FoundryTS Python 참조
FoundryTS는 Foundry의 시계열 저장소를 질의하는 Python 라이브러리입니다. 시계열 계산을 지연 질의로 구성하고 필요한 결과를 평가합니다. Spark 출력은 클러스터에 작업을 분산할 수 있으며 pandas 출력은 결과를 로컬 메모리로 가져옵니다.
사용 환경은 Code Repositories와 Code Workbook입니다. 라이브러리 설치, 객체 유형 및 동기화 입력과 프로젝트 참조는 FoundryTS 사용 설정을 따릅니다. 시계열 속성, 동기화와 센서의 관계는 시계열 개요에 설명되어 있습니다.
질의와 결과 모델
- FoundryTS 클라이언트는 실행 환경에서 백엔드 세션을 구성하고 온톨로지 검색을 제공합니다.
- FunctionNode는 원시 또는 변환된 시계열의 지연 질의입니다. 다른 시계열 계산을 계속 연결할 수 있습니다.
- SummarizerNode는 통계나 분포 같은 최종 요약을 표현합니다. 결과를 Python 객체나 DataFrame으로 평가합니다.
- NodeCollection은 여러 시계열 또는 요약 노드를 묶어 함수 적용과 결과 결합을 수행합니다.
- Interval은 시작을 포함하고 끝을 제외하는 시간 구간과 메타데이터를 나타냅니다.
온톨로지에서 TSP 참조
Object에 객체 유형 ID를 주고 id 메서드에 객체 기본 키를 전달하면 FoundryObject를 얻습니다. 이어서 TSP의 속성 ID를 선택하면 시계열 노드를 만들 수 있습니다. 이 API의 유형 ID와 속성 ID는 온톨로지의 API Name이나 RID와 구분합니다.
평가 시점과 사용량
시계열 노드 구성과 변환 연결은 지연 계산입니다. to_pandas, to_dataframe 같은 평가 메서드를 호출하면 실제 결과를 조회합니다. 시계열의 길이, 시간 범위와 계산 구조에 따른 질의 컴퓨트 사용량을 고려하여 평가 범위를 정합니다.
시계열 입력
series는 저장된 series ID에서 참조를 만들고, points는 시각과 값을 직접 지정한 점 집합을 만듭니다.
온톨로지 검색
Search는 객체 속성값으로 시계열 참조를 찾습니다. ontology 함수로 검색용 Property를 만들며, 검색 범위와 반환할 TSP 및 복합 속성 옵션을 지정할 수 있습니다.
값과 시간 변환
| 목적 | 함수 |
|---|---|
| 값의 배율과 이동 | scale, value_shift |
| 시각 이동과 범위 선택 | time_shift, time_range |
| 유한하지 않은 값 제외 | skip_nonfinite |
| 초당 변화율과 누적 적분 | derivative, integral |
| 첫 관측, 마지막 관측과 양끝 시각 | first_point, last_point, time_extent |
이전 코드의 timestamp_scale은 현재 시계열을 변경하지 않으며 사용 중단이 진행 중입니다.
집계
mean과 sum은 여러 입력에서 같은 시각에 존재하는 값을 결합합니다. 한 시계열의 시간 구간을 집계할 때는 cumulative_aggregate, rolling_aggregate 또는 periodic_aggregate를 사용합니다.
불규칙한 관측 간격을 반영하려면 time_weighted 명세를 집계에 전달합니다. statistics는 구간별 관측 수, 평균, 극값과 표준편차 등을 요약합니다.
보간, 수식과 사용자 코드
interpolate는 관측 시각을 맞추고 지정한 간격으로 재표본화합니다. dsl은 시계열 수식을, udf는 최종 DataFrame에 적용할 Python 함수를 구성합니다. unit_conversion은 지원 단위 사이에서 숫자 값을 변환합니다.
기존의 where는 0 여부에 따라 값을 선택하는 API이며 사용 중단이 진행 중입니다.
회귀, 분포와 조건 구간
linear_regression, exponential_regression, polynomial_regression은 시계열에 곡선을 적합합니다. scatter는 두 시계열의 값을 정렬하고 그 관계를 회귀로 분석할 수 있습니다.
distribution은 값의 분포를 버킷으로 요약합니다. time_series_search는 조건이 참인 시간 구간을 찾아 구간별 통계를 반환합니다.