为数据分配自定义状态
问题
您可能想使用monitor包，并利用像monitor.stateChangesOnly()这样的函数。然而，monitor.stateChangesOnly()只允许您监控四种状态：“crit”、“warn”、“ok”和“info”。如果您想能够分配和监控自定义状态或超过四种状态的状态变化呢？
解决方案
定义您自己的自定义 stateChangesOnly() 函数。使用这里的源代码中的函数，并对其进行修改以适应超过四个级别。在这里，我们考虑六个不同的级别，而不仅仅是四个。
import "dict"
import "experimental"
stateChangesOnly = (tables=<-) => {
levelInts =
[
"customLevel1": 1,
"customLevel2": 2,
"customLevel3": 3,
"customLevel4": 4,
"customLevel5": 5,
"customLevel6": 6,
]
return
tables
|> map(fn: (r) => ({r with level_value: dict.get(dict: levelInts, key: r._level, default: 0)}))
|> duplicate(column: "_level", as: "____temp_level____")
|> drop(columns: ["_level"])
|> rename(columns: {"____temp_level____": "_level"})
|> sort(columns: ["_source_timestamp", "_time"], desc: false)
|> difference(columns: ["level_value"])
|> filter(fn: (r) => r.level_value != 0)
|> drop(columns: ["level_value"])
|> experimental.group(mode: "extend", columns: ["_level"])
}
使用 array.from() 构造一些示例数据，并将自定义级别映射到其中:
array.from(
rows: [
{_value: 0.0},
{_value: 3.0},
{_value: 5.0},
{_value: 7.0},
{_value: 7.5},
{_value: 9.0},
{_value: 11.0},
],
)
|> map(
fn: (r) =>
({r with _level:
if r._value <= 2.0 then
"customLevel2"
else if r._value <= 4.0 and r._value > 2.0 then
"customLevel3"
else if r._value <= 6.0 and r._value > 4.0 then
"customLevel4"
else if r._value <= 8.0 and r._value > 6.0 then
"customLevel5"
else
"customLevel6",
}),
)
示例数据如下：
| 值 | 级别 |
|---|---|
| 0.0 | 自定义级别2 |
| 3.0 | 自定义级别3 |
| 5.0 | 自定义级别4 |
| 7.0 | 自定义级别5 |
| 7.5 | 自定义级别5 |
| 9.0 | 自定义级别6 |
| 11.0 | 自定义级别6 |
现在应用我们的自定义 stateChangesOnly() 函数：
import "array"
import "dict"
import "experimental"
stateChangesOnly = (tables=<-) => {
levelInts =
[
"customLevel1": 1,
"customLevel2": 2,
"customLevel3": 3,
"customLevel4": 4,
"customLevel5": 5,
"customLevel6": 6,
]
return
tables
|> map(fn: (r) => ({r with level_value: dict.get(dict: levelInts, key: r._level, default: 0)}))
|> duplicate(column: "_level", as: "____temp_level____")
|> drop(columns: ["_level"])
|> rename(columns: {"____temp_level____": "_level"})
|> sort(columns: ["_source_timestamp", "_time"], desc: false)
|> difference(columns: ["level_value"])
|> filter(fn: (r) => r.level_value != 0)
|> drop(columns: ["level_value"])
|> experimental.group(mode: "extend", columns: ["_level"])
}
data =
array.from(
rows: [
{_value: 0.0},
{_value: 3.0},
{_value: 5.0},
{_value: 7.0},
{_value: 7.5},
{_value: 9.0},
{_value: 11.0},
],
)
|> map(
fn: (r) =>
({r with _level:
if r._value <= 2.0 then
"customLevel2"
else if r._value <= 4.0 and r._value > 2.0 then
"customLevel3"
else if r._value <= 6.0 and r._value > 4.0 then
"customLevel4"
else if r._value <= 8.0 and r._value > 6.0 then
"customLevel5"
else
"customLevel6",
}),
)
data
|> stateChangesOnly()
这将返回：
| 值 | 级别 |
|---|---|
| 3.0 | 自定义级别3 |
| 5.0 | 自定义级别4 |
| 7.0 | 自定义级别5 |
| 9.0 | 自定义级别6 |