問題タブ [metric]

Kibana には、次のようなインデックスがあります。

• type（弦）
• value（弦）
• timestamp（日にち）

たとえば、「バッテリー」に等しい最新のvalueフィールドを示すビジュアライゼーションが必要です。type

ビジュアライゼーションを「メトリック」に似たものにしたいのですが、もちろん、数値ではなくテキストの文字列を表示します。

これはキバナで可能ですか？そうでない場合、どうすれば同様の結果を得ることができますか?

curl コマンドで Nagios エージェントを使用して、JMX ポートからメトリックを取得しました。構文は次のとおりです。

私はJavaで同じことをしたいです。

2 つの信号空間 S1 と S2 があり、それぞれに数百、おそらく数千の信号が含まれているとします。S1 は、特定のシステム (飛行機、自動車など) によって送受信されるすべての信号であり、S2 は、システム内のサブシステムのソフトウェア モジュールによって送受信されるすべての信号です。各信号には、信号名、サイクル時間、電圧などの多数のプロパティの特定のセットがあります。

ここで、S1 の各信号が S2 に少なくとも 1 つの表現を持っているかどうか、つまり、S1 の信号のすべてのプロパティが S2 の信号のすべてのプロパティと等しいかどうかを確認したいと思います。信号とそのプロパティを反復処理して、どこかに同等の信号があるかどうかを確認できるため、これは最初は簡単に思えました。しかし、両側 (S1 信号と S2 信号) で間違った仕様が存在する可能性があることが判明したため、一緒に属する信号ペアをそのように識別することはできません。

例：

K1 = {名前:= CAN_1234_UHV; 電圧:= 0.8 mV; サイクル=100ms}

D1 = {名前:= CAN_1234_UH; 電圧:= 0.8mV; サイクル=100ミリ秒}

人間は、いくつかの綴りの誤りはあるものの、これら 2 つの信号が非常によく適合することを非常に簡単に理解できます。

だから私がしたことは、各プロパティの文字列の距離メトリックを計算し、この特定のプロパティが他の信号の同じプロパティと等しいという特定の確率に類似性をマッピングし、平均を計算して信号を次のように分類するアルゴリズムを考案することですこの確率が特定のしきい値に達すると等しい。

特定のプロパティが信号空間で非常に一般的な値を持っているため、2 つの信号が等しいと分類される可能性があるため、これはひどい結果をもたらしました。したがって、次のステップは、これらのプロパティを重み付けすることです (信号を識別するには、サイクル時間よりも信号名の方が適しています)。

良い結果が得られる確率と重みがよくわからないため、このプロセス全体は非常に恣意的なものに思えます。機械学習アルゴリズムは、トレーニング データから確率と重みを導き出すことができるため、この問題は機械学習アルゴリズムによって解決できるのではないかと感じています。

したがって、結論として、機械学習アルゴリズムを使用して信号を「十分に類似している」と識別し、それらを等しいと分類できるようにすることは実現可能でしょうか。この質問に一般的に答えることはできないことは承知していますが、私は「直感」と「正しい方向への微調整」にもっと興味があります。

前もって感謝します

Kademlia は XOR メトリックを使用します。とりわけ、これにはいわゆる「単方向」特性があります (= 任意の点 x と距離 e>0 に対して、d(x,y)=e となる点 y が 1 つだけ存在します)。

最初の質問は一般的な質問です。メトリックのこのプロパティは Kademlia の機能にとって重要ですか、それとも特定のノードからの圧力を明らかにするのに役立つだけのものですか (元の論文が示唆しているように)。言い換えれば、メトリックを変更したい場合、「一方向」のメトリックも付属することがどれほど重要なのでしょうか?

2 番目の質問は、メトリックの具体的な変更に関するものです。ノード識別子 (アドレス) が X ビットの数値であると仮定すると、次のメトリックのいずれかが Kademlia で機能しますか?

1. d(x,y) = abs(x-y)
2. d(x,y) = abs(x-y) + 1/(x xor y)

最初のメトリックは単に数値の差を提供するため、ノード ID 100 の場合、ID 90 と 110 のノードは同じ距離にあるため、これは単方向のメトリックではありません。2 番目のケースでは、1/(x xor y) を追加することを修正します。ここで、(x xor y) は単方向であることがわかっているため、1/(x xor y) を使用するとこのプロパティが保持されます。

したがって、ノード ID 100 の場合、ノード ID 90 はd(100,90) = 10 + 1/62であり、ノード ID 110 からの距離は ですd(100,110) = 10 + 1/10。

sklearn パッケージをダウンロードした後、すでにモジュールにある他のメトリックと同じように、クラスタ フォルダーの監視対象.py およびinit .py とメトリック フォルダーのinit .py に純度メトリックを追加して、sklearn メトリック モジュールに純度メトリックを追加しました。しかし、パッケージ python をインストールすると、これ以外のすべてのメトリックが認識されます。

AttributeError: 'module' object has no attribute 'purity_score

SonarQube Scanner 2.8 を使用した phpunit カバレッジ レポートの解析中に、次のメッセージでエラーが発生しました。

前もって感謝します、

バージョン:

エラーログ: