이터 포인트를 받은 시점을 알 수 있습니다.

  • 서버 상태 필드의 경우 마지막 값을 계산하여 각 서버의 마지막 상태 값을 알 수 있습니다.

  • 온도 필드의 경우 마지막 값을 계산하여 각 서버의 최근 모니터링 온도를 확인할 수도 있습니다.

그러면 다음과 같은 결과가 나옵니다.

서버 ID CPU 온도 (평균) CPU 온도 (마지막) 시간 (마지막) 서버 상태 (마지막)

서버 1

82

80

2020년 7월 7일 오전 11:34:20

Shutdown

서버 2

88.6

90

2020년 7월 7일 오전 10:32:20

오버로드

서버 3

59.6

62

2020년 7월 7일 오전 11:34:20

정상

이 변환을 통해 시계열에서 주요 정보를 추출하여 편리한 방식으로 표시할 수 있습니다.

행렬로 그룹화

이 변환을 사용하여 쿼리 출력의 열, 행 및 셀 값 필드에 대한 입력으로 사용되는 세 필드를 결합하여 행렬을 생성합니다. 행렬은 다음과 같이 계산됩니다.

원본 데이터

서버 ID CPU 온도 서버 상태
서버 1 82 정상
서버 2 88.6 정상
서버 3 59.6 Shutdown

as의 값을 열 이름으로, 값을 행 이름으로, 각 셀의 Server Status CPU Temperature as 함량을 사용하여 행렬을 생성할 수 있습니다. Server ID 기존 열 (Server Status) 및 행 조합 (Server ID) 에 대해 각 셀의 내용이 표시됩니다. 나머지 셀의 경우 표시할 값을 Null, True, False 또는 비어 있음 중에서 선택할 수 있습니다.

출력

서버 ID/서버 상태 정상 Shutdown
서버 1 82
서버 2 88.6
서버 3 59.6

이 변환을 사용하면 쿼리 결과에서 필드를 지정하여 행렬을 만들 수 있습니다. 행렬 출력은 이러한 필드에 있는 고유한 값 간의 관계를 반영합니다. 이를 통해 복잡한 관계를 명확하고 구조화된 매트릭스 형식으로 표시할 수 있습니다.

그룹화하여 중첩된 테이블로

이 변환을 사용하면 지정된 필드 (열) 값을 기준으로 데이터를 그룹화하고 각 그룹에서 계산을 처리할 수 있습니다. 동일한 그룹화된 필드 값을 공유하는 레코드가 생성되어 중첩된 테이블에 표시됩니다.

필드의 통계를 계산하려면 필드 옆의 상자를 선택하고 계산 옵션을 선택합니다. 그러면 선택할 통계가 있는 다른 선택 상자가 추가됩니다.

다음 표는 샘플 데이터를 보여줍니다.

Time 서버 ID CPU 온도 서버 상태

2020년 7월 7일 오전 11:34:20

서버 1

80

Shutdown

2020년 7월 7일 오전 11:34:20

서버 3

62

정상

2020년 7월 7일 오전 10:32:20

서버 2

90

오버로드

2020년 7월 7일 오전 10:31:22

서버 3

55

정상

2020년 7월 7일 오전 9:30:57

서버 3

62

Rebooting

2020년 7월 7일 오전 9:30:05

서버 2

88

정상

2020년 7월 7일 오전 9:28:06

서버 1

80

정상

2020년 7월 7일 오전 9:25:05

서버 2

88

정상

2020년 7월 7일 오전 9:23:07

서버 1

86

정상

이 변환에는 두 단계가 있습니다. 먼저 데이터를 그룹화할 기준으로 사용할 필드를 하나 이상 지정합니다. 이렇게 하면 필드의 모든 동일한 값이 정렬된 것처럼 그룹화됩니다. 예를 들어 Server ID 필드별로 그룹화하면 Grafana는 다음과 같이 데이터를 그룹화합니다.

서버 ID 데이터

서버 1
Time CPU 온도 서버 상태

2020년 7월 7일 오전 11:34:20

80

Shutdown

2020년 7월 7일 오전 9:28:06

80

정상

2020년 7월 7일 오전 9:23:07

86

정상

서버 2
Time CPU 온도 서버 상태

2020년 7월 7일 오전 10:32:20

90

오버로드

2020년 7월 7일 오전 9:30:05

88

정상

2020년 7월 7일 오전 9:25:05

88

정상

서버 3
Time CPU 온도 서버 상태

2020년 7월 7일 오전 11:34:20

62

정상

2020년 7월 7일 오전 10:31:22

55

정상

2020년 7월 7일 오전 9:30:57

62

Rebooting

데이터를 그룹화할 필드를 선택한 후 다른 필드에 다양한 계산을 추가하고 각 행 그룹에 계산을 적용할 수 있습니다. 예를 들어 각 서버의 평균 CPU 온도를 계산하고 싶을 수 있습니다. 이렇게 하려면 CPU 온도 필드에 적용된 평균 계산을 추가하여 다음과 같은 결과를 얻으십시오.

서버 ID CPU 온도 (평균)

서버 1

82
Time 서버 상태

2020년 7월 7일 오전 11:34:20

Shutdown

2020년 7월 7일 오전 9:28:06

정상

2020년 7월 7일 오전 9:23:07

정상

서버 2

88.6
Time 서버 상태

2020년 7월 7일 오전 10:32:20

오버로드

2020년 7월 7일 오전 9:30:05

정상

2020년 7월 7일 오전 9:25:05

정상

서버 3

59.6
Time 서버 상태

2020년 7월 7일 오전 11:34:20

정상

2020년 7월 7일 오전 10:31:22

정상

2020년 7월 7일 오전 9:30:57

Rebooting

히트맵 생성

이 변환을 사용하면 시간 경과에 따른 추세를 시각화할 히스토그램 데이터를 준비할 수 있습니다. 히트맵 시각화와 마찬가지로 이 변환은 히스토그램 메트릭을 시간적 버킷으로 변환합니다.

X 버킷

이 설정은 x축을 버킷으로 분할하는 방법을 결정합니다.

  • 크기 — 입력 필드에 시간 간격을 지정합니다. 예를 들어, 시간 범위를 지정하면 x축에 1시간 너비의 셀이 1h 생성됩니다.

  • 개수 — non-time-related 시리즈의 경우 이 옵션을 사용하여 버킷의 요소 수를 정의합니다.

Y 버킷

이 설정은 y축을 버킷으로 분할하는 방법을 결정합니다.

  • 선형

  • 대수 — 로그 기수 2와 로그 기수 10 중에서 선택합니다.

  • Symlog — 대칭 로그 스케일을 사용합니다. 음수 값을 허용하는 로그 베이스 2와 로그 베이스 10 중에서 선택하십시오.

다음과 같은 데이터셋이 있다고 가정해 보겠습니다.

Timestamp 값
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

  • X 버킷을 로 Size: 15m 설정하고 Y 버킷을 로 설정하면 히스토그램이 값을 x축에서는 15분의 시간 간격으로Linear, y축에서는 선형적으로 값을 구성합니다.

  • X 버킷 Count: 2 as와 Y 버킷 Logarithmic (base 10) as의 경우 히스토그램은 값을 x축에서 2인 버킷으로 그룹화하고 y축에서는 로그 스케일을 사용합니다.

히스토그램(Histogram)

이 변환을 사용하면 입력 데이터를 기반으로 히스토그램을 생성하여 값의 분포를 시각화할 수 있습니다.

  • 버킷 크기 — 버킷에서 가장 낮은 항목과 가장 높은 항목 사이의 범위 (XMin에서 XMax까지).

  • 버킷 오프셋 — 버킷의 오프셋입니다. non-zero-based

  • 시리즈 결합 — 사용 가능한 모든 시리즈를 사용하여 통합 히스토그램을 생성합니다.

원본 데이터

시리즈 1:

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

시리즈 2:

C
5
6
7
8
9

출력

xMin 엑스맥스 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

생성된 히스토그램을 사용하여 값 분포를 시각화하여 데이터의 분산과 밀도에 대한 통찰력을 제공합니다.

필드별 조인

이 변환을 사용하면 여러 결과를 단일 테이블로 병합하여 여러 쿼리의 데이터를 통합할 수 있습니다.

여러 시계열 결과를 공유 시간 필드가 있는 하나의 와이드 테이블로 변환하는 데 특히 유용합니다.

내부 조인

내부 조인은 모든 테이블이 선택한 필드의 동일한 값을 공유하는 여러 테이블의 데이터를 병합합니다. 이 유형의 조인은 모든 결과에서 값이 일치하지 않는 데이터를 제외합니다.

이 변환을 사용하면 여러 쿼리의 결과 (전달된 조인 필드 또는 첫 번째 열에서의 결합) 를 하나의 결과로 결합하고 성공적인 조인이 발생할 수 없는 행은 삭제할 수 있습니다.

다음 예제에서는 두 쿼리가 테이블 데이터를 반환합니다. 내부 조인 변환을 적용하기 전에 두 개의 개별 테이블로 시각화됩니다.

쿼리 A:

Time 작업 업타임

2020년 7월 7일 오전 11:34:20

노드

25260122

2020년 7월 7일 오전 11:24:20

포스트그레

123001233

2020년 7월 7일 오전 11:14:20

포스트 그레

345001233

쿼리 B:

Time Server Errors

2020년 7월 7일 오전 11:34:20

서버 1

15

2020년 7월 7일 오전 11:24:20

서버 2

5

2020년 7월 7일 오전 11:04:20

서버 3

10

내부 조인 변환을 적용한 후의 결과는 다음과 같습니다.

Time 작업 업타임 Server Errors

2020년 7월 7일 오전 11:34:20

노드

25260122

서버 1

15

2020년 7월 7일 오전 11:24:20

포스트그레

123001233

서버 2

5

외부 조인

외부 조인에는 내부 조인의 모든 데이터와 모든 입력에서 값이 일치하지 않는 행이 포함됩니다. 내부 조인은 시간 필드의 쿼리 A와 쿼리 B를 조인하지만 외부 조인은 시간 필드에서 일치하지 않는 모든 행을 포함합니다.

다음 예시에서는 두 쿼리가 테이블 데이터를 반환합니다. 외부 조인 변환을 적용하기 전에 두 개의 테이블로 시각화됩니다.

쿼리 A:

Time 작업 업타임

2020년 7월 7일 오전 11:34:20

노드

25260122

2020년 7월 7일 오전 11:24:20

포스트그레

123001233

2020년 7월 7일 오전 11:14:20

포스트 그레

345001233

쿼리 B:

Time Server Errors

2020년 7월 7일 오전 11:34:20

서버 1

15

2020년 7월 7일 오전 11:24:20

서버 2

5

2020년 7월 7일 오전 11:04:20

서버 3

10

외부 조인 변환을 적용한 후의 결과는 다음과 같습니다.

Time 작업 업타임 Server Errors

2020년 7월 7일 오전 11:04:20

서버 3

10

2020년 7월 7일 오전 11:14:20

포스트 그레

345001233

2020년 7월 7일 오전 11:34:20

노드

25260122

서버 1

15

2020년 7월 7일 오전 11:24:20

포스트그레

123001233

서버 2

5

레이블로 조인

이 변환을 사용하면 여러 결과를 단일 테이블로 조인할 수 있습니다.

이는 여러 시계열 결과를 공유 레이블 필드가 있는 하나의 와이드 테이블로 변환하는 데 특히 유용합니다.

  • 조인 - 사용 가능한 레이블 또는 모든 시계열에 공통된 레이블 간에 조인할 레이블을 선택합니다.

  • 값 — 출력 결과의 이름입니다.

예

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

Time 값
1 10
2 200

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

Time 값
1 10
2 200

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

Time 값
22 22
28 77

Config:

value: 'what'

출력:

cluster job 임시 파일 Speed
A J1 10
A J1 200
B J1 10 22
B J1 200 77

이 변환을 통해 시계열 데이터를 효과적으로 결합 및 구성하여 포괄적인 통찰력을 얻을 수 있습니다.

필드에 레이블을 붙입니다.

이 변환을 사용하면 레이블 또는 태그가 있는 시계열 결과를 테이블로 변환할 수 있습니다. 이 테이블에는 각 레이블의 키와 값이 결과에 포함됩니다. 향상된 데이터 시각화를 위해 레이블을 열 또는 행 값으로 표시합니다.

두 개의 시계열에 대한 쿼리 결과가 주어지면:

  • 시리즈 1 — 라벨Server=Server A, Datacenter=EU

  • 시리즈 2 — 라벨Server=Server B, Datacenter=EU

컬럼 모드에서의 결과는 다음과 같습니다.

Time Server 데이터센터 값

2020년 7월 7일 오전 11:34:20

서버 A

EU

1

2020년 7월 7일 오전 11:34:20

서버 B

EU

2

“행” 모드에서는 각 시리즈에 대한 결과가 표로 표시되며 각 레이블 값이 다음과 같이 표시됩니다.

레이블 값

Server

서버 A

데이터센터

EU
레이블 값

Server

서버 B

데이터센터

EU

값 필드 이름

값 필드 이름으로 서버를 선택한 경우 서버 레이블의 모든 값에 대해 하나의 필드를 얻게 됩니다.

Time 데이터센터 서버 A 서버 B

2020년 7월 7일 오전 11:34:20

EU

1

2

머징 동작

레이블 대 필드 변환기는 내부적으로 두 개의 개별 변환입니다. 첫 번째 함수는 단일 시리즈에 적용되며 레이블을 필드에 추출합니다. 두 번째는 모든 결과를 단일 테이블로 결합하는 병합 변환입니다. 병합 변환은 일치하는 모든 필드에서 결합을 시도합니다. 이 병합 단계는 필수이며 끌 수 없습니다.

이를 설명하기 위해 다음은 레이블이 겹치지 않는 시계열을 반환하는 두 개의 쿼리가 있는 경우를 예로 들어 보겠습니다.

  • 시리즈 1 — 라벨 Server=ServerA

  • 시리즈 2 — 라벨 Datacenter=EU

그러면 먼저 다음과 같은 두 개의 테이블이 생성됩니다.

Time Server 값

2020년 7월 7일 오전 11:34:20

서버 A

10
Time 데이터센터 값

2020년 7월 7일 오전 11:34:20

EU

20

병합 이후:

Time Server 값 데이터센터

2020년 7월 7일 오전 11:34:20

서버 A

10

2020년 7월 7일 오전 11:34:20

20

EU

Limit

이 변환을 사용하면 표시되는 행 수를 제한하여 데이터를 보다 집중적으로 볼 수 있습니다. 이는 대규모 데이터셋을 처리할 때 특히 유용합니다.

다음은 Limit 변환이 데이터 소스의 응답에 미치는 영향을 보여주는 예제입니다.

Time 지표 값

2020년 7월 7일 오전 11:34:20

온도

25

2020년 7월 7일 오전 11:34:20

습도

22

2020년 7월 7일 오전 10:32:20

습도

29

2020년 7월 7일 오전 10:31:22

온도

22

2020년 7월 7일 오전 9:30:57

습도

33

2020년 7월 7일 오전 9:30:05

온도

19

값이 '3'인 한계 변환을 추가한 후의 결과는 다음과 같습니다.

Time 지표 값

2020년 7월 7일 오전 11:34:20

온도

25

2020년 7월 7일 오전 11:34:20

습도

22

2020년 7월 7일 오전 10:32:20

습도

29

이 변환을 통해 가장 관련성이 높은 데이터에 초점을 맞출 수 있도록 데이터를 시각적으로 조정할 수 있습니다.

시리즈/표 병합

이 변환을 사용하면 여러 쿼리의 결과를 단일 결과로 결합할 수 있습니다. 이는 테이블 패널 시각화를 사용할 때 특히 유용합니다. 공유 필드에 동일한 데이터가 포함된 경우 변환은 값을 동일한 행에 병합합니다.

다음은 테이블 데이터를 반환하는 두 쿼리에 시리즈/테이블 병합 변환이 미치는 영향을 보여주는 예시입니다.

쿼리 A:

Time 작업 업타임

2020년 7월 7일 오전 11:34:20

노드

25260122

2020년 7월 7일 오전 11:24:20

포스트그레

123001233

쿼리 B:

Time 작업 Errors

2020년 7월 7일 오전 11:34:20

노드

15

2020년 7월 7일 오전 11:24:20

포스트그레

5

병합 변환을 적용한 후의 결과는 다음과 같습니다.

Time 작업 Errors 업타임

2020년 7월 7일 오전 11:34:20

노드

15

25260122

2020년 7월 7일 오전 11:24:20

포스트그레

5

123001233

이 변환은 쿼리 A와 쿼리 B의 값을 통합 테이블로 결합하여 프레젠테이션을 개선하여 더 나은 통찰력을 제공합니다.

필드를 이름별로 정리하세요.

이 변환을 사용하면 패널에서 단일 쿼리로 반환된 필드의 이름을 바꾸거나, 재정렬하거나, 필드를 숨길 수 있습니다. 이 변환은 단일 쿼리가 있는 패널에서만 작동합니다. 패널에 쿼리가 여러 개 있는 경우 외부 조인 변환을 적용하거나 추가 쿼리를 제거해야 합니다.

필드 변환

Grafana는 쿼리에서 반환된 필드 목록을 표시합니다. 다음을 할 수 있습니다.

  • 필드 순서 변경 — 필드를 목록의 새 위치로 드래그합니다.

  • 필드 숨기기 또는 표시 - 필드 이름 옆의 눈 모양 아이콘을 사용하여 필드의 가시성을 전환할 수 있습니다.

  • 필드 이름 바꾸기 - 이름 바꾸기 상자에 새 이름을 입력합니다.

예

초기 쿼리 결과는 다음과 같습니다.

Time 지표 값
2020-07-07 11:34:20 온도 25
2020-07-07 11:34:20 습도 22
2020-07-07 10:32:20 습도 29

이름 변경 필드 오버라이드를 적용하여 다음을 생성할 수 있습니다.

Time 센서 읽기
2020-07-07 11:34:20 온도 25
2020-07-07 11:34:20 습도 22
2020-07-07 10:32:20 습도 29

이 변환을 통해 쿼리 결과 표시를 맞춤화하여 Grafana에서 데이터를 명확하고 통찰력 있게 표현할 수 있습니다.

값별 파티셔닝

이 변환을 사용하면 서로 다른 WHERE 절을 포함하는 여러 쿼리를 사용하지 않고도 여러 시리즈를 그래프로 표시하는 프로세스를 간소화할 수 있습니다.

참고

이 기능은 Grafana 버전 9 이상과 호환되는 작업 공간에서 사용할 수 있습니다.

이는 다음 예제와 같이 메트릭 SQL 테이블을 사용할 때 특히 유용합니다.

Time 지역 값

2022년 10월 20일 오후 12:00:00

미국

1520

2022년 10월 20일 오후 12:00:00

EU

2936

2022년 10월 20일 오전 1:00:00

미국

1327

2022년 10월 20일 오전 1:00:00

EU

912

값별 분할 변환기를 사용하면 단일 쿼리를 실행하고 선택한 하나 이상의 열 (필드) 에서 고유한 값을 기준으로 결과를 분할할 수 있습니다. 다음 예에는 Region가 사용됩니다.

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

2022년 10월 20일 오후 12:00:00

미국

1520

2022년 10월 20일 오전 1:00:00

미국

1327
Time 지역 값

2022년 10월 20일 오후 12:00:00

EU

2936

2022년 10월 20일 오전 1:00:00

EU

912

이 변환은 프로세스를 단순화하고 동일한 시계열 시각화 내에서 여러 시리즈를 시각화하는 유연성을 향상시킵니다.

시계열 준비

이 변환을 사용하면 데이터 원본이 원하는 시각화와 호환되지 않는 형식으로 시계열 데이터를 반환할 때 발생하는 문제를 해결할 수 있습니다. 이 변환을 통해 와이드 포맷과 롱 포맷 사이에서 시계열 데이터를 변환할 수 있습니다.

멀티프레임 시계열

이 옵션을 사용하여 시계열 데이터 프레임을 와이드 포맷에서 롱 포맷으로 변환할 수 있습니다. 이는 데이터 원본이 시계열 정보를 비주얼리제이션과의 최적의 호환성을 위해 재구성해야 하는 형식으로 제공할 때 특히 유용합니다.

예

이 입력은 다음과 같습니다.

Timestamp Value1 Value2

2023-01-01 00:00:00

10

20

2023-01-01 01:00:00

15

25

다음과 같이 변환될 수 있습니다.

Timestamp 변수 값

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

와이드 타임시리즈

이 옵션을 사용하여 시계열 데이터 프레임을 긴 형식에서 와이드 포맷으로 변환할 수 있습니다. 이는 데이터 원본이 시계열 데이터를 긴 형식으로 제공하고 시각화에 넓은 형식이 필요할 때 특히 유용합니다.

예

이 입력은 다음과 같습니다.

Timestamp 변수 값

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

다음과 같이 변환될 수 있습니다.

Timestamp Value1 Value2

2023-01-01 00:00:00

10

20

2023-01-01 01:00:00

15

25

리듀스

이 변환을 사용하면 데이터 프레임의 각 필드에 계산을 적용하고 단일 값을 반환합니다. 이 변환은 여러 시계열 데이터를 보다 간결하고 요약된 형식으로 통합하는 데 특히 유용합니다. 이 변환을 적용하면 시간 필드가 제거됩니다.

입력 내용을 고려해 보십시오.

쿼리 A:

Time 임시 파일 업타임

2020-07-07 11:34:20

12.3

256122

2020-07-07 11:24:20

15.4

1230233

쿼리 B:

Time AQI Errors

2020-07-07 11:34:20

6.5

15

2020-07-07 11:24:20

3.2

5

리듀스 트랜스포머에는 두 가지 모드가 있습니다.

  • 직렬에서 행으로 — 각 필드에 대해 행을 만들고 각 계산에 대해 열을 하나씩 만듭니다.

  • 필드 줄이기 - 기존 프레임 구조는 유지하지만 각 필드를 단일 값으로 축소합니다.

예를 들어 시리즈에서 행으로의 변환과 함께 첫 번째 및 마지막 계산을 사용한 경우 결과는 다음과 같습니다.

필드 첫 번째 마지막

임시 파일

12.3

15.4

업타임

256122

1230233

AQI

6.5

3.2

Errors

15

5

마지막 계산이 적용된 Reduce 필드의 결과는 각각 행이 하나씩 있는 두 개의 프레임이 생성됩니다.

쿼리 A:

임시 파일 업타임

15.4

1230233

쿼리 B:

AQI Errors

3.2

5

정규식으로 이름 바꾸기

이 변환을 사용하면 정규 표현식과 대체 패턴을 사용하여 쿼리 결과의 일부에 이름을 바꿀 수 있습니다.

역참조를 지원하는 대체 패턴과 함께 일치 항목에만 적용되는 정규 표현식을 지정할 수 있습니다. 예를 들어 호스트별 CPU 사용량을 시각화하고 도메인 이름을 제거하려고 한다고 가정해 보겠습니다. 정규식을 로 설정하고 대체 패턴을 로 ([^\.]+)\..+ $1 설정하면 다음과 같이 됩니다. web-01.example.com web-01

이 변환을 통해 시각화 요구 사항에 맞게 데이터를 맞춤화하여 대시보드를 보다 유용하고 사용자 친화적으로 만들 수 있습니다.

행에서 필드로

이 변환을 사용하여 행을 별도의 필드로 변환할 수 있습니다. 필드에 스타일을 지정하고 개별적으로 구성할 수 있기 때문에 유용할 수 있습니다. 또한 추가 필드를 동적 필드 구성의 소스로 사용하거나 필드 레이블에 매핑할 수 있습니다. 그런 다음 추가 레이블을 사용하여 결과 필드에 더 나은 표시 이름을 정의할 수 있습니다.

이 변환에는 구성 쿼리에서 반환된 데이터의 모든 필드를 나열하는 필드 테이블이 포함됩니다. 이 표를 통해 각 구성 속성에 매핑해야 하는 필드를 제어할 수 있습니다 (Use as 옵션). 반환된 데이터에 여러 행이 있는 경우 선택할 값을 선택할 수도 있습니다.

이 변환에는 다음이 필요합니다.

  • 필드 이름의 소스로 사용할 필드 하나.

    기본적으로 변환은 첫 번째 문자열 필드를 소스로 사용합니다. 대신 사용하려는 필드의 사용 형식 열에서 필드 이름을 선택하여 이 기본 설정을 재정의할 수 있습니다.

  • 하나의 필드를 값 소스로 사용할 수 있습니다.

    기본적으로 변환은 첫 번째 숫자 필드를 소스로 사용합니다. 하지만 대신 사용하려는 필드의 사용 형식 열에서 필드 값을 선택하여 이 기본 설정을 재정의할 수 있습니다.

다음에서 데이터를 시각화할 때 유용합니다.

  • Gauge

  • Stat

  • 파이형 차트

추가 필드를 레이블에 매핑

필드가 구성 속성에 매핑되지 않는 경우 Grafana는 자동으로 해당 필드를 출력 필드의 레이블 소스로 사용합니다.

예제

이름 DataCenter 값

서버A

미국

100

서버 B

EU

200

출력:

서버 A (레이블 DataCenter: 미국) 서버 B (라벨: DataCenter: EU)

100

200

이제 필드 표시 이름에 추가 레이블을 사용하여 더 완전한 필드 이름을 제공할 수 있습니다.

한 쿼리에서 구성을 추출하여 다른 쿼리에 적용하려면 쿼리 결과 변환의 구성을 사용해야 합니다.

예

입력:

이름 값 최대

서버 A

10

100

서버 B

20

200

서버 C

30

300

출력:

서버 A (구성: 최대=100) 서버 B (구성: 최대=200) 서버 C (구성: 최대=300)

10

20

30

보시다시피 소스 데이터의 각 행은 별도의 필드가 됩니다. 이제 각 필드에 최대 구성 옵션도 설정되어 있습니다. 최소, 최대, 단위 및 임계값과 같은 옵션은 모두 필드 구성의 일부이며, 이렇게 설정하면 패널 편집기 옵션 창에서 수동으로 구성한 옵션 대신 시각화에서 사용됩니다.

이 변환을 통해 행을 개별 필드로 변환하고, 동적 필드 구성을 용이하게 하고, 추가 필드를 레이블에 매핑할 수 있습니다.

시리즈에서 행으로

이 변환을 사용하면 여러 시계열 데이터 쿼리의 결과를 단일 결과로 결합할 수 있습니다. 이는 테이블 패널 시각화를 사용할 때 유용합니다.

이 변환의 결과에는 시간, 지표, 값이라는 세 개의 열이 포함됩니다. 지표 열이 추가되어 지표의 출처가 어디인지 쉽게 확인할 수 있습니다. 소스 쿼리에 레이블을 정의하여 이 값을 사용자 지정합니다.

아래 예제에는 시계열 데이터를 반환하는 두 개의 쿼리가 있습니다. 변환을 적용하기 전에 두 개의 개별 테이블로 시각화됩니다.

쿼리 A:

Time 온도

2020-07-07 11:34:20

25

2020-07-07 10:31:22

22

2020-07-07 09:30:05

19

쿼리 B:

Time 습도

2020-07-07 11:34:20

24

2020-07-07 10:32:20

29

2020-07-07 09:30:57

33

다음은 시리즈를 행에 적용한 변환의 결과입니다.

Time 지표 값

2020-07-07 11:34:20

온도

25

2020-07-07 11:34:20

습도

22

2020-07-07 10:32:20

습도

29

2020-07-07 10:31:22

온도

22

2020-07-07 09:30:57

습도

33

2020-07-07 09:30:05

온도

19

이러한 변환을 통해 여러 시계열 쿼리의 결과를 쉽게 통합할 수 있으며, 효율적인 분석 및 시각화를 위한 간소화되고 통합된 데이터 세트를 표 형식으로 제공할 수 있습니다.

정렬 기준

이 변환을 사용하면 지정된 필드를 기준으로 쿼리 결과 내의 각 프레임을 정렬하여 데이터를 더 쉽게 이해하고 분석할 수 있습니다. 원하는 필드를 정렬하도록 구성하면 테이블 또는 시각화에 데이터가 표시되는 순서를 제어할 수 있습니다.

역방향 스위치를 사용하여 지정된 필드 내의 값을 역순으로 정렬할 수 있습니다. 이 기능은 분석 요구 사항에 맞게 오름차순과 내림차순 사이를 빠르게 전환하려는 경우에 특히 유용합니다.

예를 들어 데이터 원본에서 시계열 데이터를 검색하는 시나리오에서는 분석 요구 사항에 따라 정렬 기준 변환을 적용하여 타임스탬프를 기준으로 데이터 프레임을 오름차순 또는 내림차순으로 정렬할 수 있습니다. 이 기능을 사용하면 시계열 데이터를 쉽게 탐색하고 해석하여 체계적이고 시각적으로 일관된 프레젠테이션에서 귀중한 통찰력을 얻을 수 있습니다.

공간

이 변환을 사용하여 쿼리 결과에 공간 연산을 적용할 수 있습니다.

  • 작업 — 작업 선택:

    • 공간 필드 준비 - 다른 필드의 결과를 기반으로 지오메트리 필드를 설정합니다.

      • 위치 모드 - 위치 모드를 선택합니다 (이 옵션은 값 계산 및 변환 모드에서 공유됨).

        • 자동 - 기본 필드 이름을 기반으로 위치 데이터를 자동으로 식별합니다.

        • 좌표 — 위도 및 경도 필드를 지정합니다.

        • 지오해시 — 지오해시 필드를 지정합니다.

        • 조회 — 가제트 위치 필드를 지정합니다.

    • 값 계산 — 지오메트리를 사용하여 새 필드 (제목/거리/면적) 를 정의합니다.

      • 함수 — 지오메트리에 적용할 수학 연산을 선택합니다.

        • 헤딩 — 두 점 사이의 방향 (방향) 을 계산합니다.

        • 면적 — 지오메트리에 의해 정의된 폴리곤으로 둘러싸인 면적을 계산합니다.

        • 거리 — 두 점 사이의 거리를 계산합니다.

    • 변환 — 공간 연산을 지오메트리에 적용합니다.

      • 작업 — 지오메트리에 적용할 연산을 선택합니다.

        • As line — 각 행에 꼭짓점이 있는 단일 라인 피처를 생성합니다.

        • 라인 빌더 — 두 점 사이에 선을 생성합니다.

이 변환을 통해 지리공간 데이터를 조작 및 분석할 수 있으며, 점 간 선 생성, 공간 속성 계산 등과 같은 작업을 수행할 수 있습니다.

시계열을 테이블로 변환

이 변환을 사용하면 시계열 결과를 테이블로 변환하고 시계열 데이터 프레임을 트렌드 필드로 변환할 수 있습니다. 그런 다음 스파크라인 셀 유형을 사용하여 트렌드 필드를 렌더링하여 각 테이블 행에 인라인 스파크라인을 생성할 수 있습니다. 시계열 쿼리가 여러 개 있는 경우 각 쿼리는 별도의 테이블 데이터 프레임을 생성합니다. 조인 또는 병합 변환을 사용하여 이러한 변수를 결합하여 행당 스파크라인이 여러 개 있는 단일 테이블을 생성할 수 있습니다.

생성된 각 트렌드 필드 값에 대해 계산 함수를 선택할 수 있습니다. 기본값은 null이 아닌 마지막 값입니다. 이 값은 스파크라인 옆에 표시되며 테이블 행을 정렬하는 데 사용됩니다.

회귀 분석

이 변환을 사용하여 통계 모델에서 예측한 값을 포함하는 새 데이터 프레임을 만들 수 있습니다. 이는 혼란스러운 데이터에서 추세를 찾는 데 유용합니다. 선형 회귀 또는 다항식 회귀를 사용하여 수학 함수를 데이터에 맞추는 방식으로 작동합니다. 그런 다음 데이터 프레임을 시각화에 사용하여 추세선을 표시할 수 있습니다.

다음과 같은 두 가지 모델이 있습니다.

  • 선형 회귀 — 선형 함수를 데이터에 맞춥니다.

  • 다항식 회귀 — 다항식 함수를 데이터에 맞춥니다.

참고

이 변환은 현재 공개 미리보기 중입니다. Grafana Labs는 제한적인 지원을 제공하며, 기능이 정식 출시되기 전에 주요 변경 사항이 발생할 수 있습니다.