ktm metrics correlate
Détecter les relations entre métriques : corrélation, changement de distribution, décalage
Détecter les relations entre métriques : corrélation, changement de distribution, décalage
Utilisation
ktm metrics correlate [flags]Exemples
# Quick correlation (default)
ktm metrics correlate --operator acme --query "SELECT mean(duration_seconds) FROM test WHERE time > now() - 24h GROUP BY time(1h)" --query "SELECT mean(response_time) FROM action WHERE time > now() - 24h GROUP BY time(1h)"
# Full analysis with lag detection
ktm metrics correlate --operator acme --mode full --query "SELECT mean(duration_seconds) FROM test WHERE time > now() - 7d GROUP BY time(1h)" --query "SELECT count(error) FROM event WHERE time > now() - 7d GROUP BY time(1h)"
# Distribution shift only (which metrics changed?)
ktm metrics correlate --operator acme --mode shift --queries '["SELECT mean(duration_seconds) FROM test WHERE time > now() - 7d GROUP BY time(1h)", "SELECT mean(response_time) FROM action WHERE time > now() - 7d GROUP BY time(1h)"]'Flags
| Flag | Type | Défaut | Description |
|---|---|---|---|
--mode | string | quick | Mode d'analyse : quick (corrélation uniquement), full (corrélation + shift + lag), shift (changement de distribution uniquement) |
--operator | string | Slug de l'opérateur (= nom de base de données InfluxDB) | |
--queries | string | Tableau JSON de chaînes de requêtes InfluxQL | |
--query | string[] | Requête InfluxQL (répétable, utilisez plusieurs flags --query au lieu du JSON --queries) |
Détails
Exécute 2 à 10 requêtes InfluxQL et détecte les relations entre métriques.
Fournissez les requêtes via --query (répétable) ou --queries (tableau JSON). Les requêtes sont exécutées en parallèle et alignées par horodatage.
3 modes d'analyse (--mode) : quick (défaut) : corrélation Spearman/Pearson par paire + p-values. Répond à : « ces métriques sont-elles corrélées ? » full : ajoute la détection de changement de distribution KS par requête et le scan de décalage (50 pas). Répond à : « ont-elles changé ensemble ? » et « l'une cause-t-elle l'autre ? » shift : changement de distribution KS par requête uniquement (pas de corrélation par paire). Répond à : « quelles métriques ont changé récemment ? »
Utilisez des intervalles GROUP BY time() identiques pour un meilleur alignement.
IMPORTANT : les measurements par type d'action (ethernet_, cellular_, smartphone_*) ne contiennent que les données des tests utilisant ces types d'actions. Ce ne sont PAS des métriques d'infrastructure. Vérifiez quels monitors alimentent un measurement avant de corréler : SHOW TAG VALUES FROM "<measurement>" WITH KEY = "monitoring_name" Pour comprendre ce que fait un monitor : ktm monitors list puis ktm monitors get --id <id>. Les measurements peuvent aussi contenir des données orphelines de monitors supprimés. Vérifiez la fraîcheur : SELECT last(duration_seconds), time FROM "<measurement>"
Voir aussi
Les flags globaux (--output, --debug, --host, ...) s'appliquent à toutes les commandes. Voir la présentation de la référence des commandes.
Et ensuite ?
Last updated on