Quiver 시계열 집계
Quiver 집계는 한 시계열의 시간 창, 여러 시계열의 같은 시점 또는 조건으로 나눈 구간을 대상으로 합니다. 어떤 시간 범위를 하나의 집계 단위로 삼는지 구분합니다.
기본 집계값
단일 시계열과 구간 집계에서 사용하는 기본 선택은 다음과 같습니다.
| 집계 | 시간 창 또는 구간 안의 계산 |
|---|---|
| Sum | 모든 점의 값 합 |
| Mean | 모든 점의 값 평균 |
| Standard deviation | 모든 점의 표준편차 |
| Max | 최댓값 |
| Min | 최솟값 |
| Difference | 마지막 값에서 첫 값을 뺀 차이 |
| Relative difference | 첫 값을 기준으로 마지막 값의 변화 비율 |
| Product | 모든 점의 값 곱 |
| Count | 점의 수 |
| First | 첫 점의 값 |
| Last | 마지막 점의 값 |
Time-weighted average와 Integral도 단일 시계열 및 구간 집계에서 사용할 수 있습니다. 이 두 선택의 계산 방식은 시간 가중 집계에서 설정합니다.
단일 시계열 집계
연속된 시계열 하나에서 시간 창마다 값 하나를 계산합니다. 위의 기본 11가지와 시간 가중 평균 및 Integral을 합쳐 13가지 집계를 지원합니다.
| 카드 | 시간 창 |
|---|---|
| Cumulative aggregate | 각 입력 점에서 시계열 시작부터 현재 점까지 포함 |
| Periodic aggregate | 고정 길이의 연속된 창. 관측이 없는 창은 출력하지 않음 |
| Rolling aggregate | 현재 관측 시각을 포함하며 지정한 길이만큼 이어지는 이동 창. 오래된 점은 창 밖으로 나가면 제외 |
| Time series numeric aggregation | 입력 시계열 전체를 하나의 창으로 집계 |
| Time series scatter plot | 주기 집계를 사용하여 대응점 구성 |
| Bollinger bands | 이동 집계를 사용하여 밴드 구성 |
특정 기간의 단일 지표가 필요하면 먼저 시계열을 시간 범위로 필터링하고 Time series numeric aggregation에 전달합니다. 구체적인 과정은 지표 계산에 설명되어 있습니다.
여러 시계열의 같은 시점 집계
여러 연속 시계열을 정렬하고 각 시각에 시계열별 값 하나를 결합합니다. 지원하는 집계는 다음 여섯 가지입니다.
| 집계 | 같은 시각의 입력값 계산 |
|---|---|
| Sum | 모든 시계열 값의 합 |
| Mean | 모든 시계열 값의 평균 |
| Standard deviation | 시계열 사이 값의 표준편차 |
| Max | 가장 큰 값 |
| Min | 가장 작은 값 |
| Product | 모든 시계열 값의 곱 |
Linear aggregation과 Linked series aggregation에서 사용합니다. Time series formula에서도 수학 연산자로 이 중 여러 계산을 표현할 수 있습니다. 시간 가중 평균과 Integral은 이 다중 시계열 집계의 선택지가 아닙니다.
구간별 집계
Filter time series로 만든 구간 시계열에서는 각 구간마다 집계값 하나를 계산합니다. 구간 시작 시각의 점은 포함하고 끝 시각의 점은 제외합니다.
기본 11가지와 시간 가중 평균 및 Integral에 다음 두 가지를 더하여 15가지 집계를 지원합니다.
| 추가 집계 | 계산과 단위 |
|---|---|
| Duration | 구간 길이. 해당 시계열에 구성된 시간 정밀도를 사용하며 일반적으로 밀리초 |
| Rate change | 마지막 값과 첫 값의 차이를 구간 길이로 나눈 값. 분모의 시간 단위도 해당 시계열의 정밀도를 사용하며 일반적으로 밀리초 |
Segment statistics와 Event statistics에서 이 구간 집계를 사용합니다. Rate change를 해석할 때는 시간 단위를 확인합니다. 초당 변화율로 정규화하는 별도의 미분 연산과 단위를 같다고 가정하지 않습니다.
시간 가중 집계
일반 집계는 점마다 같은 가중치를 줍니다. 시간 가중 집계는 값이 유지되는 길이를 반영하므로 불규칙한 간격으로 기록한 센서나 다음 갱신까지 유지되는 값에 적합합니다.
| 집계 | 계산 |
|---|---|
| Time-weighted average | 창 또는 구간의 곡선 아래 넓이를 해당 시간 길이로 나눈 평균 |
| Integral | 창 또는 구간의 곡선 아래 넓이 |
단일 시계열 및 구간 집계에서 이 두 항목을 선택하면 Integration method와 Bounds interpolation 옵션이 나타납니다.
Integration method
| 방법 | 인접 관측 사이의 값 |
|---|---|
| Linear | 두 점을 직선으로 연결하고 사다리꼴 넓이를 계산 |
| Left-hand side (LHS) | 앞쪽 관측값을 다음 관측까지 유지. 해당 시각부터 값이 적용되는 모델 |
| Right-hand side (RHS) | 뒤쪽 관측값을 이전 관측까지 거슬러 적용. 해당 시각에 끝난 구간을 나타내는 모델 |
별도의 Integral 카드도 같은 적분 방법을 제공합니다.
Bounds interpolation
기본적으로 창 안의 관측점 사이 넓이만 계산합니다. 창 경계와 가까운 내부 관측 사이가 비면 그 부분은 계산에 포함되지 않습니다. 경계가 관측 시각과 맞지 않는 경우에는 경계 보간 방식을 정할 수 있습니다.
| 방법 | 경계값 구성 |
|---|---|
| None | 기본값. 경계까지 확장하지 않고 내부 관측 사이의 넓이만 계산 |
| Linear | 창 밖과 안의 인접 점을 선형 보간하여 경계값 도출 |
| Nearest | 경계 양쪽에서 가장 가까운 점의 값 사용 |
| Previous | 이전 점의 값을 경계까지 유지 |
| Next | 다음 점의 값을 경계까지 거슬러 적용 |
None 이외의 방법을 사용하면 각 경계와 가장 가까운 내부 관측 사이도 보간한 경계값을 이용하여 집계에 포함합니다.