Esta función está en vista previa. Para activar esta función, ponte en contacto con el asesor de clientes.
Por defecto, toda consulta de métrica en Datadog consta de dos capas de agregación. Las consultas anidadas permiten reutilizar los resultados de una consulta anterior en otra posterior.
Las consultas anidadas desbloquean varias funciones potentes:
En Datadog, cada consulta de métrica en Datadog se evalúa con dos capas de agregación: primero temporal y luego espacial. La agregación multicapa permite aplicar capas adicionales de agregación temporal o espacial. Para más información sobre la agregación, consulta la anatomía de una consulta de métrica.
Agregación temporal multicapa
Accede a la agregación temporal multicapa con la función rollup. Cada consulta de métrica ya contiene un rollup inicial (agregación temporal) que controla el nivel de detalle de los puntos de datos mostrados en el gráfico. Para más información, consulta la documentación rollup.
Puedes aplicar capas adicionales de agregación temporal con rollups posteriores.
El primer rollup admite los siguientes agregadores:
prom.
sum
mín.
máx.
count
Las capas adicionales proporcionadas por la agregación temporal multicapa admiten los siguientes agregadores temporales:
prom.
sum
mín.
máx.
count
arbitrary percentile pxx (p78, p99, p99.99, etc.)
stddev
La agregación temporal multicapa puede utilizarse con las siguientes funciones:
Cualquier función que no figure en la lista anterior no puede combinarse con la agregación temporal multicapa.
Consulta de ejemplo de agregación temporal
Esta consulta calcula primero el uso medio de la CPU para cada instancia de EC2 agrupado por env y team, agrupado en intervalos de 5 minutos. A continuación, se aplica la agregación temporal multicapa para calcular el percentil 95 en tiempo de esta consulta anidada en intervalos de 30 m.
Agregación espacial multicapa
Después de especificar etiquetas en tu primera capa de agregación espacial para agrupar por, accede a la agregación espacial multicapa con la función Group By.
Puedes aplicar capas adicionales de agregación espacial con Group Bys posteriores.
Nota: Si no especificas etiquetas para agrupar en tu capa de agregación espacial inicial, la agregación espacial multicapa no estará disponible.
La primera capa de agregación espacial admite los siguientes agregadores:
avg by
sum by
min by
max by
Capas adicionales de soporte de agregación espacial:
avg by
sum by
min by
max by
arbitrary percentile pXX (p75, p99, p99.99, etc.)
stddev by
La agregación espacial multicapa puede utilizarse con las siguientes funciones:
Funciones compatibles
Descripción
Operadores aritméticos +, -, *, /
Funciones de cambio temporal <METRIC_NAME>{*}, -<TIME_IN_SECOND> hour_before(<METRIC_NAME>{*}) day_before(<METRIC_NAME>{*}) week_before(<METRIC_NAME>{*}) month_before(<METRIC_NAME>{*})
Cualquier función que no figure en la lista anterior no puede combinarse con la agregación espacial multicapa.
Todas las agregaciones espaciales, con la excepción de las agregaciones espaciales percentiles, tienen un argumento, que es la clave o las claves de etiqueta por las que deseas agrupar. Las agregaciones espaciales percentiles requieren dos argumentos:
El percentil arbitrario pXX
Las etiquetas para agrupar por
Consultas de ejemplo de agregación espacial
Esta consulta inicial, avg:aws.ec2.cpuutilization{*} by {env,host}.rollup(avg, 300) calcula la suma del uso medio de la CPU, agrupado por env y host cada 5 minutos. A continuación, se aplica la agregación espacial multicapa para calcular el valor máximo del uso medio de la CPU por env.
En la interfaz de usuario o la pestaña JSON, tendría el siguiente aspecto:
Percentiles y desviación típica de los counts, rates y gauges agregados
Puedes utilizar la agregación multicapa (temporal y espacial) para consultar los percentiles y la desviación estándar de las consultas en counts, rates y gauges. Te permiten comprender mejor la variabilidad y la dispersión de tus grandes conjuntos de datos y te permiten identificar mejor outliers.
Nota: Los agregadores de percentiles o desviaciones estándar en las consultas anidadas se calculan utilizando los resultados de una métrica count, rate o gauge existente y agregada. Para obtener percentiles globalmente precisos que se calculen sobre valores brutos no agregados de una métrica, utiliza en su lugar métricas de distribución.
Percentiles en la consulta de ejemplo de agregación temporal multicapa
Podemos utilizar percentiles en la agregación temporal multicapa para resumir los resultados de nuestra consulta anidada (uso medio de la CPU por env y team cada 5 minutos) calculando el valor p95 de esta consulta anidada cada 30 minutos.
Percentiles en la consulta de ejemplo de agregación espacial multicapa
Podemos utilizar percentiles en la agregación espacial multicapa para resumir los resultados de nuestra consulta anidada (uso medio de la CPU por env y team cada 5 minutos) calculando el valor p95 de esta consulta anidada para cada valor único de env.
En la interfaz de usuario o la pestaña JSON, tendría el siguiente aspecto:
Consulta de ejemplo de desviación estándar
La desviación estándar ayuda a medir la variabilidad o dispersión de un conjunto de datos. La siguiente consulta utiliza la desviación estándar con agregación temporal multicapa para calcular la desviación estándar de nuestra consulta anidada (suma de counts de solicitudes a la API, promediada en 4 horas) en periodos más largos de doce horas:
En la interfaz de usuario o la pestaña JSON, tendría el siguiente aspecto:
Consultas de mayor resolución en periodos históricos
Cada consulta de métrica contiene una capa inicial de agregación temporal (rollup) que controla el nivel de detalle de los puntos de datos mostrados. Datadog proporciona intervalos rollup por defecto que aumentan a medida que crece el marco temporal global de la consulta. Las consultas anidadas permiten acceder a datos más detallados y de mayor resolución en periodos históricos más largos.
Ejemplo de consulta de mayor resolución
Históricamente, cuando se consultaba una métrica durante el último mes, se veían los datos con un nivel de detalle de 4 horas por defecto. Puedes utilizar consultas anidadas para acceder a datos de mayor detalle en este periodo histórico. Aquí encontrarás un ejemplo de consulta graficada sobre el mes pasado donde el recuento de lotes de consulta se despliega inicialmente en intervalos de 5 minutos. A continuación, se aplica la agregación temporal multicapa para calcular la desviación estándar en el tiempo de esta consulta anidada en intervalos de 4 horas para obtener un gráfico más legible.
Nota: Datadog recomienda que definas tu rollup inicial con el intervalo rollup más detallado y utiliza la agregación temporal multicapa con intervalos rollup más amplios para obtener gráficos más legibles para el usuario.
En la interfaz de usuario o la pestaña JSON, tendría el siguiente aspecto:
Rollup en movimiento
Datadog proporciona un función moving_rollup que permite la agregación de puntos de datos en un periodo especificado. Para más información, consulta moving-rollup. Mediante el uso de consultas anidadas, puedes ampliar su funcionalidad para incorporar el modo de vista histórica, lo que te permite analizar puntos de datos más allá del periodo de consulta original. Esto proporciona una visión más completa de las tendencias y patrones de tu consulta a lo largo del periodo especificado.
La versión actual de la función moving_rollup sólo admite los siguientes agregadores:
prom.
sum
mín.
máx.
median
Al anidar consultas, sólo puede utilizarse la versión en modo visión histórica de la función moving_rollup. Esta versión de la función admite los siguientes agregadores:
prom.
sum
mín.
máx.
count
count by
arbitrary percentile pxx (p78, p99, p99.99, etc.)
stddev
Movimiento máximo de rollup con el modo de visión histórica activado
Al anidar estas moving_rollups, los intervalos rollup proporcionados deben hacerse más grandes como se muestra en la interfaz de usuario o la pestaña JSON:
Desviación estándar de moving rollup con el modo de visión histórica activado
También puedes utilizar percentiles y desviación estándar con la nueva función moving rollup, que admite el modo de visión histórica y permite el anidamiento de moving rollups con el modo de visión histórica activado.
En la interfaz de usuario o la pestaña JSON, tendría el siguiente aspecto:
Funciones de reasignación de umbral booleano
La reasignación de funciones permite refinar y transformar los resultados de las consultas en función de condiciones específicas, ampliando la funcionalidad de monitorización y el análisis. Las consultas anidadas desbloquean las tres nuevas siguientes funciones:
