Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Conexión con orígenes de datos de Enterprise
Los siguientes orígenes de datos son compatibles con los espacios de trabajo que se han actualizado a los complementos de Amazon Managed Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Los complementos de Enterprise se actualizan periódicamente. Esto incluye tanto las actualizaciones de los complementos existentes como, a veces, los nuevos orígenes de datos. Es posible que la siguiente documentación no incluya todos los orígenes de datos disponibles. Para obtener una lista de los complementos de Enterprise actuales compatibles con los complementos de Amazon Managed Grafana Enterprise, consulte [Grafana Enterprise plugins](https://grafana.com/docs/plugins/) en la *documentación de Grafana*.
En el caso de los espacios de trabajo compatibles con la versión 9 y posteriores, los orígenes de datos de Enterprise no se instalan de forma predeterminada. Debe instalar el complemento del origen de datos correcto. Puede instalar complementos para todos los orígenes de datos de Enterprise, incluidos los que no figuran aquí. También puede optar por actualizar la versión de un complemento que ya tenga instalado. Para más información sobre la administración de complementos, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
**Topics**
+ [AppDynamics](appdynamics-AMG-datasource.md)
+ [Databricks](AMG-databricks-datasource.md)
+ [Datadog](AMG-datadog-datasource-plugin.md)
+ [Dynatrace](dynatrace-AMG-datasource.md)
+ [GitLab](gitlab-AMG-datasource.md)
+ [Honeycomb](honeycomb-AMG-datasource.md)
+ [Jira](jira-AMG-datasource.md)
+ [MongoDB](AMG-mongodb-datasource.md)
+ [New Relic](new-relic-data-source.md)
+ [Oracle Database](oracle-datasource-AMG.md)
+ [Salesforce](salesforce-AMG-datasource.md)
+ [SAP HANA](saphana-AMG-datasource.md)
+ [ServiceNow](grafana-enterprise-servicenow-datasource.md)
+ [Snowflake](snowflake-datasource-for-AMG.md)
+ [Splunk](splunk-datasource.md)
+ [Splunk Infrastructure Monitoring](AMG-datasource-splunkinfra.md)
+ [Wavefront](wavefront-datasource-for-AMG.md)
# Conectarse a una fuente AppDynamics de datos
La fuente de AppDynamics datos de Amazon Managed Grafana le permite consultar métricas AppDynamics mediante su API de métricas y visualizarlas en los paneles de Grafana.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Nota sobre la configuración del origen de datos
Utilice el acceso al servidor (proxy) (para evitar que CORS y los usuarios busquen su contraseña) y la autenticación básica. Recuerde que el nombre de usuario debe ser “usuario@cuenta” (es decir, su.nombre@cliente1 o mi\$1usuario@nombre\$1cuenta\$1saas).
Configure la contraseña con los pasos siguientes:
1. [Navegue hasta /subscripciones https://accounts.appdynamics.com](https://accounts.appdynamics.com/subscriptions)
1. Elija el enlace en la columna **Nombre** de la fila de su suscripción.
1. Navegue hasta **Detalles de la licencia** seleccionando la pestaña situada en la parte superior de la página.
1. El campo Clave de acceso tiene un botón **Mostrar**. Pulse el botón **Mostrar** para mostrar la clave de acceso.
1. Copie la clave de acceso en el campo Contraseña de los detalles básicos de autenticación en la página de configuración de Grafana.
Configure un usuario y un rol para Amazon Managed Grafana siguiendo estos pasos.
1. En AppDynamics, vaya a Configuración, Administración.
1. Seleccione la pestaña **Roles** y pulse el botón “\$1” para crear un nuevo rol; por ejemplo, `grafana_readonly.`.
1. En la pestaña **Cuenta** de la sección Crear rol, agregue el permiso `View Business Flow`.
1. En la pestaña **Aplicaciones**, marque la casilla **Ver** para permitir que Grafana vea los datos de la aplicación.
1. En la pestaña **Bases de datos**, marque la casilla **Ver** para permitir que Grafana vea los datos de la base de datos.
1. En la pestaña **Análisis**, marque la casilla **Puede ver los datos de todas las aplicaciones** para permitir que Grafana vea los datos de análisis de las aplicaciones.
1. En la pestaña **Usuarios** de la página Administración, cree un nuevo usuario; por ejemplo, `grafana`. Asigne al nuevo usuario (o a un grupo al que pertenezca el usuario) al rol que acaba de crear; por ejemplo, `grafana_readonly`.
## Plantillas
Las consultas de plantilla compatibles por ahora son las siguientes:
1. `Applications` (todas las aplicaciones)
1. `AppName.BusinessTransactions`(Todo BTs para el nombre de la aplicación)
1. `AppName.Tiers` (todos los niveles del nombre de la aplicación)
1. `AppName.Nodes` (todos los nodos del nombre de la aplicación)
1. `AppName.TierName.BusinessTransactions`(Todo BTs para un nivel específico)
1. `AppName.TierName.Nodes` (todos los nodos de un nivel específico)
1. `AppName.Path.` (se puede especificar cualquier ruta de métrica)
## Claves de las leyendas
El valor predeterminado de la clave de la leyenda puede ser bastante largo, pero este formato se puede personalizar.
La clave de la leyenda puede ir precedida del nombre de la aplicación seleccionando la opción `App on legend`. Por ejemplo: `MyApp - Overall Application Performance|Average Response Time (ms)`.
Si la consulta es para un panel de una sola estadística o para otro panel en el que no puede ver la clave de la leyenda, elija la opción Mostrar metadatos para ver cuál es la clave de la leyenda (también denominada alias) de la consulta.
La lista desplegable Leyenda tiene tres opciones: `Full Path` `Segments` y `Custom`.
### Opción de leyenda: ruta completa
La clave de la leyenda es la ruta de métrica completa; por ejemplo, `Overall Application Performance|Average Response Time (ms)`.
### Opción de leyenda: segmentos
El nombre de la métrica se compone de segmentos. Puede elegir qué segmentos desea mostrar.
Por ejemplo, con un nombre de métrica:
`Errors|mywebsite|Error|Errors per Minute`
Si se introduce `2,4` en el campo Segmentos, se devuelve `mywebsite|Errors per minute`.
La indexación comienza por 1, por lo que `1` devuelve `Errors`.
### Opción de leyenda: personalizada
Cree una leyenda personalizada combinando texto con los siguientes patrones de alias para poder mezclar metadatos de métricas.
+ `{{app}}` devuelve el nombre de la aplicación.
+ `{{1}}` devuelve un segmento de la ruta de métrica.
Por ejemplo, la métrica `Overall Application Performance|Average Response Time (ms)` tiene dos segmentos. `{{1}}` devuelve el primer segmento y `{{2}}` devuelve el segundo segmento.
Ejemplos de patrones de claves de la leyenda y de las claves de la leyenda que se generan:
+ `custom legend key` => `custom legend key`
+ `App: {{app}} MetricPart2: {{2}}` => `App: myApp MetricPart2: Average Response Time (ms)`
# Conexión a un origen de datos de Databricks
El origen de datos de Databricks le permite consultar y visualizar los datos de Databricks en Amazon Managed Grafana. Incluye un editor de SQL para formatear y codificar con colores sus consultas.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Cómo agregar un origen de datos de Databricks
Siga estos pasos para agregar un origen de datos de Databricks en la consola de Grafana.
**Cómo agregar un origen de datos de Databricks**
1. Elija el icono de Grafana en el encabezado superior para abrir el menú lateral.
1. En el menú lateral, en el enlace **Paneles**, seleccione **Orígenes de datos**.
**nota**
Si no ve el enlace **Orígenes de datos**, no tiene el rol de `Admin` de Grafana.
1. Elija el botón **\$1 Agregar origen de datos** en el encabezado superior.
1. Seleccione **Databricks** en la lista desplegable **Tipo**.
**nota**
Si no ve la opción Databricks y la necesita, debe actualizar a Grafana Enterprise.
1. Elija las opciones para conectarse a sus datos y editarlos.
## Notas sobre el uso del origen de datos de Databricks
**Serie temporal**
Las visualizaciones de series temporales se pueden seleccionar al agregar un campo `datetime` a la consulta. Este campo se usará como marca de tiempo para la serie. Si el campo no incluye una zona horaria específica, Grafana asumirá que la hora es UTC.
**Series temporales multilínea**
Para crear una visualización de series temporales multilínea, la consulta debe incluir al menos tres campos en el orden siguiente.
1. Un campo `datetime` con el alias `time`.
1. Un valor para `GROUP BY`.
1. Uno o más valores de métricas para la visualización.
A continuación, se muestra un ejemplo de una consulta que devolverá opciones de series temporales multilínea.
```
SELECT log_time AS time, machine_group, avg(disk_free) AS avg_disk_free
FROM mgbench.logs1
GROUP BY machine_group, log_time
ORDER BY log_time
```
# Conexión a un origen de datos de Datadog
El origen de datos de Datadog le permite visualizar datos del servicio de supervisión de Datadog en Amazon Managed Grafana.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## De uso
### Almacenamiento en caché
En el caso de paneles de gran tamaño, en los que se hacen muchas consultas, es posible limitar la frecuencia mediante la API de Datadog (alcanzar el número máximo de llamadas a la API por hora que permite la API de Datadog). La característica de almacenamiento en caché almacena en caché consultas únicas durante 60 segundos. Este intervalo se puede cambiar para que sea más largo o más corto en la página de configuración.
### Editor de consultas
Es fácil: seleccione la agregación y la métrica. Si desea filtrar el resultado, seleccione una o más etiquetas.
El origen de datos de Datadog admite todas las funciones avanzadas que admite el editor de consultas de Datadog. Selecciónelo en la lista desplegable y organícelo eligiendo un nombre de función.
**Posibilidades de uso del campo Alias por**:
+ Introduzca el alias en el campo “Alias por”.
+ Utilice variables de ámbito específico:
+ `$__metric` = se reemplaza por el nombre de la métrica.
+ `$__display_name` = se reemplaza por el nombre de la métrica.
+ `$__expression` = se reemplaza por la expresión de una métrica completa.
+ `$__aggr` = se reemplaza por una función de agregación de una métrica (por ejemplo, avg, max, min, sum).
+ `$__scope` = se reemplaza por el ámbito de una métrica (por ejemplo, region, site, env, host)
+ Use expresiones regulares:
+ Introduzca su expresión regular en el campo RegExp «Alias» en `/you regexp here/flags` formato.
+ Si el campo «Alias por» está vacío, RegExp los resultados se unirán utilizando. Ejemplo con la expresión métrica =`avg:system.load.5{*}`: Entrada de campo «Alias por»: Entrada de campo «" "Alias» RegExp: `avg:(.+)\.(\d)` Resultado: `system.load, 5`
+ Utilice variables `$` en el campo “Alias por”. Ejemplo con expresión métrica =`avg:system.load.5{*}`: Entrada de campo «Alias por»: entrada de campo `$1: $2 seconds` RegExp «Alias»: `avg:(.+)\.(\d)` Resultado: `system.load: 5 seconds`
+ Utilice `$0` para obtener la expresión completa. Ejemplo con expresión métrica =`datadog.dogstatsd.packet.count{*}`: Entrada de campo «Alias por»: entrada de campo `Expression: $0` RegExp «Alias»: `DOGstatsd\.(.*)\.(.*){\*}/i` Resultado: `Expression: datadog.dogstatsd.packet.count{*}`
Nota: Aparecerá un error al utilizar un número de grupo inexistente.
#### Aritmética de métricas
Para usar la aritmética de métricas, defina *Tipo de consulta* en *Aritmética*. Vincule a la métrica que desee con el signo `#`. Por ejemplo, `#A * 2` duplicará el resultado de la consulta `A`. La aritmética entre dos métricas funciona de la misma manera: agregue consultas con los resultados que quiera usar para el cálculo y, a continuación, vincule estas métricas en la tercera consulta, por ejemplo `#A / #B`.
### Anotaciones
Una anotación es un evento que se superpone sobre los gráficos; un ejemplo de un evento es una implementación o una interrupción. Con este origen de datos, puede obtener eventos de Datadog y superponerlos en gráficos en Amazon Managed Grafana. Los eventos de anotaciones se pueden filtrar por origen, etiqueta o prioridad.
### Plantillas
Existen varias opciones para obtener los valores de la variable de la plantilla: métricas y etiquetas. Para obtener la lista de métricas disponibles, especifique `*` en el campo *Consulta*.
Para devolver todas las etiquetas, utilice el valor: `tag` o `scope`.
Para devolver las etiquetas de un grupo de etiquetas especificado, utilice uno de los siguientes valores de categoría predeterminados:
+ `host`
+ `device`
+ `env`
+ `region`
+ `site`
+ `status`
+ `version`
Para grupos de etiquetas personalizados, simplemente ingrese el nombre del grupo de etiquetas. Por ejemplo, si el nombre de su grupo de etiquetas personalizado es `subscription_name`, ingréselo en el campo *Consulta*.
Filtre los resultados mediante el campo *Expresión regular*. Cuando se utilizan etiquetas, se admiten variables con varios valores; varios valores de etiquetas seleccionados se convertirán en una lista de etiquetas separadas por comas.
#### Filtros ad hoc
Hay un nuevo tipo especial de variable de plantilla en Grafana llamado *Filtros ad hoc*. Esta variable se aplicará a *todas* las consultas de Datadog en un panel. Esto permite usarla como un filtro rápido. Una variable ad hoc para Datadog busca todos los pares de clave-valor de las etiquetas (por ejemplo, `region:east, region:west`) y los utiliza como etiquetas de consulta. Para crear esta variable, seleccione el tipo *Filtros ad hoc* y elija su origen de datos de Datadog. Puede establecer cualquier nombre para esta variable.
# Conexión a un origen de datos de Dynatrace
Fuente de datos para [https://www.dynatrace.com/](https://www.dynatrace.com). Para usar este origen de datos, debe tener una cuenta de Dynatrace.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
**Limitaciones conocidas**
Las variables de plantilla no se pueden seleccionar de forma múltiple. Solo se admite una selección.
Solo APIs se admiten las métricas v2.
## Características
### Características principales
+ Variables de plantilla
+ Nombres de métricas
+ Solo selección única (**sin selección múltiple**)
+ Filtros ad hoc
+ Anotaciones
+ No se admiten actualmente
+ Uso de alias
+ Nombres de métricas
+ Agregación
+ Nombre de visualización
+ Host
+ Description (Descripción)
+ Alertas
+ Compatibilidad completa con las alertas
### Características específicas de Dynatrace
Admite métricas integradas y personalizadas mediante la API de métricas de la versión 2 de Dynatrace. Para obtener más información, consulte la documentación de Dynatrace: [Metrics API v2](https://www.dynatrace.com/support/help/dynatrace-api/environment-api/metric-v2/) y [Metric ingestion](https://www.dynatrace.com/support/help/how-to-use-dynatrace/metrics/metric-ingestion/).
Según la métrica, la API puede admitir opciones de transformación adicionales.
## Permisos de Dynatrace
Necesitará los siguientes permisos en Dynatrace: permiso para leer métricas con la versión 2 de la API (metrics.read) y permiso para leer entidades con la versión 2 de la API (entities.read).
## Obtención de una clave de API de Dynatrace
Para configurar un token de API, consulte [Dynatrace API - Tokens and authentication](https://www.dynatrace.com/support/help/dynatrace-api/basics/dynatrace-api-authentication/?api-token%3C-%3Epersonal-access-token=api-token)
Establezca los permisos `metrics.read` y `entities.read` de su token de API.
### Configuración
1. Elija **Configuración/Orígenes de datos** en la interfaz de usuario del servidor lógico de Grafana y elija **Agregar origen de datos**.
1. En la página **Agregar origen de datos**, filtre por **Dynatrace** y seleccione el complemento Dynatrace.
1. La configuración de un origen de datos de Dynatrace requiere los siguientes parámetros:
+ `Name`: nombre que desea aplicar al origen de datos de Dynatrace (predeterminado: Dynatrace).
+ `Dynatrace API Type`: tipo de instancia de Dynatrace a la que se está conectando. Es `SaaS` o `Managed Cluster`.
+ `Dynatrace API Token`: este es el token de API que generó en el paso anterior.
Las dos configuraciones siguientes dependen de si es Dynatrace (SaaS) o administrado:
+ En un ejemplo de SaaS de `yfc55578.live.dynatrace.com`, su **ID de entorno** sería `yfc55578`.
+ En el ejemplo administrado de `yd8888.managed-sprint.dynalabs.io/e/abc99984-3af2-55tt-72kl-0672983gc45`, su **ID de entorno** sería `abc99984-3af2-55tt-72kl-0672983gc45` y su **dominio** sería `yd8888.managed-sprint.dynalabs.io`.
1. Una vez establecidos todos los valores de configuración, elija **Guardar y probar** para validar la configuración y guardar los cambios.
### Consulta del origen de datos
Utilice el editor de consultas para consultar las métricas y los problemas de Dynatrace. El tipo de consulta puede ser `metric` o `problem`.
**Tipo de consulta de métrica**
+ `Metric`: seleccione la métrica que desee ver. Para volver a obtener la lista de métricas de Dynatrace, seleccione el botón **Actualizar**.
+ `Aggregations`: seleccione la agregación que desee usar para una métrica específica. Elija el valor de agregación para cambiar el tipo de agregación o elija **\$1** para agregar otra agregación.
+ `Transformations`: puede seleccionar transformaciones en el editor de consultas. A continuación, ingrese una serie de parámetros en la transformación seleccionada. Actualmente, solo se admite la transformación de fusión. Para obtener más información sobre las transformaciones de fusión, consulte [Merge transformation](https://www.dynatrace.com/support/help/dynatrace-api/environment-api/metric-v2/metric-selector/#merge-transformation).
+ `Filters`: el origen de datos de Dynatrace consulta dinámicamente los filtros adecuados para cada métrica. Para agregar un filtro, elija el símbolo **\$1** situado junto a la etiqueta **Filtros** en el editor de consultas de Dynatrace, seleccione el campo que desee filtrar, seleccione el operador que desee utilizar y, a continuación, seleccione un valor por el que filtrar. El origen de datos de Dynatrace le permite crear grupos de filtros que puede unir para crear comparaciones lógicas complejas. En la mayoría de los casos de uso, los grupos de filtros no son necesarios. Al crear filtros con etiquetas, independientemente de la conjunción seleccionada, Dynatrace siempre usará AND. Dynatrace no admite filtros OR con etiquetas.
+ `Alias`: hay dos tipos diferentes de alias que encontrará al utilizar el origen de datos de Dynatrace. El primero es un alias estático. Hay un alias de este tipo disponible en todas las consultas que cree y el nombre del alias comienza por una letra minúscula. El segundo es un alias dinámico, que cambia en función de la métrica que utilice en la consulta, y el nombre del alias comienza por una letra mayúscula. El complemento de Dynatrace admite varios alias diferentes: `Metric Names`, `Aggregation`, `Display Name`, `Host` y `Description`.
| Name | Valor |
| --- | --- |
| \$1name | integrado: apps.other. keyUserActions. reportedErrorCount.os |
| \$1aggregation | auto,value |
| \$1displayName | Recuento de errores notificados (por acción clave del usuario, sistema operativo) [móvil, personalizado] |
**Tipo de consulta de problemas**
+ `Problem Query Type`: seleccione un tipo de consulta de problemas. Actualmente, solo se admite el tipo de consulta de problemas con la fuente. Para obtener información sobre el tipo de consulta relacionada con el problema de la fuente, consulte [Merge transformation](https://www.dynatrace.com/support/help/dynatrace-api/environment-api/metric-v2/metric-selector/#merge-transformation).
+ `Status Filter`: filtre los problemas resultantes por estado.
+ `Impact Filter`: filtre los problemas resultantes por nivel de impacto.
+ `Severity Filter`: filtre los problemas resultantes por nivel de gravedad.
+ `Expand Details`: incluya los eventos relacionados con la respuesta, si están definidos.
#### Uso de variables de plantilla
Para agregar una nueva variable de consulta de Dynatrace, consulte [Add a new template variable](variables-types.md#add-a-query-variable). Utilice su origen de datos de Dynatrace como origen de datos para las siguientes consultas disponibles:
+ `Query type`: seleccione un tipo de consulta. El tipo de consulta asocia algunos datos a alguna clave o descriptor.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/grafana/latest/userguide/dynatrace-AMG-datasource.html)
+ `Regex`: (opcional) filtre cualquiera de los valores devueltos por la consulta con una expresión regular.
**nota**
`Multi-value` y `Include All option` actualmente no son compatibles con el origen de datos de Dynatrace.
Después de crear una variable, puede encontrarla en el menú desplegable **Métricas**.
##### Importación de un panel para Dynatrace
Para importar un panel, consulte [Importación de un panel](dashboard-export-and-import.md#importing-a-dashboard). Los paneles importados se encuentran en **Configuración** > **Orígenes de datos** > seleccione su origen de datos de Dynatrace > seleccione la pestaña **Paneles** para ver los paneles prediseñados disponibles.
# Conectarse a una fuente GitLab de datos
La fuente de GitLab datos le permite realizar un seguimiento de GitLab estadísticas detalladas, como los principales contribuyentes, las confirmaciones por día o las implementaciones por día. También puede usar variables de plantilla, como los proyectos, para configurar filtros para sus paneles. Puede combinar los datos de la GitLab API con datos de otras fuentes.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Limitaciones conocidas
Este complemento aún no admite las alertas porque las transformaciones no se admiten en las consultas de alertas y las transformaciones son la única forma de obtener métricas agregadas significativas a partir de los datos sin procesar de la GitLab API.
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
1. Seleccione una **GitLab**de las fuentes de datos de la lista.
1. Introduzca la información siguiente:
+ En **Nombre**, introduzca un nombre para esta fuente GitLab de datos.
+ En **URL**, introduce la URL raíz de la GitLab instancia, por ejemplo**https://gitlab.com/api/v4**.
+ Para el **token de acceso**, introduce tu token de acceso GitLab personal.
## Consulte la fuente GitLab de datos
En el editor de GitLab consultas, puede seleccionar distintos tipos de recursos, como confirmaciones, incidencias o publicaciones.
**Filtro y visualización de proyectos**
1. En el menú desplegable, seleccione **Proyectos**.
1. (Opcional) Filtre por los proyectos que son de su propiedad.
1. Use el menú desplegable y seleccione **Sí** o **No** para filtrar los resultados.
**nota**
Buscar todos los proyectos **Propio = No** puede llevar mucho tiempo.
**Filtro y visualización de confirmaciones**
1. En el menú desplegable, seleccione **Confirmaciones**.
1. Use el campo de entrada para agregar el ID del proyecto.
1. (Opcional) Para filtrar por, branch/tag usa el campo de entrada para agregar una branch/tag referencia.
**Filtrado y visualización de problemas**
1. En el menú desplegable, seleccione **Problemas**.
1. Use el campo de entrada para agregar el ID del proyecto.
1. (Opcional) Para filtrar por título o descripción, use el campo de entrada para buscar problemas en función de su **título** y **descripción**.
**Visualización de versiones**
1. En el menú desplegable, selecciona **Implementaciones**.
1. Use el campo de entrada para agregar el ID del proyecto.
1. (Opcional) Para filtrar por entorno o estado, use los campos de entrada. El atributo de **estado** puede tener uno de los siguientes valores: `created`, `running`, `success`, `failed` o `canceled`.
**Visualización de etiquetas**
1. En el menú desplegable, seleccione **Etiquetas**.
1. Use el campo de entrada para agregar el ID del proyecto.
## Plantillas y variables
Para añadir una nueva variable de GitLab consulta, consulte[Adición de una variable de consulta](variables-types.md#add-a-query-variable). Utilice su fuente de GitLab datos como fuente de datos. Elija un tipo de recurso: **Versiones**, **Proyectos** o **Etiquetas**.
Para obtener una lista dinámica de proyectos, etiquetas, etc. entre los que elegir, cree una variable de tipo consulta. Las variables de tipo de GitLab consulta utilizan el editor de consultas para consultar y devolver proyectos, etiquetas, etc. En el siguiente ejemplo, se crea una variable de proyecto para parametrizar las consultas
**Creación de una variable de proyecto para parametrizar las consultas**
1. Agregue una variable de tipo **Consulta** denominada **project**.
1. Seleccione la fuente GitLab de datos y actualice **On Dashboard Load**.
1. Seleccione el tipo de recurso **Proyecto**, **Sí** para **Propio**, **nombre** para **campo de visualización** e **id** para el **campo de valor**.
1. Seleccione **Actualizar** para agregar la variable al panel.
1. Agregue un panel nuevo al panel y use **\$1project** como ID del proyecto.
Ahora, al elegir una opción del menú desplegable, obtendrá los resultados que pertenecen a ese proyecto.
## Uso de transformaciones de Grafana para responder a preguntas comunes
Ahora que puede realizar GitLab consultas básicas para encontrar confirmaciones, problemas, etc., puede usar las transformaciones para visualizar, agregar, agrupar y unir conjuntos de datos, junto con muchos otros tipos de transformaciones para transformar los resultados simples en respuestas a preguntas complejas. A continuación, se muestran algunas preguntas frecuentes y se explica cómo usar las transformaciones para responderlas.
**¿Cuántos hay commits/issues/deployments por día en mi proyecto?**
1. Agregue una consulta. Seleccione **Confirmaciones** para el tipo de recurso y agregue el ID del proyecto.
1. Agregue una nueva transformación **Agrupar por**: en **Agrupar por**, seleccione **created\$1at\$1date** y, a continuación, calcule **(Count)=id**
1. Elija la visualización **Gráfico**.
**¿Cuál es el tiempo promedio que se tarda en cerrar los problemas de mi proyecto?**
1. Agregue una consulta. Seleccione **Problemas** para el tipo de recurso y agregue el ID del proyecto.
1. Agregue una nueva transformación **Agregar campo a partir del cálculo**: en **Modo**, seleccione **Operación binaria**; en **Operación**, seleccione **closed\$1at = created\$1at**; y en **Alias**, elija **resolution\$1time**.
1. Agregue una nueva transformación **Agregar campo a partir del cálculo**: en **Modo**, seleccione **Operación binaria**; en **Operación**, seleccione **resolution\$1time / 86400000**; y en **Alias**, elija **resolution\$1time**.
En **Sustituir todos los campos**, elija **Verdadero**.
1. Elija la visualización **Estadísticas**.
+ Mostrar = Calcular
+ Cálculo = Media
+ Campos = **resolution\$1time**
# Conexión a un origen de datos de Honeycomb
El origen de datos de Honeycomb le permite consultar y visualizar las métricas de Honeycomb y vincular los rastros de Honeycomb desde Amazon Managed Grafana.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Limitaciones conocidas
+ Este origen de datos no admite consultas ad hoc.
+ Debido a las limitaciones de la API, el editor de variables solo puede devolver los primeros 1000 valores únicos de una columna seleccionada.
+ Debido a las limitaciones de la API, el origen de datos solo puede consultar los datos de los últimos 7 días.
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
1. Seleccione **Honeycomb** de la lista de orígenes de datos.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
**Configuración de Honeycomb**
| Name | Description (Descripción) |
| --- | --- |
| Name | El nombre del origen de datos. Así es como se ve el origen de datos en los paneles, las consultas y Explore. |
| Honeycomb API key | Clave de API que obtuvo de Honeycomb. |
| URL | URL de la API de Honeycomb. Por ejemplo, https://api.honeycomb.io. |
| Team | Equipo de Honeycomb asociado a la clave de la API. |
## Consulta del origen de datos de Honeycomb
Para consultar las métricas, ingrese los valores en los campos del editor:
+ Seleccione un conjunto de datos.
+ La consulta predeterminada es un valor de `COUNT` sobre el conjunto de datos seleccionado.
+ Para refinar la consulta, seleccione valores para cualquiera de los campos restantes, como **Visualización**, **Visualización**, **Dónde**, **Restricción**, **Agrupar por**, **Ordenar por** o **Límite**.
## Plantillas y variables
Para agregar una nueva variable de consulta de Honeycomb, consulte [Adición de una variable de consulta](variables-types.md#add-a-query-variable).
YOu puede crear variables que contengan conjuntos de datos, columnas o valores de columna.
+ Si no se selecciona ningún conjunto de datos, la variable contendrá conjuntos de datos.
+ Si solo se selecciona un conjunto de datos, la variable contendrá nombres de columna.
+ Si se seleccionan tanto un conjunto de datos como una columna, la variable contendrá los valores de columna. Los valores de las columnas se pueden restringir aún más mediante los campos **Dónde** del editor.
## Visualización de la consulta en la interfaz de usuario de Honeycomb
Para ver la consulta que creó en la interfaz de usuario de Honeycomb desde el panel del panel, elija cualquier punto del gráfico y elija **Abrir en Honeycomb**.
Para ver la consulta que creó en la interfaz de usuario de Honeycomb desde el editor de consultas, seleccione **Abrir en Honeycomb**.
## Importación de un panel para Honeycomb
Para importar un panel, consulte [Importación de un panel](dashboard-export-and-import.md#importing-a-dashboard).
Para buscar los paneles importados, elija **Configuración**, **Orígenes de datos**.
Para ver los paneles prediseñados disponibles, elija el origen de datos de Honeycomb y elija la pestaña **Paneles**.
# Conexión a un origen de datos de Jira
Obtenga una visión completa de su proceso de desarrollo combinando los datos de problemas de Jira con los datos de rendimiento de las aplicaciones de otros orígenes.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
+ Cree anotaciones en función de la creación o resolución de problemas para ver la relación entre los problemas y las métricas.
+ Haga un seguimiento de las estadísticas detalladas de Jira, como el tiempo promedio de resolución y el rendimiento de los problemas.
Para usar el origen de datos de Jira, necesita una cuenta de Atlassian con acceso a un proyecto de Jira.
## Limitaciones conocidas
Es posible que no se admitan los tipos de campos personalizados de los complementos de Jira.
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
1. Seleccione **Jira** de la lista de orígenes de datos.
1. Introduzca la información siguiente:
+ En **Nombre**, ingrese un nombre para este origen de datos de Jira.
+ En **URL**, ingrese la URL raíz de la instancia de Atlassian, por ejemplo, **https://bletchleypark.atlassian.net**.
+ En **Usuario**, introduzca una dirección de correo electrónico para la user/service cuenta.
+ En **Token de API**, ingrese un token de API generado para el usuario.
## Consulta del origen de datos de Jira
En el editor de consultas de Jira, puede seleccionar campos y consultar problemas.
El origen de datos de Jira consulta en Jira si hay problemas, que pueden representar errores, historias de usuarios, solicitudes de soporte u otras tareas de Jira
**Filtrado y visualización de problemas**
1. Seleccione **Campos**, elija el menú desplegable y use la tecla de avance de caracteres para seleccionar cualquiera de los campos de su instancia de Jira, incluidos los campos personalizados. Algunos campos que puede probar:
+ **Resumen**: nombre del problema.
+ **Nombre de la épica**: épica a la que pertenece un problema.
+ **Estimación del puntaje de la historia**: número de puntaje de la historia que el equipo ha estimado para un problema.
1. Filtre u ordene los problemas. Para ello, ingrese cualquier expresión JQL válida para filtrar u ordenar los problemas en función de cualquiera de sus campos, como **Proyecto**, **Cesionario** o **Iteración**, con el lenguaje de consultas JQL de Atlassian.
Desde aquí, puede mostrar sus datos en una tabla o usar las transformaciones de Grafana para manipular esos datos de problemas, ejecutar cálculos o convertir los datos en un gráfico de series temporales. Para obtener más información, consulte [Aplicación de una transformación](panel-transformations.md#apply-a-transformation).
## Consulta de series temporales
Para mostrar datos de serie temporal, elija un campo de **fecha** junto con un campo numérico y, a continuación, cambie a la visualización de gráficos. Por ejemplo: **Fecha de inicio de la iteración**, **Estimación del puntaje de la historia**.
El ejemplo anterior, por sí solo, no es muy útil. El campo numérico se puede calcular (y muy probablemente se calculará) a partir de transformaciones. Si se utiliza la transformación **Agrupar por**, se podría agrupar por **Fecha de inicio de la iteración** y resumir la **Estimación del puntaje de la historia**, lo que permitiría visualizar los puntajes de la historia a lo largo del tiempo por iteración. Para obtener más información sobre transformaciones, consulte [Aplicación de una transformación](panel-transformations.md#apply-a-transformation).
## Plantillas y variables
Para agregar una nueva variable de consulta de Jira, consulte [Adición de una variable de consulta](variables-types.md#add-a-query-variable). Use su origen de datos de Jira como origen de datos.
Puede definir variables en sus paneles y hacer referencia a ellas en las expresiones JQL. Por ejemplo, puede crear un panel de estado de un proyecto y elegir entre proyectos, o un panel de estado de épicas y elegir diferentes épicas, o un panel de estado de tareas y elegir diferentes cesionarios.
Para obtener una lista dinámica de proyectos, épicas, cesionarios, etc. entre los que puede elegir, cree una variable de tipo consulta. Las variables de tipo consulta usan JQL para consultar los problemas y devolver proyectos, épicas, cesionarios o cualquier información relacionada con los problemas. A continuación, se muestra un ejemplo:
**Creación de una variable de cesionario para obtener el estado de los problemas por cesionario**
1. Agregue una variable de tipo **Consulta** denominada **assignee**.
1. Seleccione **Campo: Cesionario**.
1. (Opcional) Agregue un filtro de JQL **project = 'your project'**.
1. Seleccione **Ejecutar** para ver una lista de cesionarios.
1. Seleccione **Actualizar** para agregar la variable al panel.
1. Agregue un panel nuevo al panel y edite el JQL para filtrarlo con la nueva variable **assignee = \$1assignee**.
Ahora, al elegir una opción en el menú desplegable, solo verá los problemas asignados a ese usuario.
Las variables con múltiples valores permiten seleccionar varias opciones y se pueden usar como parte de la cláusula IN. Por ejemplo, **assignee IN (\$1assignee)**.
## Uso de transformaciones de Grafana para responder a preguntas comunes
Las macros son variables que hacen referencia al intervalo de tiempo del panel, por lo que solo puede filtrar los problemas dentro del rango del intervalo del panel. Hay 2 macros:
+ **\$1\$1\$1timeFrom**
+ **\$1\$1\$1timeTo.**
En el siguiente ejemplo de consulta de JQL se filtran los problemas creados dentro del intervalo de tiempo del panel: `createdDate >= $__timeFrom AND createdDate <= $__timeTo`
## Cómo aprovechar el origen de datos al máximo
El uso de las transformaciones de Grafana y otras características integradas puede ayudarlo a consultar sus datos de Jira de forma significativa.
### Uso de transformaciones para mejorar JQL
Si bien hay muchas transformaciones en Grafana entre las que elegir, las siguientes proporcionan un potente aumento para dar a JQL algo de lo que es SQL. features/power
**Agrupar por**: esta transformación proporciona una característica clave que no forma parte de la sintaxis JQL estándar de Jira: la agrupación. Con la transformación **Agrupar por**, puede agrupar por iteraciones u otros campos de problemas y agregar por grupo para obtener métricas como la velocidad y las estimaciones del puntaje de la historia en comparación con los resultados reales completados en una iteración.
**Unión externa**: al igual que en las uniones SQL, puede unir 2 o más consultas mediante campos comunes. Esto proporciona una forma de combinar los conjuntos de datos de las consultas y usar otras transformaciones para calcular los valores de varias consultas o conjuntos de datos.
**Agregar un campo a partir del cálculo**: al igual que las expresiones de SQL, esta transformación permite agregar nuevos campos al conjunto de datos en función de los cálculos de otros campos. Los campos usados en el cálculo pueden provenir de una sola consulta o de consultas que se hayan unido. También puede encadenar cálculos y hacer cálculos a partir de campos calculados.
### Uso de transformaciones de Grafana para responder a preguntas comunes
Puede usar las transformaciones para visualizar, agregar, agrupar y unir conjuntos de datos, junto con muchos otros tipos de transformaciones a fin de transformar resultados simples en respuestas a preguntas complejas.
**¿Cómo puedo mostrar la velocidad por iteración?**
1. Campos seleccionados: **Nombre de la iteración**, **Estimación del puntaje de la historia**.
1. Agregue un filtro de JQL: `project = "Your Project" AND type != epic AND status = done order by created ASC`
1. Agregue una transformación **Agrupar por**:
+ Nombre de iteración \$1 Agrupar por
+ Estimación del puntaje de la historia \$1 Calcular \$1 Total
1. Elija la visualización **Indicador de barras**.
**¿Cómo puedo mostrar lo que se completó y lo que se estimó en una iteración?**
1. Agregue una consulta. Primero, seleccione los campos: **Nombre de la iteración**, **Fecha de inicio de la iteración**, **Estimación del puntaje de la historia**.
Luego agregue un filtro de JQL: `project = 'Your Project' AND type != epic`
1. Agregue una segunda consulta. Primero, seleccione los campos: **Nombre de la iteración**, **Fecha de inicio de la iteración**, **Estimación del puntaje de la historia**.
Luego agregue un filtro de JQL: `project = 'Your Project' AND type != epic AND status = done`
1. Agregue una transformación **Agrupar por**:
+ Nombre de iteración \$1 Agrupar por
+ Fecha de inicio de la iteración \$1 Agrupar por
+ Estimación del puntaje de la historia \$1 Calcular \$1 Total
1. Elija la visualización **Gráfico**.
**¿Cuál es el tiempo promedio que se tarda en completar los problemas de mi proyecto?**
1. Agregue una consulta. Primero, seleccione Campos: **Creados**, **Categoría de estado cambiada**.
Luego agregue un filtro de JQL: `project = 'Your Project' AND type != epic AND status = done`
1. Agregue una transformación: **Agregar un campo a partir del cálculo**
+ Modo = Reducir fila
+ Cálculo = Diferencia
1. Agregue una transformación: **Agregar un campo a partir del cálculo**
+ Modo = Operación binaria
+ Operación = Diferencia / 86000000
+ Alias = Días
1. Agregue una transformación: **Organizar campos**
+ Ocultar campo diferente
1. Agregue una transformación: **Filtrar datos por valores**
+ Tipo de filtro = Incluir
+ Condiciones = Cualquier coincidencia
+ Campo = Días \$1 Coincidencia = Es mayor \$1 Valor = 1
1. Agregue una transformación: **Reducir**
+ Modo = Serie a filas
+ Cálculo = Promedio
1. Elija la visualización **Estadísticas**.
# Conexión a un origen de datos de MongoDB
El origen de datos de MongoDB le permite visualizar datos de MongoDB en Amazon Managed Grafana.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## De uso
### Editor de consultas
El editor de consultas admite la misma sintaxis que el intérprete de comandos de MongoDB, con algunas limitaciones: \$1 Solo puede ejecutar un comando o consulta. \$1 Solo se admiten los comandos de lectura: **buscar** y **agregar** \$1 *La mayoría* de los constructores de objetos no son compatibles (con la excepción de **ISODate**, que sí es compatible)
El editor amplía la sintaxis del intérprete de comandos de MongoDB de las siguientes maneras:
+ **Selección de base de datos**: puede ingresar el nombre de la base de datos en lugar de la “db” normal:
**nota**
Puede seguir utilizando “db”. Hará referencia a la base de datos predeterminada de su cadena de conexión.
```
sample_mflix.movies.find()
```
+ **Ordenación de agregación**: normalmente, la ordenación se lleva a cabo con un paso dentro del proceso de agregación; sin embargo, el nivel gratuito de MongoDB Atlas no permite la ordenación. Hemos ampliado la sintaxis para que sea accesible a los usuarios del nivel gratuito.
**nota**
MongoDB no lleva a cabo la ordenación con esta sintaxis. La ordenación se produce después de consultar los resultados de la colección.
```
sample_mflix.movies.aggregate({}).sort({"time": 1})
```
+ Con un editor en blanco, **Ctrl \$1 Espacio** mostrará una selección de todas las bases de datos disponibles.
+ Al ingresar un punto después de la base de datos, se mostrará una selección de todas las colecciones disponibles para esa base de datos.
+ Al ingresar un punto después de la colección, se mostrarán los métodos de consulta disponibles.
+ Al ingresar un punto después del método de consulta, se mostrarán funciones adicionales: sort/limit.
#### Ejecución de la consulta
Pulse **Cmd \$1 S** para ejecutar la consulta
### Serie temporal
Al visualizar datos de serie temporal, el complemento necesita saber qué campo usar como hora. Basta con proyectar el campo con el alias de nombre “time”. El tipo de datos del campo debe ser una fecha.
Puede forzar a los tipos de datos que no son de fecha a usar la fecha. Si lo hace, permitirá utilizar campos que no sean de fecha como series temporales. El siguiente ejemplo muestra cómo convertir el campo int «year» en una fecha que se proyecta como «hora» mediante el operador de canalización MongoDB \$1dateFromParts .
```
sample_mflix.movies.aggregate([
{"$match": { "year": {"$gt" : 2000} }},
{"$group": { "_id": "$year", "count": { "$sum": 1 }}},
{"$project": { "_id": 0, "count": 1, "time": { "$dateFromParts": {"year": "$_id", "month": 2}}}}
]
).sort({"time": 1})
```
### Diagnósticos
[Diagnostic Commands](https://docs.mongodb.com/manual/reference/command/nav-diagnostic/)
Actualmente se admiten los siguientes comandos de diagnóstico: «stats», «ServerStatus», "Status», «GetLog», "«, «replSetGetConnectionStatus», connPoolStats «BuildInfo», «dbStats», «HostInfo», «LockInfo»
Ejemplos:
```
admin.connectionStatus() // run the connectionStatus command
admin.connectionStatus({"authInfo.authenticatedUserRoles": 1}) // run and only return the "authInfo.authenticatedUserRoles" field
admin.connPoolStats({arg: "pool"}) // run the connPoolStats command and pass 1 argument
admin.serverStatus({args: {repl: 0, metrics:0}}) // run the serverStatus command and pass multiple args
```
### Macros
Puede hacer referencia al intervalo de tiempo del panel en sus consultas.
+ ` $__timeFrom `: macro que hace referencia a la hora de inicio del panel.
+ ` $__timeTo `: macro que hace referencia a la hora de finalización del panel.
```
$__timeTo - ``` sample_mflix.movies.find({released: {$gt:
"$__timeFrom"}}).sort({year: 1})
```
#### Variables de plantilla
MongoDB apoya la idea de las “variables compuestas”, que permiten utilizar una variable como variables múltiples para aplicar filtros complejos de varias claves.
Para crear una variable compuesta, utilice la convención de nomenclatura que consiste en dividir las variables mediante guiones bajos (debe empezar por un guion bajo): `_var1_var2`. Al hacer una consulta, la respuesta debe tener el siguiente formato: `val1-val2`.
**Ejemplo: Quiero filtrar los resultados por el nombre y el año de la película.**
1. Cree una variable de tipo consulta: `_movie_year`.
1. Establezca la consulta de variables en una consulta que devuelva una matriz de elementos con una propiedad de año de película, como se muestra en el siguiente ejemplo.
```
// Example sample_mflix.movies.aggregate([
{"$match": {year: {"$gt": 2011}}},
{"$project": {_id: 0, movie_year: {"$concat":
["$title", " - ", {"$toString":"$year"}]}}}
])
```
```
// [{"movie-year": "Ted - 2016"},
{"movie-year": "The Terminator -
1985"}]
```
1. Ahora, en la consulta, puede hacer referencia a “Película” y “Año” como variables de plantilla independientes mediante la sintaxis “\$1\$1variable”.
##### Uso de filtros ad hoc
Además de la variable de tipo “filtro ad-hoc” estándar con cualquier nombre, se debe crear una segunda variable auxiliar. Debe ser de tipo “constante” con el nombre “mongodb\$1adhoc\$1query” y un valor compatible con el editor de consultas. El resultado de la consulta se utilizará para rellenar los filtros seleccionables. Puede optar por ocultar esta variable de la vista, ya que no tiene ningún otro propósito.
```
sample_mflix.movies.aggregate([
{"$group": { "_id": "$year"}},
{"$project": { "year": "$_id","_id":
0 }} ] )
```
# Conexión a un origen de datos de New Relic
Esta sección trata sobre [APM](https://newrelic.com/products/application-monitoring) e [Insights](https://newrelic.com/products/insights) de New Relic para Grafana.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Características
+ Variables de plantilla
+ Nombres de métricas
+ Valores de métrica
+ Anotaciones
+ Uso de alias
+ Nombres de métricas
+ Valores de métrica
+ Filtros ad hoc
+ No se admiten actualmente
+ Alertas
## Configuración
Agregue el origen de datos y rellene los campos correspondientes a su [clave de API de administrador](https://docs.newrelic.com/docs/apis/get-started/intro-apis/types-new-relic-api-keys#admin), su [clave de API personal](https://docs.newrelic.com/docs/apis/get-started/intro-apis/types-new-relic-api-keys#personal-api-key) y su [ID de cuenta](https://docs.newrelic.com/docs/accounts/install-new-relic/account-setup/account-id).
## De uso
### Tipos de servicios
+ **Métricas**; para consultar APM de New Relic a través de la [API de REST](https://docs.newrelic.com/docs/apis/rest-api-v2) de New Relic.
+ **Información**; para consultar Insights de New Relic mediante [NRQL](https://docs.newrelic.com/docs/insights/nrql-new-relic-query-language/nrql-resources/nrql-syntax-components-functions).
### Alias
Puede combinar texto sin formato con las siguientes variables para producir un resultado personalizado.
| Variable | Description (Descripción) | Ejemplo de valor |
| --- | --- | --- |
| \$1\$1\$1nr\$1metric | Nombre de métrica | CPU/User hora |
| \$1\$1\$1nr\$1metric\$1value | Valores de métrica | average\$1value |
Por ejemplo:
```
Server: $__nr_server Metric: $__nr_metric
```
### Plantillas y variables
1. Cree una variable de plantilla para su panel. Para obtener más información, consulte [Plantillas y variables](templates-and-variables.md).
1. Seleccione el tipo “Consulta”.
1. Seleccione el origen de datos “New Relic”.
1. Formule una consulta utilizando los puntos de conexión relativos de la [API de REST](https://docs.newrelic.com/docs/apis/rest-api-v2) (excluidas las extensiones de archivo).
Lista de aplicaciones disponibles:
```
applications
```
Lista de métricas disponibles para una aplicación:
```
applications/{application_id}/metrics
```
### Macros de NRQL
Para mejorar la experiencia de escritura al crear consultas en el lenguaje de consulta de New Relic (NRQL), el editor admite macros predefinidas:
+ `$__timeFilter` (o `[[timeFilter]]`) se interpolará en `SINCE <from> UNTIL <to>` en función del intervalo de tiempo del panel.
Ejemplo:
```
SELECT average(value) FROM $event_template_variable
$__timeFilter TIMESERIES
```
Para obtener más consejos sobre cómo utilizar las macros y las variables de plantilla, consulte la sección de ayuda del editor.
### Eventos de alerta
Seleccione su origen de datos de New Relic y establezca filtros adicionales. Sin ningún filtro establecido, se devolverán todos los eventos.
Si desea filtrar los eventos por *ID de entidad*, utilice variables de plantilla porque podrá seleccionar el nombre de la entidad en lugar del ID. Por ejemplo, para filtrar los eventos de una aplicación específica, cree una variable `_$app_` que recupere una lista de aplicaciones y la utilice como filtro de *ID de entidad*.
### Eventos de implementación
*ID de la aplicación* es un campo obligatorio.
# Conexión a un origen de datos de Oracle Database
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Adición del origen de datos
Seleccione **Orígenes de datos** en el panel izquierdo de Grafana.
Seleccione Agregar origen de datos:
Ingrese **oracle** para buscar el origen de datos.
Ingrese los detalles del servidor de Oracle.
Ingrese un nombre de host (o dirección IP) junto con el número de puerto y el nombre de usuario y la contraseña para conectarse.
Si activa la opción tnsnames, podrá utilizar cualquier entrada válida que se encuentre en el archivo de configuración tnsnames.ora, junto con la autenticación básica.
Similar al ejemplo anterior, pero con Kerberos para la autenticación. Consulte la guía de configuración específica de Kerberos para obtener detalles sobre cómo configurar el sistema operativo o el contenedor de Docker para usar Kerberos.
Si lo desea, cambie la zona horaria utilizada para conectarse al servidor de Oracle y para que la usen las macros con reconocimiento de zonas horarias. La configuración predeterminada es UTC.
Guarde y pruebe el origen de datos; debería aparecer un mensaje en color verde que ponga “La conexión a la base de datos es correcta”.
## De uso
### Macros
Para simplificar la sintaxis y permitir partes dinámicas, como los filtros de intervalo de fechas, la consulta puede contener macros. El nombre de la columna debe estar entre comillas dobles (`"`).
| Ejemplo de macros | Description (Descripción) |
| --- | --- |
| \$1\$1\$1\$1time(dateColumn)\$1 \$1 Se sustituirá por una expresión para cambiar el nombre de la columna a `time`. Por ejemplo, `dateColumn as time` \$1\$1\$1\$1timeEpoch(dateColumn)\$1 | Se sustituirá por una expresión para cambiar el nombre de la columna a time y convertir el valor a una marca de tiempo Unix (en milisegundos). |
| \$1\$1\$1\$1timeFilter(dateColumn)\$1 \$1 Se sustituirá por un filtro de intervalo de tiempo con el nombre de columna especificado. Por ejemplo, `dateColumn BETWEEN TO\$1DATE('19700101','yyyymmdd') \$1 (1/24/60/60/1000) \$1 1.500.376.552.001 AND TO\$1DATE('19700101','yyyymmdd') \$1 (1/24/60/60/1000) \$1 1500376552002` \$1\$1\$1\$1timeFrom()\$1 | Se sustituirá por el inicio de la selección de tiempo actualmente activa convertida al tipo de datos DATE. Por ejemplo, TO\$1DATE('19700101','yyyymmdd') \$1 (1/24/60/60/1000) \$1 1500376552001. |
| \$1\$1\$1\$1timeTo()\$1 \$1 Se sustituirá por el final de la selección de tiempo actualmente activa convertida al tipo de datos \$1\$1\$1\$1timeGroup(dateColumn,"5m")\$1 | Se sustituirá por una expresión utilizable en la cláusula AGRUPAR POR. |
| \$1\$1\$1\$1timeGroup(dateColumn,"5m"[, fillvalue])\$1 | Se sustituirá por una expresión utilizable en la cláusula AGRUPAR POR. Si se proporciona un valor fillValue nulo o flotante, se rellenarán automáticamente las series vacías en un intervalo de tiempo con ese valor. Por ejemplo, timeGroupcreatedAt, ′1m′, 0.\$1\$1\$1timeGroup(dateColumn,"5m", 0)\$1. |
| \$1timeGroup(dateColumn, ‘5m’, NULL) \$1 \$1SameasabovebutNULLwillbeusedasvalueformissingpoints.\$1\$1\$1timeGroup(dateColumn,"5m", previous)\$1 | Igual que arriba, pero el valor anterior de esa serie se utilizará como valor de relleno si no se ha visto ningún valor, pero se utilizará NULL. |
| \$1\$1\$1\$1 unixEpochFilter (DateColumn) \$1 \$1 Se reemplazará por un filtro de rango de tiempo con el nombre de columna especificado y las horas se representarán como marca de tiempo de Unix (en milisegundos). Por ejemplo, `DateColumn >= 1500376552001 Y DateColumn <= 1500376552002` \$1\$1\$1\$1 () \$1 unixEpochFrom | Se sustituirá por el inicio de la selección de tiempo actualmente activa como una marca de tiempo de Unix. Por ejemplo, 1500376552001. |
| \$1\$1\$1\$1unixEpochTo()\$1 | Se sustituirá por el final de la selección de tiempo actualmente activa como una marca de tiempo de Unix. Por ejemplo, 1500376552002. |
El complemento también admite la notación mediante llaves (`{}`). Use esta notación cuando se necesiten consultas dentro de los parámetros.
**nota**
Utilice un tipo de notación por consulta. Si la consulta necesita llaves, todas las macros de la consulta deben usar llaves.
```
$__timeGroup{"dateColumn",'5m'}
$__timeGroup{SYS_DATE_UTC("SDATE"),'5m'}
$__timeGroup{FROM_TZ(CAST("SDATE" as timestamp), 'UTC'), '1h'}
```
El editor de consultas tiene un enlace **SQL generativo** que aparece una vez ejecutada la consulta, en el modo de edición de panel. Al elegir el enlace, se expande y muestra la cadena SQL interpolada sin procesar que se ejecutó.
### Consultas de tablas
Si la opción de consulta **Formatear como** está establecida en **Tabla**, básicamente puede hacer cualquier tipo de consulta SQL. En el panel de tablas se mostrarán automáticamente los resultados de las columnas y filas que devuelva la consulta. Puede controlar el nombre de las columnas del panel Tabla mediante la sintaxis de selección de columnas de SQL `as` normal.
### Consultas de series temporales
Si establece **Formatear como** en **Serie temporal**, para su uso en el panel de gráficos, por ejemplo, la consulta debe devolver una columna con el nombre `time` que devuelva una fecha y hora de SQL o cualquier tipo de datos numéricos que representen la época de Unix en segundos. Grafana interpreta las columnas DATE y TIMESTAMP sin zona horaria explícita como UTC. Cualquier columna excepto `time` y `metric` se trata como una columna de valores. Puede devolver una columna con el nombre `metric` que se utilice como nombre de métrica para la columna de valores.
En el siguiente ejemplo de código se muestra la columna `metric`.
```
SELECT
$__timeGroup("time_date_time", '5m') AS time,
MIN("value_double"),
'MIN' as metric
FROM test_data
WHERE $__timeFilter("time_date_time")
GROUP BY $__timeGroup("time_date_time", '5m')
ORDER BY time
```
### Más consultas: usando oracle-fake-data-gen
```
SELECT
$__timeGroup("createdAt", '5m') AS time,
MIN("value"),
'MIN' as metric
FROM "grafana_metric"
WHERE $__timeFilter("createdAt")
GROUP BY $__timeGroup("createdAt", '5m')
ORDER BY time
```
En el siguiente ejemplo de código se muestra una serie temporal Fake Data.
```
SELECT
"createdAt",
"value"
FROM "grafana_metric"
WHERE $__timeFilter("createdAt")
ORDER BY "createdAt" ASC
```
```
SELECT
"createdAt" as time,
"value" as value
FROM "grafana_metric"
WHERE $__timeFilter("createdAt")
ORDER BY time ASC
```
En el siguiente ejemplo se muestra un resultado de tabla útil.
```
select tc.table_name Table_name
,tc.column_id Column_id
,lower(tc.column_name) Column_name
,lower(tc.data_type) Data_type
,nvl(tc.data_precision,tc.data_length) Length
,lower(tc.data_scale) Data_scale
,tc.nullable nullable
FROM all_tab_columns tc
,all_tables t
WHERE tc.table_name = t.table_name
```
### Plantillas
En lugar de codificar elementos como el nombre del servidor, la aplicación y el sensor en las consultas de métricas, puede utilizar variables. Las variables se muestran como cuadros de selección desplegables en la parte superior del panel de control. Estas casillas desplegables facilitan el cambio de datos que se muestran en el panel.
#### Variable de consulta
Si agrega una variable de plantilla del tipo `Query`, puede escribir una consulta de Oracle que devuelva elementos como nombres de mediciones, nombres de clave o valores de clave que se muestran en un cuadro de selección desplegable.
Por ejemplo, puede tener una variable que contenga todos los valores de la columna `hostname` en una tabla si especifica una consulta como esta en la configuración de *consulta* de la variable de plantilla.
```
SELECT "hostname" FROM host
```
Una consulta puede devolver varias columnas y Grafana creará automáticamente una lista a partir de ellas. Por ejemplo, la siguiente consulta devolverá una lista con los valores de `hostname` y `hostname2`.
```
SELECT "host.hostname", "other_host.hostname2" FROM host JOIN other_host ON host.city = other_host.city
```
Para utilizar macros que dependen del intervalo de tiempo, como `$__timeFilter("time_column")`, en su consulta, el modo de actualización de la variable de plantilla debe estar establecido en *Al cambiar el intervalo de tiempo*.
```
SELECT "event_name" FROM event_log WHERE $__timeFilter("time_column")
```
Otra opción es una consulta que puede crear una key/value variable. La consulta debe devolver dos columnas denominadas `__text` y `__value`. El valor de la columna `__text` debe ser único (si no lo es, se utilizará el primer valor). Las opciones de la lista desplegable tendrán un texto y un valor que le permita asignar un nombre descriptivo como texto y un ID como valor. En el siguiente código de ejemplo se muestra una consulta con `hostname` como texto y `id` como valor.
```
SELECT "hostname" AS __text, "id" AS __value FROM host
```
También puede crear variables anidadas. Por ejemplo, si tuviera otra variable llamada `region`. puede hacer que la variable de hosts muestre solo los hosts de la región actualmente seleccionada con una consulta como esta (si `region` es una variable con valores múltiples, utilice el operador de comparación `IN` en lugar de `=` para compararla con varios valores).
```
SELECT "hostname" FROM host WHERE region IN('$region')
```
#### Uso de variables en consultas
Los valores de las variables de plantilla solo se especifican entre comillas cuando la variable de plantilla es `multi-value`.
Si se trata de una variable de varios valores, utilice el operador de comparación `IN` en lugar de `=` para que coincida con varios valores.
Existen dos sintaxis:
Ejemplo de `$` con una variable de plantilla llamada `hostname`:
```
SELECT
"atimestamp" as time,
"aint" as value
FROM table
WHERE $__timeFilter("atimestamp") AND "hostname" IN('$hostname')
ORDER BY "atimestamp" ASC
```
Ejemplo de `[[varname]]` con una variable de plantilla llamada `hostname`:
```
SELECT
"atimestamp" as time,
"aint" as value
FROM table
WHERE $__timeFilter("atimestamp") AND "hostname" IN('[[hostname]]')
ORDER BY atimestamp ASC
```
# Conexión a un origen de datos de Salesforce
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
El origen de datos de Salesforce le permite visualizar los datos de Salesforce en Amazon Managed Grafana.
Para utilizar este origen de datos, debe tener una cuenta de [Salesforce](https://www.salesforce.com/) y una [aplicación conectada de Salesforce](https://help.salesforce.com/articleView?id=sf.connected_app_overview.htm&type=5).
## Limitaciones conocidas
+ Los filtros ad hoc aún no son compatibles.
+ Actualmente, solo se admiten las consultas SOQL y los datos a los que se puede acceder a través de SOQL. Los formatos de consulta SOSL y SAQL todavía no son compatibles.
## Configuración necesaria
Se requieren los siguientes ajustes.
**nota**
El complemento utiliza actualmente el flujo de nombre de usuario y contraseña OAuth 2.0. No se utiliza la URL de devolución de llamada requerida en la aplicación conectada. Por lo tanto, puede configurarla en cualquier URL válida.
| Name | Description (Descripción) |
| --- | --- |
| Enable OAuth settings | Debe marcarlo para activarlo. OAuth |
| Callback URL | No se usa en este complemento, por lo que puede especificar cualquier URL válida. |
| Selected OAuth Scopes (minimum requirements) | Acceda a sus datos y adminístrelos (API). |
| Require Secret for Refresh Token Flow | Puede habilitar o deshabilitar esta opción. |
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
1. Seleccione **Salesforce** de la lista de orígenes de datos.
1. Introduzca la información siguiente:
+ En **Nombre de usuario**, ingrese el nombre de usuario de la cuenta de Salesforce que quiere usar para conectarse y consultar Salesforce.
+ En **Contraseña**, escriba la contraseña para ese usuario.
+ En **Token de seguridad**, ingrese el token de seguridad de ese usuario.
+ En **Clave de consumidor**, ingrese una clave de consumidor para conectarse a Salesforce. Puede obtener este valor desde su aplicación conectada de Salesforce.
+ En **Secreto de consumidor**, ingrese un secreto de consumidor para conectarse a Salesforce. Puede obtener este valor desde su aplicación conectada de Salesforce.
+ En **Usar entorno de pruebas**, seleccione esta opción si quiere usar un entorno de pruebas de Salesforce.
## Consulta del origen de datos de Salesforce
El editor de consultas admite los modos Generador de consultas y Editor de SOQL. SOQL son las siglas de [Salesforce Object Query Language (lenguaje de consulta de objetos de Salesforce)](https://developer.salesforce.com/docs/atlas.en-us.soql_sosl.meta/soql_sosl/sforce_api_calls_soql.htm).
### Generador de consultas (SOQL Builder)
El generador de consultas es una interfaz fácil de usar para crear consultas de SOQL. Si no está familiarizado con la escritura de consultas de SOQL, puede utilizar este modo para crear el SOQL a fin de consultar objetos de Salesforce. El campo **DESDE** del generador de consultas hace referencia a la entidad o entidades de Salesforce. Debe seleccionar el campo **DESDE** antes de llevar a cabo cualquier otra operación en el generador de consultas. Después de elegir el campo **DESDE**, debe elegir el modo de generación. Actualmente, SOQL Builder admite los siguientes modos.
+ `List`: enumere los elementos con sus campos de la tabla seleccionada o de Salesforce. Utilice este modo para obtener resultados como: “Muéstreme una lista de las oportunidades creadas en este trimestre fiscal junto con su nombre, valor y etapa”.
+ `Aggregate`: agregue los elementos en una entidad. Utilice este modo para obtener resultados como “Cuente las oportunidades creadas el mes pasado” o “¿Cuál es el valor total de las oportunidades agrupadas por su seudónimo?”.
+ `Trend`: muestre los resultados agregados a lo largo del tiempo. Usa este modo para obtener resultados como «Cuenta el número de oportunidades por» CreatedDate. o “¿Cuál es la suma total del valor agrupado por las fechas de cierre de las oportunidades?”.
Tras elegir `Entity/FROM` y el **modo** en el editor de consultas, cree la consulta con las siguientes opciones.
| **Campos** | **Aplicable a** | **Descripciones** |
| --- | --- | --- |
| SELECT | ALL | Seleccione la lista de campos que desee ver. Para la vista de agregación o tendencia, seleccione también cómo desea agregar los valores. |
| WHERE | ALL | (Opcional) Especifique las condiciones del filtro. Los resultados se filtran en función de las condiciones que seleccione. |
| ORDER BY | LIST, AGGREGATE | (Opcional) Seleccione el nombre del campo y el orden de clasificación que desee para los resultados. |
| LIMIT | LIST, AGGREGATE | (Opcional) Limite el número de resultados devueltos. El valor predeterminado es 100. |
| GROUP BY | AGGREGATE | (Opcional) Seleccione el campo si desea dividir el valor agregado por un campo específico. |
| TIME FIELD | TREND | Especifique el campo de fecha por el que desea agrupar los resultados. Los resultados se filtran según el intervalo del selector de tiempo de Grafana. |
Al configurar los campos anteriores en el editor de consultas, también obtendrá una vista previa del SOQL generado debajo del editor de consultas. Si tiene alguna limitación en el generador de consultas, puede cambiar sin problemas al editor de SOQL, donde puede personalizar la consulta de SOQL generada.
### Editor de SOQL
El editor de SOQL sin procesar ofrece la opción de consultar objetos de Salesforce mediante una consulta de SOQL sin procesar. El editor de SOQL proporciona sugerencias de rellenado automático, como las entidades disponibles por tabla y los campos correspondientes. Use Ctrl \$1 Espacio después de SELECT o WHERE para ver las entidades disponibles por tabla. Puede ver los campos disponibles si ingresa un punto después del nombre de la entidad.
**Métodos abreviados**
Use CTRL \$1 ESPACIO para mostrar la finalización del código, lo que muestra las opciones contextuales disponibles.
CMD \$1 S ejecuta la consulta.
**Consultas como series temporales**
Para hacer una consulta de series temporales, asigne un alias a un campo de fecha en time y un campo de métrica en metric y, a continuación, agrupe por métrica y fecha. A continuación, se muestra un ejemplo:
```
SELECT sum(Amount) amount, CloseDate time, Type metric from Opportunity
group by Type, CloseDate
```
**Macros**
Para filtrar por intervalo de tiempo del panel, puede usar macros en sus consultas de SOQL:
+ `$__timeFrom`: se sustituirá por el inicio de la selección de tiempo actualmente activa convertida al tipo de datos `time`.
+ `$__timeTo`: se sustituirá por el fin de la selección de tiempo actualmente activa convertida al tipo de datos `time`.
+ `$__quarterStart`— El inicio del trimestre fiscal (derivado de la configuración del año SalesForce fiscal).
+ `$__quarterEnd`— El final del trimestre fiscal (derivado de la configuración del año SalesForce fiscal).
```
SELECT UserId, LoginTime from LoginHistory where LoginTime > $__timeFrom
```
## Plantillas y variables
Para agregar una nueva variable de consulta de Salesforce, consulte [Adición de una variable de consulta](variables-types.md#add-a-query-variable). Utilice su origen de datos de Salesforce como origen de datos. Puede usar cualquier consulta de SOQL aquí.
Si desea utilizar name/value pares, por ejemplo, un seudónimo y un nombre de usuario, devuelva dos campos de la consulta de SOQL. El primer campo se usará como ID. Haga esto cuando desee filtrar por clave (ID, etc.) en su editor de consultas de SOQL.
Utilice la variable en sus consultas de SOQL mediante la sintaxis de variables. Para obtener más información, consulte [Sintaxis de variable](templates-and-variables.md#variable-syntax).
# Conexión a un origen de datos de SAP HANA
[SAP HANA](https://www.sap.com/products/technology-platform/hana.html) es una base de datos en memoria de alto rendimiento que agiliza las decisiones y acciones en tiempo real basadas en datos. SAP se encarga de su desarrollo y comercialización. El complemento de origen de datos de SAP HANA lo ayuda a conectar su instancia de SAP HANA con Grafana.
Con el complemento de SAP HANA Grafana Enterprise, puede visualizar sus datos de SAP HANA junto con todos sus demás orígenes de datos en Grafana, así como datos de registro y métricas en contexto. Este complemento incluye un editor de consultas integrado, admite anotaciones y le permite establecer umbrales de alerta, controlar el acceso, establecer permisos y mucho más.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Características
+ **Editor de consultas**: el complemento viene con un editor de consultas SQL integrado con resaltado de sintaxis que le permite visualizar series temporales o datos de tablas y completar automáticamente las macros básicas de Grafana.
+ **Permisos de orígenes de datos**: controle quién puede ver o consultar los datos de SAP HANA en Grafana.
+ **Anotaciones**: superponga eventos o datos de SAP HANA en cualquier gráfico de Grafana para correlacionar los eventos con otros datos del gráfico.
+ **Alertas**: configure almacenes de métricas basados en alertas en SAP HANA.
+ **Variables para consultas**: cree variables de plantilla en Grafana, que se basen en datos de SAP HANA, e incluya variables en las consultas de SAP HANA para que los paneles sean interactivos.
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
1. Seleccione **SAP HANA** de la lista de orígenes de datos.
1. En el editor de configuración, ingrese lo siguiente:
+ En **Dirección del servidor**, proporcione la dirección de la instancia de SAP HANA. Ejemplo: `xxxxxxx-xxxx-xxxx-xxxx-xxxxxxx.hana.trial-us10.hanacloud.ondemand.com`.
+ En **Puerto del servidor**, proporcione el puerto de la instancia de SAP HANA.
+ En **Nombre de usuario**, ingrese el nombre de usuario que se utilizará para conectarse a la instancia de SAP HANA.
+ En **Contraseña**, escriba la contraseña para este usuario.
+ (Opcional) Habilite **Omitir la verificación de TLS** si desea omitir la verificación de TLS.
+ (Opcional) Habilite **Autenticación del cliente TLS** si necesita proporcionar un certificado y una clave de cliente.
+ (Opcional) Habilite **Con un certificado de CA** si desea habilitar la verificación de los certificados TLS autofirmados.
+ (Opcional) En **Esquema predeterminado**, ingrese el esquema predeterminado que se utilizará. Si lo omite, tendrá que especificar el esquema en cada consulta.
**Accesos y permisos**
Para conectar Grafana a SAP HANA, utilice credenciales dedicadas. Proporcione al usuario únicamente los permisos necesarios. En primer lugar, cree un usuario restringido con nombre de usuario y contraseña. La siguiente consulta es un ejemplo de creación de un usuario restringido. Esta consulta también deshabilita el cambio forzoso de la contraseña.
```
CREATE RESTRICTED USER PASSWORD NO FORCE_FIRST_PASSWORD_CHANGE;
```
A continuación, permita al usuario conectar el sistema a través de clientes como Grafana con lo siguiente:
```
ALTER USER ENABLE CLIENT CONNECT;
```
Por último, dé al usuario acceso a las vistas, tablas y esquemas necesarios.
```
ALTER USER GRANT ROLE PUBLIC;
GRANT SELECT ON SCHEMA TO ;
```
**Permisos de nivel de usuario**
Limite el acceso a SAP HANA haciendo clic en la pestaña Permisos de la página de configuración del origen de datos para habilitar los permisos del origen de datos. En la página de permisos, los administradores pueden habilitar los permisos y restringir los permisos de consulta a usuarios y equipos específicos.
## Editor de consultas
El complemento de Grafana de SAP HANA incluye un editor de consultas SQL en el que puede ingresar cualquier consulta de HANA. Si la consulta devuelve datos de series temporales, puede formatearlos como series temporales para visualizarlos en un panel de gráficos. El editor de consultas permite completar automáticamente las macros de Grafana compatibles y resaltar la sintaxis de la consulta SQL.
## Anotaciones
Puede utilizar las consultas de SAP HANA como orígenes de las anotaciones de Grafana. La consulta de anotaciones debe devolver al menos una columna de tiempo y una columna de texto. Para obtener más información acerca de las anotaciones, consulte [Anotaciones](dashboard-annotations.md).
**Creación de anotaciones desde SAP HANA**
1. Seleccione el icono con forma de engranaje **Configuración del panel**.
1. En el menú de la izquierda, seleccione **Anotaciones**, **Nuevo**.
1. En el menú desplegable **Origen de datos**, seleccione su instancia de origen de datos de SAP HANA.
1. En el campo **Consulta**, ingrese una consulta de SAP HANA que devuelva al menos un campo de tiempo y un campo de texto.
1. En el menú desplegable **Dar formato como**, seleccione **Serie temporal**.
1. Para cada anotación, configure los campos **Desde**.
## Plantillas y variables
Para agregar una nueva variable de consulta de SAP HANA, consulte [Adición de una variable de consulta](variables-types.md#add-a-query-variable). Utilice su origen de datos de SAP HANA como origen de datos.
La siguiente consulta de ejemplo devuelve la lista definida de `username` de la tabla `users`.
```
select distinct("username") from "users"
```
**nota**
Asegúrese de seleccionar solo una columna en la consulta de variables. Si la consulta devuelve dos columnas, la primera columna se utilizará como valor de visualización y la segunda como valor real de la variable. Si la consulta devuelve más de dos columnas, se rechazarán.
### Plantillas y variables
Puede usar cualquier variable de Grafana en su consulta. En los siguientes ejemplos, se muestra cómo utilizar la variable única o múltiple en la consulta.
```
-- For example, following query
select * from "users" where "city" = ${city}
-- will be translated into
select * from "users" where "city" = 'london'
--- where you can see ${city} variable translated into actual value in the variable
```
Al igual que el texto, las variables también funcionan para los campos numéricos. En el siguiente ejemplo, `${age}` es una variable de cuadro de texto en la que acepta números y, a continuación, los compara con el campo numérico de la tabla.
```
select * from "users" where "age" > ${age}
--- wil be translated into
select * from "users" where "age" > '36'
```
Si la variable devuelve varios valores, puede utilizarla en la condición `in` de la consulta de SAP HANA, como se muestra a continuación. Tenga en cuenta los corchetes que rodean la variable para que la condición `where in` sea válida en SAP HANA.
```
select * from "users" where "city" in (${cities})
--- will be translated into
select * from "users" where "city" in ('london','perth','delhi')
--- where you can see ${cities} turned into a list of grafana variables selected.
--- You can also write the same query using shorthand notation as shown below
select * from "users" where "city" in ($cities)
```
### Macros
+ `$__timeFilter()`: aplica el intervalo de tiempo de Grafana a la columna especificada cuando se usa en la consulta sin procesar. Aplicable a las columnas de date/timestamp/long tiempo.
+ `$__timeFilter(, )`: igual que lo mencionado anteriormente. Sin embargo, le permite especificar el formato de la columna time\$1column almacenada en la base de datos.
+ `$__timeFilter(, "epoch", )`: igual que lo mencionado anteriormente, pero se puede usar cuando la columna de tiempo está en época. El formato puede ser “s”, “ms” y “ns”.
+ `$__fromTimeFilter()`: igual que lo mencionado anteriormente, pero se puede usar cuando la columna de tiempo está en época. El formato puede ser “s”, “ms” y “ns”.
+ `$__fromTimeFilter(, )`: igual que lo mencionado anteriormente, pero se puede especificar comparison\$1predicate.
+ `$__fromTimeFilter(, )`: igual que lo mencionado anteriormente, pero se puede especificar el formato de la columna de tiempo.
+ `$__fromTimeFilter(, , )`: igual que lo mencionado anteriormente, pero se puede especificar comparison\$1predicate.
+ `$__toTimeFilter()`: devuelve la condición de tiempo basada en el tiempo de Grafana sobre un campo de tiempo.
+ `$__toTimeFilter(, )`: igual que lo mencionado anteriormente, pero se puede especificar comparison\$1predicate.
+ `$__toTimeFilter(, )`: igual que lo mencionado anteriormente, pero se puede especificar el formato de la columna de tiempo.
+ `$__toTimeFilter(, )`: igual que lo mencionado anteriormente, pero se puede especificar comparison\$1predicate.
+ `$__timeGroup(, )`: expande la columna de tiempo en grupos de intervalos. Aplicable a las columnas de date/timestamp/long tiempo.
**Macro \$1\$1\$1timeFilter()**
En el siguiente ejemplo se explica la macro `$__timeFilter()`:
```
- In the following example, the query
select ts, temperature from weather where $__timeFilter(ts)
--- will be translated into
select ts, temperature from weather where ts > '2021-02-24T12:52:48Z' AND ts < '2021-03-24T12:52:48Z'
--- where you can see the grafana dashboard's time range is applied to the column ts in the query.
```
**Macro \$1\$1\$1timeFilter(, )**
En algunos casos, las columnas de tiempo de la base de datos se almacenan en formatos personalizados. En el siguiente ejemplo se explica la macro `$__timeFilter(, )`, que ayuda a filtrar las marcas de tiempo personalizadas en función del selector de tiempo de Grafana:
```
SELECT TO_TIMESTAMP("TS",'YYYYMMDDHH24MISS') AS METRIC_TIME , "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TS","YYYYMMDDHH24MISS") -- TS is in 20210421162012 format
SELECT TO_TIMESTAMP("TS",'YYYY-MON-DD') AS METRIC_TIME , "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TS","YYYY-MON-DD") -- TS is in 2021-JAN-15 format
```
En la macro, el formato puede ser uno de los formatos de HANA válidos que coincidan con su columna de marcas de tiempo. Por ejemplo, `YYYYMMDDHH24MISS` es un formato válido cuando los datos se almacenan en formato `20210421162012`.
**Macro \$1\$1\$1timeFilter(, "epoch" )**
En algunos casos, las marcas de tiempo se almacenan como marcas de tiempo de época en su base de datos. En el siguiente ejemplo se explica la macro `$__timeFilter(, "epoch" )`, que ayuda a filtrar las marcas de tiempo de época en función del selector de tiempo de grafana. En la macro, el formato puede ser ms, s o ns. Si no se especifica, s se considerará el formato predeterminado.
```
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP") AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch") -- Example : TIMESTAMP field stored in epoch_second format 1257894000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP") AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","s") -- Example : TIMESTAMP field stored in epoch_second format 1257894000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ms") -- Example : TIMESTAMP field stored in epoch_ms format 1257894000000
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000000000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ns") -- Example : TIMESTAMP field stored in epoch_nanoseconds format 1257894000000000000
```
En lugar de usar el tercer argumento de \$1\$1\$1timeFilter, puede usar epoch\$1s, epoch\$1ms o epoch\$1ns como segundo argumento.
```
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch","ms")
-- is same as
SELECT ADD_SECONDS('1970-01-01', "TIMESTAMP"/1000) AS "METRIC_TIME", "VALUE" FROM "SCH"."TBL" WHERE $__timeFilter("TIMESTAMP","epoch_ms")
```
**Macros \$1\$1\$1 fromTimeFilter () y \$1\$1\$1 toTimeFilter ()**
La macro `$__fromTimeFilter()` se expande a una condición sobre un campo de tiempo basado en el tiempo del selector de tiempo de Grafana.
Esto acepta tres parámetros. El primer parámetro es el nombre del campo de tiempo. Puede pasar comparison\$1predicate o el formato de la columna de tiempo como segundo argumento. Si quiere pasar ambos, el formato es el segundo parámetro y use comparison\$1predicate como tercer parámetro.
****Si no se especifica el formato, el complemento asumirá que la columna de tiempo es del timestamp/date tipo. Si su columna de tiempo está almacenada en un formato que no sea la marca de hora/fecha, pase el formato como segundo argumento. puede ser epoch\$1s, epoch\$1ms, epoch\$1ns o cualquier otro formato personalizado similar. YYYY-MM-DD
****: parámetro opcional. Si no se pasa, el complemento usará > como predicado de comparación. puede ser uno de los siguientes: =, \$1=, <>, <, <=, >, >=
`$__toTimeFilter()`funciona igual fromTimeFilter que \$1\$1\$1 (). En lugar de usar el tiempo de inicio de Grafana, usará el tiempo de finalización. Además, el predicado de comparación predeterminado será <.
**\$1\$1\$1timeGroup(, )**
Por ejemplo, la macro \$1\$1\$1timeGroup(timecol,1h) se expande a SERIES\$1ROUND("timecol", 'INTERVAL 1 HOUR') en la consulta.
En el siguiente ejemplo se explica `$__timeGroup(, ) macro.`
```
SELECT $__timeGroup(timestamp,1h), "user", sum("value") as "value"
FROM "salesdata"
WHERE $__timeFilter("timestamp")
GROUP BY $__timeGroup(timestamp,1h), "user"
ORDER BY $__timeGroup(timestamp,1h) ASC
```
Esto se traduce en la siguiente consulta, donde `$__timeGroup(timestamp,1h)` se amplía a `SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR')`.
```
SELECT SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR') as "timestamp", "user", sum("value") as "value"
FROM "salesdata"
WHERE "timestamp" > '2020-01-01T00:00:00Z' AND "timestamp" < '2020-01-01T23:00:00Z'
GROUP BY SERIES_ROUND("timestamp", 'INTERVAL 1 HOUR'), "user"
ORDER BY "timestamp" ASC
```
**nota**
Cuando utilice group by con la macro \$1\$1\$1timeGroup, asegúrese de que al seleccionar y ordenar por campos se le asigne el mismo nombre que al agrupar por campo. De lo contrario, es posible que HANA no reconozca la consulta.
Si no quiere codificar de manera rígida el intervalo en la función \$1\$1\$1timeGroup(), puede dejar eso en manos de Grafana especificando \$1\$1\$1interval como su intervalo. Grafana calculará ese intervalo a partir del intervalo de tiempo del panel. Consulta de ejemplo:
```
SELECT $__timeGroup(timestamp, $__interval), sum("value") as "value"
FROM "salesdata"
WHERE $__timeFilter("timestamp")
GROUP BY $__timeGroup(timestamp, $__interval)
ORDER BY $__timeGroup(timestamp, $__interval) ASC
```
Esa consulta se traduce en la siguiente consulta en función del intervalo de tiempo del panel.
```
SELECT SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE'), sum("value") as "value"
FROM "salesdata"
WHERE "timestamp" > '2019-12-31T23:09:14Z' AND "timestamp" < '2020-01-01T23:17:54Z'
GROUP BY SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE')
ORDER BY SERIES_ROUND("timestamp", 'INTERVAL 1 MINUTE') ASC
```
### Alertas
**Configuración de una alerta de SAP HANA en Grafana**
1. Cree un panel de gráficos en su panel.
1. Cree una consulta de SAP HANA en formato de serie temporal.
1. Elija la pestaña **Alerta** y especifique los criterios de alerta.
1. Elija **Probar regla** para probar la consulta de alertas.
1. Especifique los destinatarios de la alerta, el mensaje y la gestión de errores.
1. Guarde el panel de control.
#### Alertas sobre datos que no son de series temporales
Para enviar alertas sobre datos que no sean de series temporales, utilice la macro `TO_TIMESTAMP('${__to:date}')` para convertir las métricas que no son de series temporales en series temporales. Esto convertirá la métrica en una consulta de series temporales de un solo punto. El formato de la consulta se indica a continuación
```
SELECT TO_TIMESTAMP('${__to:date}'), FROM
```
En el siguiente ejemplo, una tabla tiene cuatro campos denominados username, age, city y role. Esta tabla no tiene ningún campo de tiempo. Queremos notificar cuando el número de usuarios con el rol de desarrollador sea inferior a tres.
```
SELECT TO_TIMESTAMP('${__to:date}'), count(*) as "count" FROM (
SELECT 'John' AS "username", 32 AS "age", 'Chennai' as "city", 'dev' as "role" FROM dummy
UNION ALL SELECT 'Jacob' AS "username", 32 AS "age", 'London' as "city", 'accountant' as "role" FROM dummy
UNION ALL SELECT 'Ali' AS "username", 42 AS "age", 'Delhi' as "city", 'admin' as "role" FROM dummy
UNION ALL SELECT 'Raja' AS "username", 12 AS "age", 'New York' as "city", 'ceo' as "role" FROM dummy
UNION ALL SELECT 'Sara' AS "username", 35 AS "age", 'Cape Town' as "city", 'dev' as "role" FROM dummy
UNION ALL SELECT 'Ricky' AS "username", 25 AS "age", 'London' as "city", 'accountant' as "role" FROM dummy
UNION ALL SELECT 'Angelina' AS "username", 31 AS "age", 'London' as "city", 'cxo' as "role" FROM dummy
) WHERE "role" = 'dev'
```
# Conectarse a una fuente ServiceNow de datos
Esta es la fuente ServiceNow de datos que se utiliza para conectarse a ServiceNow las instancias.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Características
+ Consultas
+ Estadísticas de consultas de API
+ Consultas de API de tabla
+ Incidentes, cambios y cualquier otra tabla
+ Alertas
+ Anotaciones (característica beta)
+ Variables de plantilla
## Configuración
Seleccione los orígenes de datos en el panel izquierdo de Grafana.
Seleccione Agregar origen de datos:
Ingrese **servicenow** para buscar el complemento de origen de datos:
Introduzca ServiceNow la URL:
Elija **Guardar y probar**. Deberías ver un mensaje verde con el texto «ServiceNow Conexión correcta».
### Ejemplos de paneles
Los paneles prediseñados se incluyen con el complemento y se pueden importar a través de la página de configuración del origen de datos, en la pestaña Paneles.
## De uso
Hay dos formas de devolver datos en el editor de consultas.
+ TableAPI
+ AggregateAPI
Actualmente, los usuarios pueden elegir entre consultar tablas predefinidas, como las siguientes:
+ Cambios
+ Incidentes
O bien, a partir de la `v1.4.0`, una lista de tablas y campos basada en una API con la opción **Otros (tabla personalizada)**. Esta opción le permitirá consultar los datos de cualquier tabla disponible para el usuario que haya utilizado para configurar la fuente de ServiceNow datos.
La opción **Tabla personalizada** debe admitir exactamente las mismas características que las listas de tablas predefinidas.
### Consultas de TableAPI
TableAPI devuelve datos adecuados para mostrarlos en un panel de tabla. Permite mostrar una selección ordenada de campos, además de opciones de filtro. El editor de consultas también proporciona un campo para limitar el número de filas que devuelve una consulta.
Ejemplo de panel de tabla que muestra resultados de la consulta anterior.
#### Mostrar
La fila *Mostrar* proporciona un selector para mostrar un campo. También se pueden especificar varios campos. Los campos se devolverán en el orden exacto especificado.
#### Valores de visualización
El indicador *Valores de visualización* hará que la consulta devuelva valores aptos para el usuario, o valores de visualización, en lugar de valores numéricos.
Por ejemplo, una gravedad de nivel `1` sin este indicador solo mostraría `1`. Si el indicador está habilitado, se mostrará el valor `1 - High`.
Según la [documentación de la ServiceNow API](https://developer.servicenow.com/dev.do#!/reference/api/orlando/rest/c_TableAPI), esto puede tener un impacto negativo en el rendimiento.
**nota**
[…] especificar el valor de visualización puede provocar problemas de rendimiento, ya que no se lee directamente de la base de datos y podría incluir una referencia a otros campos y registros.
#### Filtros (generales)
La fila *Filtros* permite reducir las filas mostradas en función de varios criterios de campo y valor.
Todos los filtros se combinan con una operación *AND* u *OR*.
Los siguientes campos están disponibles cuando no se utiliza una tabla personalizada (esta lista se ampliará en el futuro).
```
Active
Asset
Group
Assigned To
Escalation
Issue Number
Description
Priority
State
Type
Change Risk
Change State
Start Date
End Date
On Hold
```
Al seleccionar una tabla personalizada, los campos se rellenan automáticamente desde la API de ServiceNow.
##### Filtros de fecha
| Campo de tiempo | Operadores | Valor |
| --- | --- | --- |
| Abierto a las | Hoy o antes de hoy, hoy no, antes, a las o antes, después, a las o después | timestamp javascript:gs.daysAgo(30) |
| Fecha límite de actividad | | |
| Cerrado a las | | |
| Fecha de vencimiento | | |
| Inicio esperado | | |
| Hora de reapertura | | |
| Resuelto a las | | |
| Fin del trabajo | | |
| Inicio del trabajo | | |
| Omitir tiempo | | |
Para obtener valores de fecha adicionales, consulte: https://developer.servicenow.com/app.do\$1\$1/ api\$1doc? v=NewYork&id=r\$1sgsys-dategenerate\$1s\$1s
##### Operadores (generales, basados en cadenas)
+ Empieza por
+ Ends With (Acaba en)
+ Como
+ No como
+ Igual a
+ No igual a
+ Is Empty (Está vacío)
##### Operadores (basados en tiempo)
+ Hoy
+ Hoy no
+ Antes
+ A las o antes
+ Después
+ A las o después
##### Valores
La selección del valor depende del tipo de filtro seleccionado.
+ Los filtros booleanos tienen opciones True/False
+ Los filtros de texto permiten escribir cualquier valor
+ Escalación: la prioridad tiene un conjunto fijo de valores numéricos
#### Ordenar por
La fila *Ordenar por* permite reducir las filas mostradas en función de varios criterios de campo y valor.
Todos los filtros se combinan con una operación *AND*. Se agregará compatibilidad para operadores adicionales.
#### Límite
Se puede especificar un límite de filas para evitar que se devuelvan demasiados datos. El valor predeterminado es 25.
#### Campo de tiempo
`Time Field` es lo que convierte los datos consultados en una serie temporal. El hecho de que sus datos se traten como series temporales significa que no se mostrarán los valores del “campo de tiempo” seleccionado que no se encuentren dentro del intervalo de tiempo del panel.
El campo de tiempo predeterminado que se utiliza es “Abierto a las”, pero se puede cambiar por cualquier campo disponible que contenga un valor de tiempo.
Se proporciona un valor especial “Omitir tiempo” para permitir obtener resultados “hasta ahora” y también para permitir que los filtros controlen los datos que se muestran.
### Consultas de AggregateAPI (estadísticas)
AggregateAPI siempre devolverá métricas con las siguientes agregaciones: avg, min, max y sum. El filtrado también está disponible para restringir las consultas.
#### Mostrar
La fila *Mostrar* proporciona un selector para mostrar una métrica. También se pueden especificar varias métricas.
#### Filtros (generales)
Los *filtros* de agregación permiten reducir las métricas mostradas en función de criterios de campo y valor, de forma similar a la opción de tabla.
Todos los filtros se combinan con una operación *AND*. Se agregará compatibilidad para operadores adicionales.
Las opciones de filtro de estadísticas son las mismas que las de TableAPI.
#### Agregación
Hay cuatro tipos de agregaciones de métricas, además de un “recuento”:
+ Media
+ Mínimo
+ Máximo
+ Sum
+ Recuento: devuelve el “número” de métricas devueltas por una consulta
##### Agrupación por
Este selector permite dividir las métricas en agregaciones menores. Al agrupar por “prioridad”, se obtendrían las métricas con una “etiqueta” de prioridad y los valores únicos separados.
### Plantillas
En lugar de codificar los nombres en las consultas, puede utilizar variables. Las variables se muestran como cuadros de selección desplegables en la parte superior del panel de control. Puede usar estos cuadros desplegables para cambiar los datos que se muestran en su panel.
Consulte el ejemplo de la sección **Variable de consulta** sobre cómo agregar una variable de consulta y hacer referencia a ella con un valor de plantilla.
#### Variable de consulta
Si agrega una variable de plantilla de tipo `Query`, puede escribir una consulta que devuelva elementos como nombres de categorías, nombres de clave o valores de clave que se muestran en un cuadro de selección desplegable.
Por ejemplo, puede tener una variable que contenga todos los valores de `categories` especificando una consulta como esta en la configuración de *consulta* de la variable de plantilla.
Al elegir la configuración de **consulta**, se muestra una sección de **filtro** que le permite elegir un **tipo** y un **campo**. Actualmente, el **tipo** está limitado a incidentes y cambios. Al seleccionar un tipo, se le proporciona una lista de los campos aplicables a ese tipo. Una vez seleccionados un **tipo** y un **campo**, se mostrará una vista previa de los valores en la parte inferior con las opciones disponibles para ese tipo o campo. Estos valores se mostrarán en una lista desplegable en el panel, que puede utilizar junto con las plantillas para filtrar los datos de los paneles de dicho panel.
Por ejemplo, si agrega una variable denominada *categoría* y, a continuación, selecciona Tipo = Incidentes y Campo = Categoría, verá una lista de opciones para el valor Categoría. Si, a continuación, agrega un filtro a un panel y selecciona Categoría igual a \$1\$1category\$1, los datos del panel solo mostrarán los datos de la categoría seleccionada en la lista desplegable del panel.
Importe el panel **Incidentes por categoría** para ver un ejemplo.
#### Uso de variables en consultas
Existen dos sintaxis:
Ejemplo de `$` con una variable de plantilla llamada `hostname`:
Ejemplo de `[[varname]]` con una variable de plantilla llamada `hostname`:
## Alertas
Se admiten las alertas estándar de Grafana. Cualquier consulta definida en un panel de gráfico se puede utilizar para generar alertas.
A continuación se muestra un ejemplo de consulta y una alerta. Esta consulta devolverá un gráfico de todos los incidentes críticos de alta prioridad que están abiertos:
Esta alerta se iniciará cuando haya más de cinco incidentes críticos de alta prioridad abiertos:
Al probar la regla de alerta, se mostrará el resultado de esta regla y, al seleccionar el historial de estados, se mostrará la alerta pasando de “correcto” a “pendiente” y luego a “alerta”.
En la vista de gráfico se mostrará una línea vertical y el icono del corazón en la parte superior se volverá naranja mientras la alerta esté pendiente.
Una vez que se cumplen los criterios de alerta, la regla pasa a ser roja.
En la vista de gráfico, aparecerá la línea vertical roja y el icono del corazón en la parte superior se volverá rojo.
### Escritura de incidentes para las alertas
**Característica beta**
+ Configure un canal de notificaciones para su fuente de ServiceNow datos.
Esto configurará un [canal de notificaciones de Grafana](https://grafana.com/docs/grafana/latest/alerting/notifications/) que utilizará el usuario configurado para crear incidentes en la ServiceNow instancia de esta fuente de datos.
Esta acción requiere que el usuario de la fuente de ServiceNow datos tenga permisos para escribir incidentes.
## Anotaciones
Las anotaciones de Grafana son una **característica beta** a partir de la `v1.4.0` de este origen de datos. Las anotaciones le permiten superponer eventos en gráficos.
La consulta de anotaciones admite las mismas opciones que el editor de consultas estándar, con algunas pequeñas diferencias:
+ Solo se puede seleccionar una columna “Mostrar”. Es probable que esto se solucione en una futura mejora.
+ El campo de tiempo es obligatorio.
## Preguntas frecuentes
### ¿Qué sucede si no tenemos el complemento de roles de ITSM?
**Se requiere acceso de administrador para llevar a cabo las siguientes acciones**
Opción 1: Otorgue permisos de administrador de usuarios de Grafana para permitir el acceso a todas las tablas.
Opción 2: Cree un rol y aplíquelo ACLs a todas las tablas a las que Grafana deba acceder.
Se requiere acceso de administrador para llevar a cabo las siguientes acciones.
1. El administrador que ha iniciado sesión debe aumentar el acceso a security\$1admin.
1. En el panel de navegación superior derecho, elija el icono del perfil. El icono del perfil tiene un indicador desplegable en forma de cursor.
1. En la lista desplegable, elija **Elevar roles**.
1. En el modal que se muestra, seleccione la casilla de verificación **security\$1admin**.
1. Seleccione Aceptar.
1. Cree un nuevo rol con la convención de nomenclatura que desee.
1. Vaya a la sección de roles en la barra de navegación de la izquierda Seguridad del sistema => Usuarios y grupos => Roles
1. Seleccione la opción **Nuevo** en la parte superior.
1. Ingrese un nombre y una descripción pertinente para el rol.
1. Seleccione **Enviar**.
1. Cree un nuevo usuario o modifique un usuario existente con los roles necesarios.
1. El rol que creó en el paso 2.
1. personalize\$1dictionary
1. personalize\$1choices
1. cmdb\$1read (esto otorgará acceso de lectura a todas las tablas de cmdb)
1. Cree una tabla ACLs para las tablas y los campos necesarios.
1. Cree una ACL para la tabla sys\$1db\$1object.
1. En la segunda columna del encabezado de búsqueda **Nombre**, ingrese **sys\$1db\$1object** y pulse **Entrar**.
1. El resultado filtrado debería mostrar **Tabla**. Elija **Tabla** para navegar por el registro.
1. En la sección de pestañas, seleccione **Controles**.
1. En la parte inferior de la página, asegúrese de que **Controles de acceso** sea la pestaña seleccionada.
1. Elija **Nuevo** para crear una nueva ACL.
1. Cambie la selección de **operación** a lectura.
1. En la sección **Requiere rol**, situada en la parte inferior de la pantalla, seleccione (haga doble clic) **Insertar nueva fila** y busque el rol que ha creado.
1. Tras seleccionar el rol que creó, seleccione la marca de verificación verde.
1. Elija **Enviar** en la parte inferior de la pantalla para crear la ACL y, a continuación, elija **Continuar** cuando aparezca el modal.
1. Cree campos ACLs sys\$1db\$1object específicos. Se deben repetir los siguientes pasos para cada uno de los campos siguientes: Nombre, Etiqueta, Nombre para mostrar y Tabla de extensiones.
1. Mientras esté en la vista de registros de tabla de sys\$1db\$1object, seleccione la pestaña **Columnas** en el grupo de pestañas más cercano a la parte superior de la pantalla.
1. Localice el nombre del campo y selecciónelo.
1. En la sección de pestañas inferior, elija **Nuevo** en la pestaña **Controles de acceso**.
1. Cambie la operación a lectura.
1. Seleccione (haga doble clic) el texto para insertar una fila en la parte inferior de la tabla “Requiere rol”.
1. Busque el rol que creó y seleccione la casilla de selección verde.
1. Seleccione **Enviar**.
1. Asegúrese de haber repetido estos pasos para todos los campos obligatorios: Nombre, Etiqueta, Nombre para mostrar y Tabla de extensiones.
1. Repita los pasos a partir del 4.1 en Cambios, Incidentes y cualquier otra tabla que no sea de CMDB y que desee consultar desde Grafana. No repita los pasos a partir del 4.2; ese paso solo es necesario para sys\$1db\$1object.
# Conexión a un origen de datos de Snowflake
Con el origen de datos de Snowflake Enterprise, puede visualizar sus datos de Snowflake junto con todos sus demás orígenes de datos en Grafana, así como datos de registros y métricas en contexto. Este origen de datos incluye un potente editor de consultas que se puede escribir con antelación, admite anotaciones complejas, establece umbrales de alerta, controla el acceso y los permisos, y mucho más.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Descripción general de
### ¿Qué es Snowflake?
Snowflake ofrece un servicio de almacenamiento y análisis de datos basado en la nube, generalmente denominado «datos warehouse-as-a-service», que ofrece una solución para el almacenamiento de datos, los lagos de datos, la ingeniería de datos, la ciencia de datos, el desarrollo de aplicaciones de datos y el intercambio de datos. En los últimos años, Snowflake ha ganado una enorme popularidad debido a su capacidad para almacenar y analizar datos de forma asequible mediante hardware y software basados en la nube. Recientemente, ha culminado con la mayor oferta pública inicial de software de la historia. En la actualidad, muchas empresas utilizan Snowflake como base de datos principal para almacenar datos empresariales y de aplicaciones, como recuentos de transacciones, sesiones de usuarios activos e incluso series temporales y datos de métricas.
### Cómo aprovechar al máximo Snowflake y Amazon Managed Grafana
**Visualización de datos de Snowflake sin moverlos**: la arquitectura única de Grafana consulta los datos directamente donde se encuentran, en lugar de moverlos y pagar por el almacenamiento y la ingesta redundantes.
**Creación de paneles a partir de diversos orígenes**: con los paneles de control prediseñados y personalizados, podrá reunir datos de muchos orígenes de datos diferentes en un panel único.
**Transformación y cálculo en el nivel de usuario**: los usuarios pueden transformar los datos y ejecutar varios cálculos con los datos que ven, lo que requiere menos preparación de los datos.
**Combinación, cálculo y visualización dentro de los paneles**: cree paneles de orígenes de datos mixtos que muestren datos relacionados de Snowflake y otros orígenes.
### Características
**Editor de consultas**: el editor de consultas es un editor inteligente de autorellenado de SQL que permite visualizar series temporales o datos de tablas, gestiona los errores de sintaxis de SQL y rellena automáticamente las palabras clave básicas de SQL.
**Permisos de orígenes de datos**: controle quién puede ver o consultar los datos de Snowflake en Grafana.
**Anotaciones**: superponga eventos de Snowflake en cualquier gráfico de Grafana para correlacionar los eventos con otros datos del gráfico.
**Alertas**: configure almacenes de métricas basados en alertas en Snowflake.
**Variables para consultas**: cree variables de plantilla en Grafana que se basen en datos de Snowflake e incluya variables en las consultas de Snowflake para que los paneles sean interactivos.
**Consultas multimétricas:** escriba una única consulta que devuelva varias métricas, cada una en su propia columna.
## Introducción al complemento de Snowflake
Estos son cinco pasos rápidos para empezar a utilizar el complemento de Snowflake en Grafana:
### Paso 1: Configuración del origen de datos de Snowflake
Para configurar el origen de datos, seleccione **Configuración**, **Orígenes de datos**, **Agregar origen de datos**, Snowflake.
Agregue sus detalles de autenticación y el origen de datos estará listo para consultarse.
Están disponibles los siguientes campos de configuración.
| Name | Description (Descripción) |
| --- | --- |
| Cuenta | Cuenta de Snowflake. |
| Nombre de usuario | Nombre de usuario de la cuenta de servicio. |
| Contraseña | Contraseña de la cuenta de servicio. |
| Esquema (opcional) | Establece un esquema predeterminado para las consultas. |
| Almacén (opcional) | Establece un almacén predeterminado para las consultas. |
| Base de datos (opcional) | Establece una base de datos predeterminada para las consultas. |
| Rol (opcional) | Asume un rol para las consultas. |
### Paso 2: Escritura de consultas para los datos de Snowflake
Cree un panel en un panel y seleccione un origen de datos de Snowflake para empezar a utilizar el editor de consultas.
+ La fecha y la hora pueden aparecer en cualquier parte de la consulta siempre que estén incluidas.
+ Debe incluirse una columna numérica. Puede ser una agregación o una columna. int/float
+ Si lo desea, puede incluir columnas de cadenas para crear series de datos independientes, si los datos de serie temporal están formateados para diferentes métricas.
#### Diseño de una consulta de Snowflake
```
select
,
,
,
<...>
from
where
$__timeFilter() // predefined where clause for time range
and $ = 1 // custom variables start with dollar sign
```
#### Formato de consulta SQL para agrupar series temporales por intervalos
```
select
$__timeGroup(created_ts, '1h'), // group time by interval of 1h
,
,
from
where
$__timeFilter() // predefined where clause for time range
and $ = 1 // custom variables start with dollar sign
group by
```
#### Formato de consulta SQL para tablas
```
select
, // optional if result format option is table
from
where
$__timeFilter(time_column) // macro for time range, optional if format as option is table
and $ = 1 // custom variables start with dollar sign
```
### Paso 3: Creación y uso de variables de plantilla
#### Uso de variables de plantilla
Puede incluir variables de plantilla en las consultas, como se muestra en el ejemplo siguiente.
```
select
from
WHERE column >= '$variable'
```
En el siguiente ejemplo, se muestra el uso de variables con múltiples valores en una consulta.
```
select
from
WHERE regexp '${variable:regex}'
```
#### Uso del origen de datos de Snowflake para crear variables
En la configuración del panel, elija **Variables** y elija **Nuevo**.
Con el tipo de variable “Consulta”, seleccione el origen de datos de Snowflake como “Origen de datos”.
**importante**
Asegúrese de seleccionar solo una columna en la consulta de variables.
Ejemplo:
```
SELECT DISTINCT query_type from account_usage.query_history;
```
le proporcionará estas variables:
```
All DESCRIBE USE UNKNOWN GRANT SELECT CREATE DROP SHOW
```
### Paso 4: Configuración de una alerta
Puede configurar alertas sobre métricas específicas de Snowflake o sobre consultas que haya creado.
Seleccione el botón de la pestaña de alertas en el editor de consultas y seleccione **Crear alerta**.
### Paso 5. Creación de una anotación
Las anotaciones permiten superponer eventos en un gráfico.
Para crear una anotación, en la configuración del panel, elija **Anotaciones** y **Nuevo**, y seleccione Snowflake como origen de datos.
Como las anotaciones son eventos, requieren al menos una columna de tiempo y una columna para describir el evento.
En el siguiente código de ejemplo se muestra una consulta para anotar todos los inicios de sesión fallidos en Snowflake.
```
SELECT
EVENT_TIMESTAMP as time,
EVENT_TYPE,
CLIENT_IP
FROM ACCOUNT_USAGE.LOGIN_HISTORY
WHERE $__timeFilter(time) AND IS_SUCCESS!='YES'
ORDER BY time ASC;
```
Y
+ hora: `TIME`
+ título: `EVENT_TYPE`
+ texto: `CLIENT_IP`
Esto superpondrá las anotaciones de todos los inicios de sesión fallidos en Snowflake en los paneles.
## Funcionalidad adicional
### Uso del campo Nombre de visualización
Este complemento usa el campo Nombre de visualización de la pestaña Campo del panel de opciones para acortar o modificar una clave de leyenda en función de su nombre, etiquetas o valores. Otros orígenes de datos usan la funcionalidad `alias` personalizada para modificar las claves de las leyendas, pero la función Nombre de visualización es una forma más coherente de hacerlo.
### Permisos de orígenes de datos
Limite el acceso a Snowflake haciendo clic en la pestaña **Permisos** de la página de configuración del origen de datos para habilitar los permisos del origen de datos. En la página de permisos, los administradores pueden habilitar los permisos y restringir los permisos de consulta a usuarios y equipos específicos.
### Descripción de los datos de facturación y uso de Snowflake
Dentro del origen de datos de Snowflake, puede importar un panel de facturación y uso en el que se muestre información útil sobre facturación y uso.
Agregue el panel en la página de configuración del origen de datos de Snowflake:
Este panel usa la base de datos ACCOUNT\$1USAGE y requiere que la persona que hace la consulta tenga el rol ACCOUNTADMIN. Para hacerlo de forma segura, cree un nuevo origen de datos de Grafana que tenga un usuario con el rol ACCOUNTADMIN. A continuación, seleccione ese origen de datos en las variables.
# Conexión de un origen de datos de Splunk
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Configuración
### Configuración del origen de datos
Al configurar el origen de datos, asegúrese de que el campo URL utilice `https` y apunte al puerto de Splunk configurado. El punto predeterminado de la API de Splunk es 8089, no 8000 (este es el puerto de IU web predeterminado). Habilite *Basic Auth* y especifique el nombre de usuario y la contraseña de Splunk.
#### Modo de acceso (directo) del navegador y CORS
Amazon Managed Grafana no admite el acceso directo del navegador al origen de datos de Splunk.
### Opciones avanzadas
#### Modo de transmisión
Habilite el modo de transmisión si quiere obtener resultados de búsqueda a medida que estén disponibles. Esta es una característica experimental, no la habilite hasta que realmente la necesite.
#### Resultado de sondeo
Ejecute la búsqueda y, a continuación, compruebe periódicamente el resultado. En resumen, esta opción ejecuta una llamada a la API `search/jobs` con el valor `exec_mode` establecido en `normal`. En este caso, la solicitud de la API devuelve el SID del trabajo y, a continuación, Grafana comprueba el estado del trabajo de cuando en cuando para obtener el resultado del trabajo. Esta opción puede resultar útil para las consultas lentas. De forma predeterminada, esta opción está deshabilitada y Grafana establece `exec_mode` en `oneshot` que permite devolver el resultado de la búsqueda en la misma llamada a la API. Encuentre más información sobre el punto de conexión de la API `search/jobs` en los [documentos de Splunk](https://docs.splunk.com/Documentation/Splunk/latest/RESTREF/RESTsearch#search.2Fjobs).
#### Búsqueda de un intervalo de sondeo
Esta opción permite ajustar la frecuencia con la que Amazon Managed Grafana sondeará a Splunk para obtener resultados de búsqueda. La hora de la próxima encuesta se elige al azar entre un intervalo [mínimo, máximo). Si se hacen muchas búsquedas intensivas, es adecuado aumentar estos valores. Consejos: aumente el *mínimo* si la ejecución de los trabajos de búsqueda demora mucho y el *máximo* si se hacen muchas búsquedas paralelas (muchas métricas de Splunk en el panel de Grafana). El valor predeterminado es un intervalo de [500, 3000) milisegundos.
#### Cancelación automática
Si se especifica, el trabajo se cancela automáticamente después de tantos segundos de inactividad (0 significa que nunca se cancela automáticamente). El valor predeterminado es 30.
#### Buckets de estado
El mayor número de buckets de estado que se pueden generar. Un 0 indica que no se genera información de la escala de tiempo. El valor predeterminado es 300.
#### Modo de búsqueda de campos
Cuando utiliza el editor visual de consultas, el origen de datos intenta obtener una lista de los campos disponibles para el tipo de origen seleccionado.
+ rápido: utilice el primer resultado disponible de la vista previa
+ completo: espere a que finalice el trabajo y obtenga el resultado completo.
#### La primera hora predeterminada
Algunas búsquedas no pueden utilizar el intervalo de tiempo del panel (como las consultas de variables de plantilla). Esta opción ayuda a evitar la búsqueda permanente, lo que puede ralentizar Splunk. La sintaxis es un número entero y una unidad de tiempo `[+|-]`. Por ejemplo, `-1w`. [Unidad de tiempo](https://docs.splunk.com/Documentation/Splunk/latest/Search/Specifytimemodifiersinyoursearch) puede ser `s, m, h, d, w, mon, q, y`.
#### Modo de búsqueda de variables
Modo de búsqueda para consultas de variables de plantilla. Valores posibles:
+ rápido: la detección de campos está desactivada para las búsquedas de eventos. No hay datos de eventos o campos para las búsquedas de estadísticas.
+ inteligente: la detección de campos está activada en las búsquedas de eventos. No hay datos de eventos o campos para las búsquedas de estadísticas.
+ detallado: todos los datos de eventos y campos.
## De uso
### Editor de consultas
#### Modos de editor
El editor de consultas admite dos modos: sin procesar y visual. Para cambiar entre estos modos, elija el icono de una hamburguesa en la parte derecha del editor y seleccione *Alternar el modo editor*.
#### Modo sin procesar
Utilice el comando `timechart` para los datos de serie temporal, tal y como se muestra en el siguiente ejemplo de código.
```
index=os sourcetype=cpu | timechart span=1m avg(pctSystem) as system, avg(pctUser) as user, avg(pctIowait) as iowait
index=os sourcetype=ps | timechart span=1m limit=5 useother=false avg(cpu_load_percent) by process_name
```
Las consultas admiten variables de plantilla, como se muestra en el ejemplo siguiente.
```
sourcetype=cpu | timechart span=1m avg($cpu)
```
Tenga en cuenta que Grafana es una aplicación orientada a series temporales y su búsqueda debe devolver datos de serie temporal (marca de tiempo y valor) o un valor único. Puede leer sobre el comando [timechart](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/Timechart) y encontrar más ejemplos de búsqueda en la [referencia oficial de búsqueda de Splunk](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/WhatsInThisManual).
#### Métricas y `mstats` de Splunk
Splunk 7.x proporciona un comando `mstats` para analizar las métricas. Para que los gráficos funcionen correctamente con `mstats`, se debe combinar con un comando `timeseries` y se debe establecer la opción `prestats=t`.
```
Deprecated syntax:
| mstats prestats=t avg(_value) AS Value WHERE index="collectd" metric_name="disk.disk_ops.read" OR metric_name="disk.disk_ops.write" by metric_name span=1m
| timechart avg(_value) span=1m by metric_name
Actual:
| mstats prestats=t avg(disk.disk_ops.read) avg(disk.disk_ops.write) WHERE index="collectd" by metric_name span=1m
| timechart avg(disk.disk_ops.read) avg(disk.disk_ops.write) span=1m
```
Encuentre más información sobre el comando `mstats` en la [referencia de búsqueda de Splunk](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/Mstats).
#### Formateo como
Se admiten dos modos de formato de los resultados: *series temporales* (predeterminado) y *tabla*. El modo de tabla es adecuado para utilizarlo con el panel de tablas cuando se quieren mostrar datos agregados. Funciona con eventos sin procesar (devuelve todos los campos seleccionados) y con la función de búsqueda `stats`, que devuelve datos similares a los de una tabla. Ejemplos:
```
index="os" sourcetype="vmstat" | fields host, memUsedMB
index="os" sourcetype="ps" | stats avg(PercentProcessorTime) as "CPU time", latest(process_name) as "Process", avg(UsedBytes) as "Memory" by PID
```
El resultado es similar a la pestaña *Estadísticas* de la interfaz de usuario de Splunk.
Consulte más información sobre el uso de la función `stats` en la [referencia de búsqueda de Splunk](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/Stats).
#### Modo visual
Este modo permite crear step-by-step búsquedas. Tenga en cuenta que este modo crea una búsqueda de Splunk de `timechart`. Solo tiene que seleccionar el índice, el tipo de origen y las métricas, y configurar la división por campos si lo desea.
##### Métrica
Para agregar varias métricas a la búsqueda, elija el botón *más* situado en el lado derecho de la fila de métricas. El editor de métricas contiene una lista de las agregaciones más utilizadas, pero aquí puede especificar cualquier otra función. Solo tiene que elegir un segmento agg (el valor predeterminado es `avg`) y escribir lo que necesite. Seleccione el campo que le interese en la lista desplegable (o ingréselo) y establezca un alias si lo desea.
##### Split by y Where
Si establece el campo Split by y usa el modo de *series temporales*, estará disponible el editor Where. Elija el signo *más* y seleccione el operador, la agregación y el valor, por ejemplo, *Where avg en los 10 principales*. Tenga en cuenta que esta cláusula *Where* forma parte de *Split by*. Consulte más información en los [documentos de timechart](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/timechart#where_clause).
#### Opciones
Para cambiar las opciones predeterminadas del comando timechart, seleccione **Opciones** en la última fila.
Consulte más información sobre estas opciones en los [documentos de timechart](https://docs.splunk.com/Documentation/Splunk/latest/SearchReference/timechart).
#### Búsqueda de Splunk renderizada
Elija la letra de destino de la izquierda para contraer el editor y mostrar la búsqueda de Splunk renderizada.
### Anotaciones
Utilice anotaciones si quiere mostrar las alertas o eventos de Splunk en un gráfico. La anotación puede ser una alerta de Splunk predefinida o una búsqueda de Splunk normal.
#### Alerta de Splunk
Especifique un nombre de alerta o deje el campo en blanco para ver todas las alertas emitidas. Se admiten las variables de plantilla.
#### Búsqueda de Splunk
Utilice la búsqueda de Splunk para obtener los eventos necesarios, como se muestra en el ejemplo siguiente.
```
index=os sourcetype=iostat | where total_ops > 400
index=os sourcetype=iostat | where total_ops > $io_threshold
```
Se admiten las variables de plantilla.
La opción **Campo de evento como texto** es adecuada si quiere usar el valor del campo como texto de anotación. En el ejemplo siguiente, se muestra el texto del mensaje de error de los registros.
```
Event field as text: _raw
Regex: WirelessRadioManagerd\[\d*\]: (.*)
```
Expresión regular permite extraer una parte del mensaje.
### Variables de plantilla
La característica de variables de plantilla admite las consultas de Splunk que devuelven una lista de valores, por ejemplo, con un comando `stats`.
```
index=os sourcetype="iostat" | stats values(Device)
```
Esta consulta devuelve una lista de valores de campo `Device` del origen `iostat`. Puede utilizar estos nombres de dispositivos para las consultas o las anotaciones de series temporales.
Hay dos tipos posibles de consultas de variables que se pueden utilizar en Grafana. La primera es una consulta simple (como se presentó anteriormente), que devuelve una lista de valores. El segundo tipo es una consulta que puede crear una key/value variable. La consulta debe devolver dos columnas denominadas `_text` y `_value`. El valor de la columna `_text` debe ser único (si no lo es, se utilizará el primer valor). Las opciones de la lista desplegable tendrán un texto y un valor para que pueda asignar un nombre descriptivo como texto y un ID como valor.
Por ejemplo, esta búsqueda devuelve una tabla con columnas `Name` (nombre del contenedor de Docker) e `Id` (identificador del contenedor).
```
source=docker_inspect | stats count latest(Name) as Name by Id | table Name, Id
```
Para utilizar el nombre del contenedor como un valor visible para la variable y el ID como su valor real, se debe modificar la consulta, como en el siguiente ejemplo.
```
source=docker_inspect | stats count latest(Name) as Name by Id | table Name, Id | rename Name as "_text", Id as "_value"
```
#### Variables de varios valores
Es posible utilizar variables con varios valores en las consultas. Una búsqueda interpolada dependerá del contexto de uso de la variable. Existen varios de esos contextos compatibles con el complemento. Supongamos que hay una variable `$container` con los valores seleccionados `foo` y `bar`:
+ Filtro básico para el comando `search`
```
source=docker_stats $container
=>
source=docker_stats (foo OR bar)
```
+ Filtro por campo-valor
```
source=docker_stats container_name=$container
=>
source=docker_stats (container_name=foo OR container_name=bar)
```
+ Filtro por campo-valor con el operador `IN` y la función `in()`
```
source=docker_stats container_name IN ($container)
=>
source=docker_stats container_name IN (foo, bar)
source=docker_stats | where container_name in($container)
=>
source=docker_stats | where container_name in(foo, bar)
```
#### Variables de varios valores y comillas
Si la variable se encuentra entre comillas (dobles o simples), sus valores también aparecerán entre comillas, como en el ejemplo siguiente.
```
source=docker_stats container_name="$container"
=>
source=docker_stats (container_name="foo" OR container_name="bar")
source=docker_stats container_name='$container'
=>
source=docker_stats (container_name='foo' OR container_name='bar')
```
# Conexión a un origen de datos de Splunk Infrastructure Monitoring
Proporciona soporte para Splunk Infrastructure Monitoring (anteriormente SignalFx).
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## Adición del origen de datos
1. Abra la consola de Grafana en el espacio de trabajo de Amazon Managed Grafana y asegúrese de haber iniciado sesión.
1. En el menú lateral, en **Configuración** (el icono con forma de engranaje), seleccione **Orígenes de datos**.
1. Elija **Agregar origen de datos**.
**nota**
Si no ve el enlace **Orígenes de datos** en el menú lateral, su usuario actual no tiene el rol `Admin`.
1. Seleccione **Splunk Infrastructure Monitoring** en la lista de orígenes de datos.
1. Introduzca la información siguiente:
+ En el **caso del token de acceso**, introduzca el token generado por su SignalFx cuenta. Para obtener más información, consulte [Authentication Tokens](https://docs.signalfx.com/en/latest/admin-guide/tokens.html).
+ **Ámbito**: implementación autónoma que aloja su organización. Puedes encontrar el nombre de tu dominio en la página de tu perfil al iniciar sesión en la interfaz SignalFx de usuario.
## Uso del editor de consultas de
El editor de consultas acepta un [ SignalFlow](https://dev.splunk.com/observability/docs/signalflow/)programa o una consulta.
En el caso de las etiquetas, se aplica una etiqueta `publish(label = 'foo')` de SignalFlow como metadatos a los resultados: **"label":"foo"**
En el caso de las variables de plantilla de tipo de consulta, no hay ningún campo **Consulta**. En su lugar, seleccione uno de los siguientes tipos de consulta:
+ Dimensiones
+ Métricas
+ Tags
Se admiten filtros ad hoc, lo que permite aplicar filtros globales mediante dimensiones.
Se admiten las anotaciones de Grafana. Al crear anotaciones, utilice las consultas de SignalFlow alertas o eventos.
Ejemplo de cómo obtener alertas para un detector:
```
alerts(detector_name='Deployment').publish();
```
Ejemplo de cómo obtener eventos personalizados por tipo:
```
events(eventType='simulated').publish();
```
# Conectarse a una fuente de datos de Wavefront (VMware Tanzu Observability by Wavefront)
La fuente de datos Wavefront (VMware Tanzu Observability by Wavefront) permite a los usuarios de Grafana gestionada por Amazon consultar y visualizar los datos que recopilan directamente de Wavefront y visualizarlos fácilmente junto con cualquier otra métrica, registro, rastreo u otra fuente de datos. Esta vista flexible de un solo panel facilita el seguimiento del estado del sistema y la depuración de problemas.
**nota**
Este origen de datos es solo para Grafana Enterprise. Para obtener más información, consulte [Administración del acceso a los complementos empresariales](upgrade-to-enterprise-plugins.md).
Además, en los espacios de trabajo compatibles con la versión 9 o posterior, es posible que se deba instalar el complemento adecuado para este origen de datos. Para obtener más información, consulte [Ampliación de su espacio de trabajo con complementos](grafana-plugins.md).
## ¿Qué es Wavefront?
[Wavefront](https://www.wavefront.com) es una herramienta de monitoreo y análisis en la nube desarrollada por. VMware Wavefront es un servicio alojado en la nube en el que envías tus datos de series temporales (métricas) desde CollectD, StatsD, JMX, el registrador de Ruby u otras herramientas. AWS Con Wavefront, los usuarios pueden realizar operaciones matemáticas en esas series, renderizar gráficos para ver anomalías, realizar un seguimiento y crear alertas. KPIs
## Maximización de la pila tecnológica con Wavefront y Grafana
Aunque, a primera vista, Grafana y Wavefront parecen similares, muchas organizaciones usan tanto Wavefront como Grafana como partes fundamentales de sus flujos de trabajo de observabilidad.
**Visualizar los orígenes de datos sin moverlos:** la arquitectura única de Grafana consulta los datos directamente donde se encuentran, en lugar de moverlos y pagar por el almacenamiento y la ingesta redundantes.
**Creación de paneles a partir de diversos orígenes**: con los paneles de control prediseñados y personalizados, podrá reunir datos de muchos orígenes de datos diferentes en un panel único.
**Transformación y cálculo en el nivel de usuario**: los usuarios pueden transformar los datos y ejecutar varios cálculos con los datos que ven, lo que requiere menos preparación de los datos.
**Combinar, calcular y visualizar dentro de los paneles:** cree paneles de orígenes de datos mixtos que muestren datos relacionados de Wavefront y otros orígenes, como Prometheus e InfluxDB.
## Documentación
### Características
+ Visualizaciones de series temporales
+ Visualizaciones de tablas
+ Visualizaciones de mapas de calor
+ Visualizaciones de estadísticas únicas
+ Editor guiado de consultas
+ Editor de consultas WQL sin procesar
+ Anotaciones para datos de eventos
+ Variables de plantilla
+ Filtros ad hoc
+ Alertas
### Configuración
Configurar el origen de datos de Wavefront es relativamente sencillo. Solo se requieren dos campos para completar la configuración: `API URL` y `Token`.
+ `API URL` será la URL que utilice para acceder a su entorno de Wavefront. Ejemplo: `https://myenvironment.wavefront.com`.
+ Debe generarse un `Token` a partir de una cuenta de usuario o una cuenta de servicio.
1. Para crear un token basado en una cuenta de usuario, inicie sesión en su entorno de Wavefront, seleccione el engranaje situado en la esquina superior derecha de la página, elija su nombre de usuario (por ejemplo `me@grafana.com`), seleccione la pestaña **Acceso a la API** situada en la parte superior de la página de usuario y, a continuación, copie una clave existente o seleccione **Generar**.
1. Para crear un token basado en una cuenta de servicio, inicie sesión en su entorno de Wavefront, seleccione el engranaje situado en la esquina superior derecha de la página y elija Administración de cuentas. En el panel de navegación de la izquierda, seleccione **Cuentas, grupos y roles**, elija la pestaña **Cuentas de servicio** en la parte superior y, a continuación, seleccione **Crear nueva cuenta**. Ingrese un nombre para la cuenta de servicio. Puede ser lo que quiera. Copie el token que se proporciona en la sección **Tokens**.
1. El último paso consiste en asegurarse de que la casilla de verificación **Cuentas, grupos y roles** esté seleccionada en **Permisos**.
Cuando tenga el token, agréguelo al campo de configuración `Token` y ya lo tiene todo listo.
La página de configuración finalizada debe parecerse a esta:
### De uso
#### Uso del editor de consultas de
El editor de consultas de Wavefront tiene dos modos: **Generador de consultas** y **Consulta sin procesar**. Para alternar entre ellos, utilice el selector situado en la parte superior derecha del formulario de consulta:
En el modo **Generador de consultas**, se le presentarán cuatro opciones:
1. ¿Qué métrica quiere consultar?
1. ¿Qué agregación quiere efectuar en esa métrica?
1. ¿Cómo quiere filtrar los resultados de esa consulta de métrica?
1. ¿Quiere aplicar alguna función adicional al resultado?
El selector de métricas es una jerarquía categorizada. Seleccione una categoría y, a continuación, vuélvala a seleccionar para examinar las subcategorías. Repita este proceso hasta que haya alcanzado la métrica que quiere.
Tras seleccionar una métrica, los filtros y valores de filtro disponibles se rellenarán automáticamente.
En el modo de **consulta sin procesar**, verá un único campo denominado **Consulta**. Esto le permite ejecutar cualquier consulta [WQL](#wavefront-references) que quiera.
#### Uso de filtros
El complemento de Wavefront consultará dinámicamente los filtros adecuados para cada métrica.
Para agregar un filtro, elija el **\$1** situado junto a la etiqueta **Filtros** en el editor de consultas de Wavefront, seleccione el campo por el que quiera filtrar y seleccione un valor por el que filtrar.
#### Uso de funciones de
Las funciones ofrecen un método adicional de agregar, manipular y efectuar cálculos sobre los datos de respuesta de las métricas. Para ver las funciones disponibles, seleccione la lista desplegable situada junto a la etiqueta de la función en el **Generador de consultas**. Según la función que seleccione, podrá llevar a cabo otras acciones, como establecer un grupo por campo o aplicar umbrales. Los usuarios pueden encadenar varias funciones para efectuar cálculos avanzados o manipulaciones de datos.
#### Adición de una variable de plantilla de consulta
1. Para crear una nueva variable de plantilla de Wavefront para un panel de control, seleccione el engranaje de configuración situado en la parte superior derecha del panel de control.
1. En el panel de la izquierda, elija **Variables**.
1. En la parte superior derecha de la página de variables, seleccione **Nuevo**.
1. Ingrese un **nombre** y una **etiqueta** para la variable de plantilla que quiera crear. **Nombre** es el valor que usará en las consultas para hacer referencia a la variable de plantilla. **Etiqueta** es un nombre descriptivo que se mostrará para la variable de plantilla en el panel de selección del panel de control.
1. Seleccione el tipo **Consulta** para el campo de tipo (debería estar seleccionado de forma predeterminada).
1. En el encabezado **Opciones de consulta**, seleccione **Wavefront** en la lista desplegable **Origen de datos**.
1. Consulte [Estructura de la consulta de variable de plantilla](#template-variable-query-structure) para obtener detalles sobre lo que se debe ingresar en el campo **Consulta**.
1. Si quiere filtrar alguno de los valores devueltos por la consulta, ingrese una expresión regular en el campo de entrada **Expresión regular**.
1. Para aplicar sus preferencias de ordenación, seleccione un tipo de ordenación en la lista desplegable **Ordenar**.
1. Tras comprobar la configuración, seleccione **Agregar** para agregar la variable de plantilla y, a continuación, seleccione **Guardar panel** en el panel de navegación de la izquierda para guardar los cambios.
#### Estructura de la consulta de variable de plantilla
listas de métricas: metrics: ts(…)
Listas de orígenes: sources: ts(…)
Listas de etiquetas de origen: sourceTags: ts(…)
listas de etiquetas fuente coincidentes matchingSourceTags: ts (...)
listas de nombres de etiquetas: tagNames: ts(…)
listas de valores de etiquetas: tagValues(): ts(…)
**Notas**
+ La “s” al final de cada tipo de consulta es opcional.
+ Compatibilidad con todo minúsculas. Puede usar tagnames o tagNames, pero no TAGNAMES.
+ El uso de espacios alrededor de “:” es opcional
**ADVERTENCIA**
`Multi-value` y `Include All option` actualmente no son compatibles con el complemento de Wavefront.
#### Uso de variables de plantilla
Tras completar los pasos para [agregar una nueva variable de plantilla](#wavefront-adding-a-query-template-variable-1), ya puede utilizarla en los paneles del panel de control para crear visualizaciones dinámicas.
1. Agregue un nuevo panel al panel de control mediante el icono \$1 situado en la esquina superior derecha.
1. Seleccione el agregado que quiere usar en su consulta.
1. Elija el icono \$1 junto a la etiqueta **Filtros** y seleccione el tipo de clave que coincida con la variable de la plantilla. Por ejemplo: `host=` para un filtro de host.
1. Ingrese el nombre de la variable de plantilla que creó en el campo de entrada **Valor** del filtro.
1. Guarde el panel de control.
Ahora debería poder recorrer los diferentes valores de la variable de plantilla y hacer que el panel se actualice dinámicamente.
#### Uso de filtros ad hoc
Para usar filtros ad hoc, debemos crear dos variables de plantilla. La primera es una variable auxiliar que se utilizará para seleccionar una métrica, de modo que se puedan rellenar filtros ad hoc para el nombre de esa métrica. La otra será la variable de filtro ad hoc real.
**importante**
Debe asignársele a la variable auxiliar necesaria el nombre `metriclink`. Puede ser una variable personalizada con la lista de métricas que quiera utilizar o una variable basada en consultas con la [estructura de la consulta de variable de plantilla](#template-variable-query-structure). Si quiere rellenar los campos de filtros ad hoc solo con los valores de una única métrica, puede ocultar la variable de plantilla `metriclink`.
Tras crear la variable `metriclink`, ya puede agregar el filtro ad hoc según los mismos pasos que se detallan en [Adición de una variable de plantilla de consulta](#wavefront-adding-a-query-template-variable-1). La diferencia es que seleccionará **Filtros ad hoc** como **Tipo** y no se requieren entradas para hacer una consulta.
#### Adición de anotaciones
1. Para crear una nueva anotación de Wavefront para un panel de control, seleccione el engranaje de configuración situado en la parte superior derecha del panel de control.
1. En el panel de la izquierda, seleccione **Anotaciones**.
1. En la parte superior derecha de la página de anotaciones, seleccione **Nuevo**.
1. Ingrese un nombre para la anotación (se utilizará como nombre del conmutador en el panel de control).
1. Seleccione el **origen de datos** de Wavefront.
1. De forma predeterminada, las anotaciones tienen un límite de 100 eventos de alerta que se devolverán. Para cambiarlo, defina el campo **Límite** en el valor que desee.
1. Elija **Añadir**.
#### Uso de las anotaciones
Cuando las anotaciones estén activadas, debería ver los eventos de alerta y los problemas que se correlacionan con un período de tiempo determinado.
Si coloca el cursor en la parte inferior de una sección anotada de una visualización, aparecerá una ventana emergente con el nombre de la alerta y un enlace directo a la alerta en Wavefront.
#### Uso del campo Nombre de visualización
Este origen de datos usa el campo Nombre de visualización de la pestaña Campo del panel Opciones para acortar o modificar una clave de leyenda en función de su nombre, etiquetas o valores. Otros orígenes de datos usan la funcionalidad `alias` personalizada para modificar las claves de las leyendas, pero la función Nombre de visualización es una forma más coherente de hacerlo.
### Referencias
+ [WQL (lenguaje de consulta de Wavefront)](https://docs.wavefront.com/query_language_reference.html)