다음을 통해 공유

함수 라이브러리

  • 아티클

적용 대상: ✅Microsoft Fabric✅✅

다음 문서에는 UDF(사용자 정의 함수)의 범주별 목록이 포함되어 있습니다.

사용자 정의 함수 코드는 문서에 제공됩니다. 쿼리에 포함된 let 문 내에서 사용하거나 .create function.

사이버 보안 기능

함수 이름 설명
detect_anomalous_new_entity_fl() 타임스탬프가 지정된 데이터에서 비정상적인 새 엔터티의 모양을 검색합니다.
detect_anomalous_spike_fl() 타임스탬프가 지정된 데이터의 숫자 변수에서 비정상적인 급증의 모양을 검색합니다.
graph_path_discovery_fl() 그래프 데이터(에지 및 노드)를 통해 관련 엔드포인트(원본 및 대상) 간에 유효한 경로를 검색합니다.

일반 함수

함수 이름 설명
geoip_fl() IP 주소의 지리적 정보를 검색합니다.
get_packages_version_fl() Python 엔진 및 지정된 패키지의 버전 정보를 반환합니다.

기계 학습 함수

함수 이름 설명
dbscan_fl() DBSCAN 알고리즘을 사용하여 클러스터화하면 기능이 별도의 열에 있습니다.
dbscan_dynamic_fl() DBSCAN 알고리즘을 사용하여 클러스터화하면 기능이 단일 동적 열에 있습니다.
kmeans_fl() K-평균 알고리즘을 사용하여 클러스터화하면 기능이 별도의 열에 있습니다.
kmeans_dynamic_fl() K-평균 알고리즘을 사용하여 클러스터화하면 기능이 단일 동적 열에 있습니다.
predict_fl() 기존의 학습된 기계 학습 모델을 사용하여 예측합니다.
predict_onnx_fl() ONNX 형식으로 학습된 기존 기계 학습 모델을 사용하여 예측합니다.

플롯 함수

다음 섹션에는 대화형 플롯 차트를 렌더링하는 함수가 포함되어 있습니다.

함수 이름 설명
plotly_anomaly_fl() Plotly 템플릿을 사용하여 변칙 차트를 렌더링합니다.
plotly_gauge_fl() Plotly 템플릿을 사용하여 계기 차트를 렌더링합니다.
plotly_scatter3d_fl() Plotly 템플릿을 사용하여 3D 분산형 차트를 렌더링합니다.

PromQL 함수

다음 섹션에는 일반적인 PromQL 함수가 포함되어 있습니다. 이러한 함수는 Prometheus 모니터링 시스템에서 데이터베이스에 수집된 메트릭을 분석하는 데 사용할 수 있습니다. 모든 함수는 데이터베이스의 메트릭이 Prometheus 데이터 모델을 사용하여 구조화되어 있다고 가정합니다.

함수 이름 설명
series_metric_fl() Prometheus 데이터 모델과 함께 저장된 시계열을 선택하고 검색합니다.
series_rate_fl() 초당 카운터 메트릭 증가의 평균 비율을 계산합니다.

계열 처리 함수

함수 이름 설명
quantize_fl() 메트릭 열을 정량화합니다.
series_clean_anomalies_fl() 계열의 변칙을 보간된 값으로 대체합니다.
series_cosine_similarity_fl() 두 숫자 벡터의 코사인 유사성을 계산합니다.
series_dbl_exp_smoothing_fl() 계열에 이중 지수 평활 필터를 적용합니다.
series_dot_product_fl() 두 숫자 벡터의 점 곱을 계산합니다.
series_downsample_fl() 정수 계수별 다운샘플 시계열입니다.
series_exp_smoothing_fl() 계열에 기본 지수 평활 필터를 적용합니다.
series_fit_lowess_fl() LOWESS 메서드를 사용하여 로컬 다항식 계열에 맞습니다.
series_fit_poly_fl() 회귀 분석을 사용하여 다항을 계열에 맞춥니다.
series_fbprophet_forecast_fl() Prophet 알고리즘을 사용하여 시계열 값을 예측합니다.
series_lag_fl() 계열에 지연 필터를 적용합니다.
series_monthly_decompose_anomalies_fl() 월별 계절성이 있는 계열에서 변칙을 검색합니다.
series_moving_avg_fl() 계열에 이동 평균 필터를 적용합니다.
series_moving_var_fl() 계열에 이동 분산 필터를 적용합니다.
series_mv_ee_anomalies_fl() 타원형 봉투 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다.
series_mv_if_anomalies_fl() 격리 포리스트 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다.
series_mv_oc_anomalies_fl() 한 클래스 SVM 모델을 사용하는 계열에 대한 다변량 변칙 검색입니다.
series_rolling_fl() 계열에 롤링 집계 함수를 적용합니다.
series_shapes_fl() 긍정/부정 추세를 감지하거나 계열에서 점프합니다.
series_uv_anomalies_fl() 일변량 변칙 검색 Cognitive Service API를 사용하여 시계열에서 변칙을 검색합니다.
series_uv_change_points_fl() 일변량 변칙 검색 Cognitive Service API를 사용하여 시계열의 변경 지점을 검색합니다.
time_weighted_avg_fl() 앞으로 채우기 보간을 사용하여 메트릭의 시간 가중 평균을 계산합니다.
time_weighted_avg2_fl() 선형 보간을 사용하여 메트릭의 시간 가중 평균을 계산합니다.
time_weighted_val_fl() 선형 보간을 사용하여 메트릭의 시간 가중치 값을 계산합니다.
time_window_rolling_avg_fl() 일정한 기간 동안 메트릭의 롤링 평균을 계산합니다.

통계 및 확률 함수

함수 이름 설명
bartlett_test_fl() Bartlett 테스트를 수행합니다.
binomial_test_fl() 이항 테스트를 수행합니다.
comb_fl() C(n, k)(n개 중 k개 항목을 선택할 때의 조합 수)를 계산합니다.
factorial_fl() n!을 계산합니다. 이 인수는 n입니다.
ks_test_fl() 콜모고로프 스미르노프 테스트를 수행합니다.
levene_test_fl()n Levene 테스트를 수행합니다.
normality_test_fl() Normality 테스트를 수행합니다.
mann_whitney_u_test_fl() Mann-Whitney U 테스트를 수행합니다.
pair_probabilities_fl() 범주 변수 쌍에 대한 다양한 확률 및 관련 메트릭을 계산합니다.
pairwise_dist_fl() 여러 명목 변수와 숫자 변수를 기반으로 엔터티 간의 쌍별 거리를 계산합니다.
percentiles_linear_fl() 가장 가까운 순위 간의 선형 보간을 사용하여 백분위수 계산
perm_fl() n에서 k 항목을 선택하는 순열 수인 P(n, k)를 계산합니다.
two_sample_t_test_fl() 두 샘플 t-테스트를 수행합니다.
wilcoxon_test_fl() Wilcoxon 테스트를 수행합니다.

텍스트 분석

함수 이름 설명
log_reduce_fl() 텍스트 로그에서 일반적인 패턴을 찾아 요약 테이블을 출력합니다.
log_reduce_full_fl() 텍스트 로그에서 일반적인 패턴을 찾아 전체 테이블을 출력합니다.
log_reduce_predict_fl() 학습된 모델을 적용하여 텍스트 로그에서 일반적인 패턴을 찾고 요약 테이블을 출력합니다.
log_reduce_predict_full_fl() 학습된 모델을 적용하여 텍스트 로그에서 일반적인 패턴을 찾고 전체 테이블을 출력합니다.
log_reduce_train_fl() 텍스트 로그에서 일반적인 패턴을 찾아 모델을 출력합니다.