معلومة

الفرق بين المعالجة والمعالجة المسبقة

الفرق بين المعالجة والمعالجة المسبقة


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

ورد في مقال ويكيبيديا الخاص بجوانب العاطفة:

يعتبر النصف المخي الأيمن مهمًا لمعالجة المشاعر الأولية مثل الخوف بينما النصف المخي الأيسر مهم لمعالجة المشاعر الاجتماعية مسبقًا

لذلك أتساءل ما الذي تعنيه المعالجة والمعالجة المسبقة بالضبط؟ ماذا يحدث في المعالجة المسبقة أنهم يستخدمون هذه الكلمة المميزة بدلاً من مجرد معالجة؟


لماذا تعتبر المعالجة المسبقة للصور والتكبير أمرًا مهمًا

ينقل هذا القول المأثور القديم للتعلم الآلي نقطة بارزة في تعلم الآلة: ما لم تكن بيانات الإدخال عالية الجودة ، فإن دقة النموذج - حتى مع أفضل بنيات رؤية الكمبيوتر - ستعاني.

ولكن ما تم نسيانه هو مقدار تحكم علماء البيانات والمطورين ومهندسي رؤية الكمبيوتر في بيانات الإدخال ، حتى لو لم يكن الوكيل الرئيسي الذي يجمع البيانات. والأكثر من ذلك: يمكن للخطوات التي يتم اتخاذها في مسار إدخال الصور أن تحول ما كان في السابق بيانات عالية الجودة إلى مدخلات إنتاج إشارة أقل.

هذا لا يعني أن جودة البيانات ليست مصدر قلق مسبق. من المهم دائمًا السعي إلى جمع بيانات عالية الجودة للمهمة المطروحة. ولكن هناك حالات قد يطبق فيها مهندسو التعلم العميق خطوات المعالجة المسبقة والتعزيز بشكل أعمى خفض أداء النموذج على نفس البيانات. وحتى في حالة وجود بيانات عالية الجودة ، فإن المعالجة المسبقة تسمح بالحصول على أفضل النتائج الممكنة.

إن فهم ما هي المعالجة المسبقة والزيادة في جوهرها يمكّن علماء البيانات من تحقيق أقصى استفادة من بيانات الإدخال الخاصة بهم.


عالم البيانات & # x27s دليل لثمانية أنواع من تقنيات أخذ العينات

نظرة عامة أخذ العينات هو مفهوم إحصائي شائع - تعرف على كيفية عمله في هذه المقالة سنتحدث أيضًا عن ثمانية ...

تحتوي معظم مجموعات البيانات في العالم الحقيقي على عدد كبير من الميزات. على سبيل المثال ، ضع في اعتبارك مشكلة معالجة الصور ، فقد يتعين علينا التعامل مع آلاف الميزات ، والتي تسمى أيضًا أبعاد. كما يوحي الاسم ، يهدف تقليل الأبعاد إلى تقليل عدد الميزات - ولكن ليس فقط عن طريق اختيار عينة من الميزات من مجموعة الميزات، وهو شيء آخر - تحديد المجموعة الفرعية للميزات أو اختيار الميزة ببساطة.

مفاهيميًا ، البعد يشير إلى عدد المستويات الهندسية التي تكمن فيها مجموعة البيانات ، والتي يمكن أن تكون عالية جدًا بحيث لا يمكن تصورها باستخدام القلم والورق. كلما زاد عدد هذه الطائرات ، زاد تعقيد مجموعة البيانات.

لعنة الأبعاد
يشير هذا إلى الظواهر التي تصبح مهام تحليل البيانات بشكل عام أكثر صعوبة مع زيادة أبعاد البيانات. مع زيادة الأبعاد ، تزداد مستويات الأرقام التي تشغلها البيانات وبالتالي إضافة المزيد والمزيد من التباين إلى البيانات التي يصعب نمذجة وتصور.

ما يفعله تقليل الأبعاد بشكل أساسي هو أنه يقوم بتعيين مجموعة البيانات إلى مساحة ذات أبعاد أقل ، والتي قد تكون جيدة جدًا لعدد من المستويات التي يمكن تصورها الآن ، على سبيل المثال ثنائية الأبعاد. الهدف الأساسي للتقنيات المستخدمة لهذا الغرض هو تقليل أبعاد مجموعة البيانات من خلال إنشاء ميزات جديدة هي مزيج من الميزات القديمة. بمعنى آخر ، يتم تعيين مساحة الميزة ذات الأبعاد الأعلى إلى مساحة ميزة ذات بُعد أقل. يعد تحليل المكونات الرئيسية وتحليل القيمة الفردية طريقتين مقبولتين على نطاق واسع.

بعض الفوائد الرئيسية لتقليل الأبعاد هي:

  • تعمل خوارزميات تحليل البيانات بشكل أفضل إذا كانت أبعاد مجموعة البيانات أقل. ويرجع ذلك أساسًا إلى أنه تم الآن التخلص من الميزات غير ذات الصلة والضوضاء.
  • النماذج المبنية على بيانات ذات أبعاد أقل هي أكثر قابلية للفهم والتفسير.
  • قد تصبح البيانات الآن أسهل في التصور!
    يمكن دائمًا التقاط الميزات في أزواج أو ثلاثة توائم لأغراض التصور ، مما يكون أكثر منطقية إذا لم تكن مجموعة الميزات كبيرة.

كما ذكرنا من قبل ، فإن الغرض الكامل من المعالجة المسبقة للبيانات هو ترميز البيانات من أجل إحضارها إلى هذه الحالة التي يفهمها الجهاز الآن.

يقوم ترميز الميزة بشكل أساسي بإجراء تحويلات على البيانات بحيث يمكن قبولها بسهولة كمدخلات لخوارزميات التعلم الآلي مع الاحتفاظ بمعناها الأصلي.

هناك بعض القواعد أو القواعد العامة التي يتم اتباعها عند تنفيذ ترميز الميزات. للمتغيرات المستمرة:

  • اسمى، صورى شكلى، بالاسم فقط : يمكن إجراء أي تعيين واحد لواحد يحتفظ بالمعنى. على سبيل المثال ، تبديل القيم كما هو الحال في One-Hot Encoding.
  • ترتيبي : تغيير القيم للحفاظ على النظام. يمكن تمثيل فكرة صغيرة ومتوسطة وكبيرة بشكل متساوٍ بمساعدة دالة جديدة ، أي & ltnew_value = f (old_value) & gt - على سبيل المثال ، <0 ، 1 ، 2> أو ربما <1 ، 2 ، 3 >.

  • فترة : تحويل رياضي بسيط مثل استخدام المعادلة & ltnew_value = a * old_value + b & gt ، a و b كونها ثوابت. على سبيل المثال ، يمكن ترميز مقاييس فهرنهايت ودرجة مئوية ، والتي تختلف في حجم القيم الصفرية للوحدة ، بهذه الطريقة.
  • نسبة : يمكن تغيير حجم هذه المتغيرات إلى أي مقاييس معينة ، بالطبع مع الحفاظ على معنى ونسبة قيمها. تعمل التحولات الرياضية البسيطة في هذه الحالة أيضًا ، مثل التحويل & ltnew_value = a * old_value & gt. يمكن قياس الطول بالأمتار أو الأقدام ، ويمكن أخذ النقود بعملات مختلفة.

تدريب / التحقق من صحة / اختبار الانقسام

بعد الانتهاء من تشفير الميزات ، تكون مجموعة البيانات لدينا جاهزة لخوارزميات التعلم الآلي المثيرة!
ولكن قبل أن نبدأ في تحديد الخوارزمية التي يجب استخدامها ، يُنصح دائمًا بتقسيم مجموعة البيانات إلى جزأين أو في بعض الأحيان إلى 3 أجزاء. يجب تدريب خوارزميات التعلم الآلي ، أو أي خوارزمية لهذا الأمر ، أولاً على توزيع البيانات المتاح ثم التحقق من صحتها واختبارها ، قبل أن يتم نشرها للتعامل مع بيانات العالم الحقيقي.

بيانات التدريب : هذا هو الجزء الذي يتم فيه تدريب خوارزميات التعلم الآلي على بناء نموذج. النموذج يحاول يتعلم مجموعة البيانات وخصائصها وتعقيداتها المختلفة ، مما يثير أيضًا مسألة Overfitting v / s Underfitting.

بيانات التحقق من الصحة : هذا هو جزء من مجموعة البيانات الذي يُستخدم للتحقق من تناسب النماذج المختلفة لدينا. بكلمات أبسط ، نستخدم بيانات التحقق من الصحة لاختيار وتحسين معلمات التشعب النموذجية الخاصة بنا. النموذج لا يتعلم مجموعة التحقق من الصحة ولكنها تستخدمه للوصول إلى حالة أفضل للمعلمات الفائقة.

بيانات الاختبار : يُستخدم هذا الجزء من مجموعة البيانات لاختبار فرضية نموذجنا. تُترك دون أن تمس أو تُرى حتى يتم تحديد النموذج والمعلمات الفائقة ، وبعد ذلك فقط يتم تطبيق النموذج على بيانات الاختبار للحصول على قياس دقيق لكيفية أدائه عند نشره على بيانات العالم الحقيقي.

نسبة تقسيم : يتم تقسيم البيانات حسب أ نسبة تقسيم التي تعتمد بشكل كبير على نوع النموذج الذي نبنيه ومجموعة البيانات نفسها. إذا كانت مجموعة البيانات والنموذج الخاص بنا تتطلب قدرًا كبيرًا من التدريب ، فإننا نستخدم جزءًا أكبر من البيانات فقط لأغراض التدريب (عادةً ما يحدث) - على سبيل المثال ، التدريب على البيانات النصية أو بيانات الصور أو بيانات الفيديو عادةً ما يتضمن الآلاف من الميزات!
إذا كان النموذج يحتوي على الكثير من المعلمات الفائقة التي يمكن ضبطها ، فمن المستحسن الاحتفاظ بنسبة أعلى من البيانات لمجموعة التحقق من الصحة. من السهل ضبط النماذج التي تحتوي على عدد أقل من المعلمات الفائقة وتحديثها ، وبالتالي يمكننا الاحتفاظ بمجموعة تحقق أصغر.
مثل العديد من الأشياء الأخرى في التعلم الآلي ، تعتمد نسبة الانقسام بشكل كبير على المشكلة التي نحاول حلها ويجب تحديدها بعد مراعاة جميع التفاصيل المختلفة حول النموذج ومجموعة البيانات الموجودة.

في هذه المقالة ، أردت تقديم مقدمة قوية لمفاهيم المعالجة المسبقة للبيانات والتي تعد خطوة حاسمة في أي عملية تعلم آلي. آمل أن يكون هذا مفيدًا لك.
اسمحوا لي أن أعرف في التعليقات إذا كان هناك أي ملاحظات!

إذا كنت ترغب في رؤية المزيد من هذه المقالات ، فتوجه إلى بوابة علوم البيانات


الفرق بين المعالجة والمعالجة المسبقة - علم الأحياء

يتم توفير جميع المقالات المنشورة بواسطة MDPI على الفور في جميع أنحاء العالم بموجب ترخيص وصول مفتوح. لا يلزم الحصول على إذن خاص لإعادة استخدام كل أو جزء من المقالة المنشورة بواسطة MDPI ، بما في ذلك الأشكال والجداول. بالنسبة للمقالات المنشورة بموجب ترخيص Creative Common CC BY ذي الوصول المفتوح ، يمكن إعادة استخدام أي جزء من المقالة دون إذن بشرط الاستشهاد بالمقال الأصلي بوضوح.

تمثل الأوراق الرئيسية أكثر الأبحاث تقدمًا مع إمكانات كبيرة للتأثير الكبير في هذا المجال. يتم تقديم الأوراق الرئيسية بناءً على دعوة فردية أو توصية من قبل المحررين العلميين وتخضع لمراجعة الأقران قبل النشر.

يمكن أن تكون ورقة الميزات إما مقالة بحثية أصلية ، أو دراسة بحثية جديدة جوهرية غالبًا ما تتضمن العديد من التقنيات أو المناهج ، أو ورقة مراجعة شاملة مع تحديثات موجزة ودقيقة عن آخر التقدم في المجال الذي يراجع بشكل منهجي التطورات الأكثر إثارة في العلم. المؤلفات. يوفر هذا النوع من الأوراق نظرة عامة على الاتجاهات المستقبلية للبحث أو التطبيقات الممكنة.

تستند مقالات اختيار المحرر على توصيات المحررين العلميين لمجلات MDPI من جميع أنحاء العالم. يختار المحررون عددًا صغيرًا من المقالات المنشورة مؤخرًا في المجلة ويعتقدون أنها ستكون مثيرة للاهتمام بشكل خاص للمؤلفين أو مهمة في هذا المجال. الهدف هو تقديم لمحة سريعة عن بعض الأعمال الأكثر إثارة المنشورة في مجالات البحث المختلفة بالمجلة.


الاستنتاجات

باختصار ، قمنا بتطوير خط أنابيب تحليل ذروة الاتصال موثوق به يسمى STARRPeaker والذي تم تحسينه لتجارب STARR-seq واسعة النطاق. لتوضيح فائدة طريقتنا ، قمنا بتطبيقها على مجموعتي بيانات جينوم بشريين كاملين STARR-seq من خطوط الخلايا K562 و HepG2 ، باستخدام البلازميدات المستندة إلى ORI.

يحتوي STARRPeaker على العديد من التحسينات الرئيسية على الأساليب السابقة بما في ذلك (1) الحساب الدقيق والفعال لتغطية الأجزاء (2) النمذجة الدقيقة لمعدل النسخ الأساسي باستخدام الانحدار ذي الحدين السالب و (3) المحاسبة عن العوامل المربكة المحتملة ، مثل محتوى GC ، والتعيين ، واستقرار الديناميكا الحرارية للمكتبات الجينومية. نبرهن على تفوق طريقتنا على متصلين الذروة المستخدمة سابقًا ، بدعم من الإثراء القوي للعلامات اللاجينية ذات الصلة بالمُحسِّنات والتداخل مع المُحسِّنات المعروفة سابقًا.

لكي نفهم تمامًا كيف يمكن للعناصر التنظيمية غير المشفرة تعديل برامج النسخ في الإنسان ، يجب تحديد المناطق النشطة STARR-seq والتحقق من صحتها ضمن السياقات الخلوية المختلفة. على سبيل المثال ، سمحت التطبيقات الحديثة لـ CRISPR-dCas9 لتحرير الجينوم للباحثين بتشويش هذه العناصر واختبارها في سياقها الجيني الأصلي [45 ، 46]. تتمثل الخطوة التالية للشاشات الوظيفية القائمة على كريسبر في التغلب على القيود الحالية للمقياس الصغير من خلال الاستفادة من تقنية الرموز الشريطية والتسلسل أحادي الخلية [47]. في غضون ذلك ، نتصور أنه يمكن استخدام إطار عمل STARRPeaker لاكتشاف وقياس المعززات على مستوى الجينوم بأكمله ، وبالتالي المساعدة في تحديد أولويات المناطق المرشحة بطريقة غير متحيزة لزيادة جهود التوصيف الوظيفي إلى أقصى حد.


الخطوه 3:

ومع ذلك ، داخل وظيفة المعالجة () نضيف هذا الرمز لتنعيم صورتنا لإزالة الضوضاء غير المرغوب فيها. نقوم بهذا باستخدام ملفات التمويه الضبابي.

التمويه الضبابي (المعروف أيضًا باسم غاوسي التنعيم) هو نتيجة طمس صورة بواسطة أ غاوسي وظيفة. إنه تأثير مستخدَم على نطاق واسع في برامج الرسوم ، عادةً لتقليل ضوضاء الصورة. التأثير المرئي لتقنية التعتيم هذا هو تمويه سلس يشبه عرض الصورة من خلال شاشة نصف شفافة ، يختلف بشكل واضح عن خوخه تأثير ناتج عن عدسة خارج نطاق التركيز أو ظل كائن تحت الإضاءة العادية. يتم استخدام تجانس Gaussian أيضًا كمرحلة معالجة مسبقة في رؤية الكمبيوتر الخوارزميات من أجل تحسين هياكل الصور بمقاييس مختلفة.


الفرق بين المعالجة والمعالجة المسبقة - علم الأحياء

المعالجة المسبقة ومعالجة أمبير ما بعد

المعالجة المسبقة- يتم تنفيذ البيانات قبل التخزين في جهاز الاستقبال.

المعالجة البعدية - التلاعب بالبيانات بعد تخزينها في محول المسح الضوئي.

  • يستخدم البيانات القديمة ،
  • حجم بكسل أكبر
  • نفس عدد البكسل
  • بدون تغيير SR ،
  • TR دون تغيير ،
  • قبل التخزين في محول المسح الضوئي
  • تشريح المسح يخلق الصورة
  • الصورة المحولة من التناظرية إلى الرقمية
  • المصور تحديد العائد على الاستثمار. يتجاهل النظام البيانات الموجودة في محول الفحص
  • تقوم الولايات المتحدة بشطب العائد على الاستثمار فقط وكتابة البيانات الجديدة في محول المسح الضوئي
  • يتم تجاهل الصورة المستخدمة لتحديد عائد الاستثمار
  • تم الحصول على جميع المعلومات الجديدة
  • # من البكسل ، مسح الخطوط في عائد الاستثمار أكبر من عائد الاستثمار للصورة الأصلية

· المزيد من البكسل = دقة مكانية أفضل

· البكسل هو نفس الحجم الأصلي

  • يحسن جودة الصورة ،
  • نسبة إشارة إلى ضوضاء أعلى ،
  • تحسين ar ،
  • impoved sr ،
  • تحسين كر ،
  • اختراق أعمق ،

Pixel Interpolation / Fill-in Interpolation (معالجة مسبقة)

طريقة لسد فجوات البيانات التي لم يكتشفها المراقب


الفرق بين تخليق البروتين بدائية النواة وحقيقية النواة

يبدأ تخليق البروتين في بدائيات النوى حتى قبل اكتمال نسخ جزيء الرنا المرسال. وهذا ما يسمى بالاقتران النسخ - ترجمة.


2. جزيئات mRNA حقيقية النواة أحادية النواة ، تحتوي على تسلسل الترميز لعديد ببتيد واحد فقط.
في بدائيات النوى ، تكون جزيئات الرنا المرسال البكتيرية الفردية عبارة عن جزيئات متعددة الكريات لها نسخ من عدة جينات لمسار استقلابي معين. (مونوسيسترونيك مقابل بوليسترونيك)

3. في حقيقيات النوى ، يحتوي معظم الجين على إنترونات تفصل الرسالة الفعلية لتخليق بروتين واحد إلى جزء ترميز صغير يسمى exons.
لا تحتوي بدائيات النوى على إنترونات (باستثناء العتائق).

  • عن عشرة العوامل البادئة (IFs ) في الخلايا الشبكية و RBC. هذه هي eIF1 ، eIF2 ، eIF3, eIF4 ، eIF5 ، eIF6 ، eIF4B ، eIF4C ، eIF4D ، eIF4F
  • ثلاثة العوامل البادئة الموجودة في بدائيات النوى. PIF-1 ، PIF-2 ، PIF-3.

8. في حقيقيات النوى 5 & # 8217cap يبدأ الترجمة عن طريق ربط mRNA بالوحدة الفرعية الريبوسومية الصغيرة عادةً في أول كودون AUG.
في ترجمة البكتيريا يبدأ في كودون AUG يسبقه تسلسل خاص للنيوكليوتيدات.

9. أ بولي ذيل يتكون من حوالي 200 نيوكليوتيدات أدينين في 3 & # 8217 نهاية mRNA في حقيقيات النوى.
لا يتم إضافة ذيل بولي إلى مرنا البكتيري.

10. في حقيقيات النوى ، يتم فصل الوحدة الفرعية الصغيرة من الريبوسوم (40 S) مع البادئ amino acyl tRNA (Met-tRNA Met) دون مساعدة من mRNA. المجمع ينضم إلى mRNA في وقت لاحق.
في بدائيات النوى 30 S الوحدة الفرعية الأولى مع mRNA (30S-mRNA) ثم تنضم مع f Met tRNA f-Met.


  • كونغ وآخرون. (2015) K. Kong، C. Kendall، N. Stone، and I.Notingher، "Raman Spectroscopy for Medical Diagnostics - from in-vitro biofluid assays to in-vivo cancer discovery ،" Advanced Drug Delivery Reviews 89، 121–134 (2015).
  • Enejder وآخرون. (2002) A.MK Enejder، T.-W. كو ، ج. أوه ، إم هنتر ، إس ساسيك ، إم إس فيلد ، وجي إل إل هورويتز ، "تحليل الدم بواسطة مطياف رامان ،" أوبتيكس ليترز 27 ، 2004 (2002).
  • ماك وآخرون. (2013) JS Mak، SA Rutledge، RM Abu-Ghazalah، F. Eftekhari، J. Irizar، NC Tam، G. Zheng، and AS Helmy، "التطورات الأخيرة في مطياف Raman بمساعدة optofluidic ،" التقدم في إلكترونيات الكم 37 ، 1–50 (2013).
  • Jolliffe and Cadima (2016) I. T.
  • جارفيس وجوداكري (2005)

R.M.Jarvis و R. Goodacre ، "تحسين الخوارزمية الجينية للمعالجة المسبقة والاختيار المتغير للبيانات الطيفية ،"

R.B Keithley و R.M Carelli و R.M Wightman ، "تقدير الرتبة والتحليل متعدد المتغيرات لبيانات قياس الفولتميتر الدوري للمسح السريع في Vivo ،"

S. Adusumilli ، D. Bhatt ، H. Wang ، V. Devabhaktuni ، and P. Bhattacharya ، "نهج هجين جديد يستخدم انحدار المكون الرئيسي وانحدار الغابة العشوائي لسد فترة انقطاع GPS ،"

Q. Guo و W. Wu و D. Massart ، "التحويل المتغير العادي القوي للتعرف على الأنماط باستخدام بيانات الأشعة تحت الحمراء القريبة"

انضم إلى واحدة من أكبر شركات الذكاء الاصطناعي في العالم. مجتمعات


توثيق Zabbix 5.4

تسمح المعالجة المسبقة بتحديد قواعد التحويل لقيم العناصر المستلمة. من الممكن إجراء تحويل واحد أو أكثر قبل الحفظ في قاعدة البيانات.

يتم تنفيذ التحويلات بالترتيب الذي تم تعريفها به. تتم المعالجة المسبقة بواسطة خادم Zabbix أو وكيل (إذا تمت مراقبة العناصر بواسطة الوكيل).

لاحظ أن التحويل إلى نوع القيمة المرغوبة (كما هو محدد في تكوين العنصر) يتم إجراؤه في نهاية تحويلات خط أنابيب المعالجة ، ومع ذلك ، قد تحدث أيضًا إذا كانت مطلوبة من خلال خطوة المعالجة المسبقة المقابلة. انظر تفاصيل المعالجة المسبقة لمزيد من المعلومات التقنية.

إعدادات

يتم تحديد قواعد المعالجة المسبقة في ملف المعالجة علامة التبويب في نموذج تكوين العنصر.

سيصبح العنصر غير مدعوم في حالة فشل أي من خطوات المعالجة المسبقة ، ما لم يتم تحديد معالجة الأخطاء المخصصة باستخدام مخصص عند الفشل خيار للتحولات المدعومة.

بالنسبة لعناصر السجل ، ستعمل البيانات الوصفية للسجل (بدون قيمة) دائمًا على إعادة تعيين حالة العنصر غير المدعومة وجعل العنصر مدعومًا مرة أخرى ، حتى إذا حدث الخطأ الأولي بعد تلقي قيمة سجل من الوكيل.

يتم دعم وحدات ماكرو المستخدم ووحدات ماكرو المستخدم ذات السياق في معلمات المعالجة المسبقة لقيمة العنصر ، بما في ذلك كود JavaScript.

نوع
تحويلوصف
نص
تعبير عاديتطابق القيمة مع التعبير العادي & ltpattern & gt واستبدال القيمة بـ & ltoutput & gt. يدعم التعبير العادي استخراج أقصى 10 مجموعات تم التقاطها باستخدام التسلسل N. سيؤدي الفشل في مطابقة قيمة الإدخال إلى جعل العنصر غير مدعوم.
العوامل:
نمط - تعبير عادي
انتاج - قالب تنسيق الإخراج. An N (حيث N = 1… 9) يتم استبدال تسلسل الهروب بالمجموعة المطابقة N. يتم استبدال تسلسل الهروب A 0 بالنص المطابق.
يرجى الرجوع إلى قسم التعبيرات العادية للحصول على بعض الأمثلة الموجودة.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
يحل محلابحث عن سلسلة البحث واستبدلها بأخرى (أو لا شيء). سيتم استبدال جميع تكرارات سلسلة البحث.
العوامل:
دالة البحث - السلسلة المطلوب البحث عنها واستبدالها ، حساسة لحالة الأحرف (مطلوب)
إستبدال - السلسلة المطلوب استبدال سلسلة البحث بها. قد تكون سلسلة الاستبدال فارغة أيضًا بشكل فعال مما يسمح بحذف سلسلة البحث عند العثور عليها.
من الممكن استخدام تسلسلات الهروب للبحث عن فواصل الأسطر أو استبدالها ، وعلامة التبويب والإرجاع ، وعلامات التبويب والمسافات & quot n r t s & quot ، حيث يمكن إفلات تسلسلات الهروب كـ & quot n & quot . الهروب من فواصل الأسطر ، إرجاع السطر ، علامات التبويب تتم تلقائيًا أثناء اكتشاف المستوى المنخفض.
تقليمإزالة الأحرف المحددة من بداية ونهاية القيمة.
تقليم الصحيحقم بإزالة الأحرف المحددة من نهاية القيمة.
تقليم اليسارإزالة الأحرف المحددة من بداية القيمة.
البيانات المنظمة
XML XPathاستخراج قيمة أو جزء من بيانات XML باستخدام وظيفة XPath.
لكي يعمل هذا الخيار ، يجب تجميع خادم Zabbix بدعم libxml.
أمثلة:
number (/ document / item / value) سيستخرج 10 من & ltdocument & gt & ltitem & gt & ltvalue & gt10 & lt / value & gt & lt / item & gt & lt / document & gt
number (/ document / item / @ attribute) سيستخرج 10 من & ltdocument & gt & ltitem attribute = & quot10 & quot & gt & lt / item & gt & lt / document & gt
/ document / item will extract & ltitem & gt & ltvalue & gt10 & lt / value & gt & lt / item & gt from & ltdocument & gt & ltitem & gt & ltvalue & gt10 & lt / value & gt & lt / item & gt & lt / document & gt
لاحظ أن مساحات الأسماء غير مدعومة.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
مسار JSONاستخراج قيمة أو جزء من بيانات JSON باستخدام وظيفة JSONPath.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
CSV إلى JSONتحويل بيانات ملف CSV إلى تنسيق JSON.
لمزيد من المعلومات ، راجع: CSV to JSON preprocessing.
XML إلى JSONتحويل البيانات بتنسيق XML إلى JSON.
لمزيد من المعلومات ، راجع: قواعد التسلسل.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
علم الحساب
المضاعف المخصصاضرب القيمة في العدد الصحيح المحدد أو قيمة الفاصلة العائمة.
استخدم هذا الخيار لتحويل القيم المتلقاة بالكيلو بايت ، والميغابايت في الثانية ، وما إلى ذلك إلى B ، و Bps. وإلا فلن يتمكن Zabbix من ضبط البادئات بشكل صحيح (K ، M ، G ، إلخ).
ملحوظة أنه إذا كان نوع العنصر من المعلومات رقمي (بدون توقيع)، سيتم اقتطاع القيم الواردة التي تحتوي على جزء كسري (أي & # 0390.9 & # 039 ستصبح & # 0390 & # 039) قبل تطبيق المضاعف المخصص.
مدعوم: التدوين العلمي ، على سبيل المثال ، 1e + 70 (منذ الإصدار 2.2) وحدات ماكرو المستخدم ووحدات ماكرو LLD (منذ الإصدار 4.0) سلاسل تتضمن وحدات ماكرو ، على سبيل المثال ، <#MACRO> e + 10 ، <$ MACRO1> e + <$ MACRO2 > (منذ الإصدار 5.2.3)
يجب أن يتم تحليل وحدات الماكرو إلى عدد صحيح أو رقم فاصلة عائمة.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
يتغيرون
تغيير بسيطاحسب الفرق بين القيمة الحالية والسابقة.
تم تقييمها على أنها القيمة-prev_value، أين
القيمة - القيمة الحالية prev_value - القيمة المستلمة مسبقًا
يمكن أن يكون هذا الإعداد مفيدًا لقياس القيمة المتزايدة باستمرار. إذا كانت القيمة الحالية أصغر من القيمة السابقة ، يتجاهل Zabbix هذا الاختلاف (لا يخزن شيئًا) وينتظر قيمة أخرى.
يُسمح بعملية تغيير واحدة فقط لكل عنصر.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
التغيير في الثانيةاحسب تغير القيمة (الفرق بين القيمة الحالية والسابقة) السرعة في الثانية.
تم التقييم كـ (القيمة-prev_value)/(زمن-prev_time)، أين
القيمة - القيمة الحالية prev_value - القيمة المستلمة مسبقًا زمن - حالة الزمن حاليا prev_time - الطابع الزمني للقيمة السابقة.
هذا الإعداد مفيد للغاية للحصول على سرعة في الثانية لقيمة متزايدة باستمرار. إذا كانت القيمة الحالية أصغر من القيمة السابقة ، يتجاهل Zabbix هذا الاختلاف (لا يخزن شيئًا) وينتظر قيمة أخرى. يساعد هذا في العمل بشكل صحيح ، على سبيل المثال ، مع التفاف (تجاوز سعة) عدادات SNMP 32 بت.
ملحوظة: نظرًا لأن هذا الحساب قد ينتج عنه أرقام فاصلة عائمة ، فمن المستحسن تعيين & # 039 نوع المعلومات & # 039 على رقمي (عائم)، حتى لو كانت القيم الأولية الواردة أعدادًا صحيحة. هذا مهم بشكل خاص للأعداد الصغيرة حيث الجزء العشري مهم. إذا كانت قيم الفاصلة العائمة كبيرة وقد تتجاوز طول الحقل & # 039float & # 039 وفي هذه الحالة قد يتم فقد القيمة بأكملها ، فمن المقترح بالفعل استخدام رقمي (بدون توقيع) وبالتالي تقليم الجزء العشري فقط.
يُسمح بعملية تغيير واحدة فقط لكل عنصر.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
الأنظمة العددية
منطقي إلى عشريتحويل القيمة من تنسيق منطقي إلى رقم عشري. يتم ترجمة التمثيل النصي إلى إما 0 أو 1. وبالتالي ، يتم تخزين & # 039TRUE & # 039 كـ 1 ويتم تخزين & # 039FALSE & # 039 كـ 0. تتم مطابقة جميع القيم بطريقة غير حساسة لحالة الأحرف. القيم المعترف بها حاليًا هي لـ:
حقيقية - صحيح ، تي ، نعم ، على ، قيد التشغيل ، ممكّن ، متاح ، حسنًا ، رئيسي
خاطئة - خطأ ، و ، لا ، ن ، إيقاف ، أسفل ، غير مستخدم ، معطل ، غير متاح ، يخطئ ، تابع
بالإضافة إلى ذلك ، تعتبر أي قيمة عددية غير صفرية تساوي TRUE والصفر يعتبر خطأ.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
ثماني إلى عشريتحويل القيمة من تنسيق ثماني إلى رقم عشري.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
سداسي عشري إلى عشريقم بتحويل القيمة من تنسيق سداسي عشري إلى تنسيق عشري.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
البرامج النصية المخصصة
جافا سكريبتأدخل كود JavaScript في الكتلة التي تظهر عند النقر في حقل المعلمة أو على رمز القلم الرصاص.
لاحظ أن طول JavaScript المتاح يعتمد على قاعدة البيانات المستخدمة.
لمزيد من المعلومات ، راجع: معالجة جافا سكريبت المسبقة.
تصديق
في النطاقحدد النطاق الذي يجب أن تكون فيه القيمة عن طريق تحديد الحد الأدنى / الحد الأقصى للقيم (شامل).
يتم قبول القيم الرقمية (بما في ذلك أي عدد من الأرقام والجزء العشري الاختياري والجزء الأسي الاختياري والقيم السالبة). يمكن استخدام وحدات ماكرو المستخدم ووحدات ماكرو الاكتشاف منخفضة المستوى. يجب أن تكون القيمة الدنيا أقل من الحد الأقصى.
يجب أن توجد قيمة واحدة على الأقل.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
يطابق التعبير العاديحدد تعبيرًا عاديًا يجب أن تتطابق معه القيمة.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
لا يتطابق مع التعبير العاديحدد تعبيرًا عاديًا يجب ألا تتطابق معه القيمة.
إذا قمت بتمييز ملف مخصص عند الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
تحقق من وجود خطأ في JSONتحقق من وجود رسالة خطأ على مستوى التطبيق موجودة في JSONpath. توقف عن المعالجة إذا نجحت ولم تكن الرسالة فارغة بخلاف ذلك ، استمر في المعالجة بالقيمة التي كانت قبل خطوة المعالجة المسبقة هذه. لاحظ أنه يتم إبلاغ المستخدم بأخطاء الخدمة الخارجية هذه كما هي ، دون إضافة معلومات خطوة المعالجة المسبقة.
لن يتم الإبلاغ عن أي خطأ في حالة الفشل في تحليل JSON غير صالح.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
تحقق من وجود خطأ في XMLتحقق من وجود رسالة خطأ على مستوى التطبيق موجودة في XPath. توقف عن المعالجة إذا نجحت ولم تكن الرسالة فارغة بخلاف ذلك ، استمر في المعالجة بالقيمة التي كانت قبل خطوة المعالجة المسبقة هذه. لاحظ أنه يتم إبلاغ المستخدم بأخطاء الخدمة الخارجية هذه كما هي ، دون إضافة معلومات خطوة المعالجة المسبقة.
لن يتم الإبلاغ عن أي خطأ في حالة الفشل في تحليل XML غير صالح.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
تحقق من وجود خطأ باستخدام تعبير عاديتحقق من وجود رسالة خطأ على مستوى التطبيق باستخدام تعبير عادي. توقف عن المعالجة إذا نجحت ولم تكن الرسالة فارغة بخلاف ذلك ، استمر في المعالجة بالقيمة التي كانت قبل خطوة المعالجة المسبقة هذه. لاحظ أنه يتم إبلاغ المستخدم بأخطاء الخدمة الخارجية هذه كما هي ، دون إضافة معلومات خطوة المعالجة المسبقة.
العوامل:
نمط - تعبير عادي
انتاج - قالب تنسيق الإخراج. An N (حيث N = 1… 9) يتم استبدال تسلسل الهروب بالمجموعة N المطابقة. يتم استبدال تسلسل الهروب A 0 بالنص المطابق.
إذا قمت بتمييز ملف مخصص على الفشل مربع الاختيار ، لن يصبح العنصر غير مدعوم في حالة فشل خطوة المعالجة المسبقة ومن الممكن تحديد خيارات معالجة الأخطاء المخصصة: إما لتجاهل القيمة أو تعيين قيمة محددة أو تعيين رسالة خطأ محددة.
تحقق من عدم وجود قيمة مدعومةتحقق مما إذا كان هناك خطأ في استرداد قيمة العنصر. عادةً ما يؤدي ذلك إلى تحول العنصر إلى عنصر غير مدعوم ، ولكن يمكنك تعديل هذا السلوك عن طريق تحديد مخصص على الفشل خيارات معالجة الأخطاء: لتجاهل القيمة ، لتعيين قيمة محددة (في هذه الحالة سيظل العنصر مدعومًا ويمكن استخدام القيمة في المشغلات) أو تعيين رسالة خطأ محددة. لاحظ أنه بالنسبة لخطوة المعالجة المسبقة هذه ، فإن ملف مخصص على الفشل مربع الاختيار باللون الرمادي ويتم وضع علامة عليه دائمًا.
يتم تنفيذ هذه الخطوة دائمًا كخطوة معالجة أولية ويتم وضعها فوق كل الخطوات الأخرى بعد حفظ التغييرات التي تم إجراؤها على العنصر. يمكن استخدامه مرة واحدة فقط.
مدعوم منذ 5.2.0.
خانق
تجاهل دون تغييرتجاهل قيمة إذا لم تتغير.
إذا تم تجاهل قيمة ، فلن يتم حفظها في قاعدة البيانات ولا يعلم خادم Zabbix أنه تم استلام هذه القيمة. لن يتم تقييم أي تعبيرات مشغل ، ونتيجة لذلك ، لن يتم إنشاء / حل أي مشاكل للمشغلات ذات الصلة. ستعمل الوظائف فقط بناءً على البيانات المحفوظة بالفعل في قاعدة البيانات. نظرًا لأن الاتجاهات مبنية على أساس البيانات الموجودة في قاعدة البيانات ، إذا لم يتم حفظ قيمة لمدة ساعة ، فلن تكون هناك أيضًا بيانات اتجاهات لتلك الساعة.
يمكن تحديد خيار تقييد واحد فقط لعنصر.
ملحوظة أنه من الممكن للعناصر التي يتم مراقبتها بواسطة وكيل Zabbix أن الاختلافات الصغيرة جدًا في القيمة (أقل من 0.000001) لا يتم تجاهلها بشكل صحيح بواسطة الوكيل ، ولكن يتم تخزينها في السجل بنفس القيمة إذا لم تتم ترقية قاعدة بيانات خادم Zabbix.
تجاهل دون تغيير مع ضربات القلبتجاهل قيمة إذا لم تتغير خلال الفترة الزمنية المحددة (بالثواني).
يتم دعم قيم الأعداد الصحيحة الموجبة لتحديد الثواني (الحد الأدنى - ثانية واحدة). يمكن استخدام لاحقات الوقت في هذا الحقل (على سبيل المثال 30 ثانية ، 1 دقيقة ، 2 ساعة ، 1 يوم). يمكن استخدام وحدات ماكرو المستخدم ووحدات ماكرو الاكتشاف منخفضة المستوى في هذا المجال.
إذا تم تجاهل قيمة ، فلن يتم حفظها في قاعدة البيانات ولا يعرف خادم Zabbix أنه تم استلام هذه القيمة. لن يتم تقييم أي تعبيرات مشغل ، ونتيجة لذلك ، لن يتم إنشاء / حل أي مشاكل للمشغلات ذات الصلة. ستعمل الوظائف فقط بناءً على البيانات المحفوظة بالفعل في قاعدة البيانات. نظرًا لأن الاتجاهات مبنية على أساس البيانات الموجودة في قاعدة البيانات ، إذا لم يتم حفظ قيمة لمدة ساعة ، فلن تكون هناك أيضًا بيانات اتجاهات لتلك الساعة.
يمكن تحديد خيار تقييد واحد فقط لعنصر.
ملحوظة أنه من الممكن للعناصر التي يتم مراقبتها بواسطة وكيل Zabbix أن الاختلافات الصغيرة جدًا في القيمة (أقل من 0.000001) لا يتم تجاهلها بشكل صحيح بواسطة الوكيل ، ولكن يتم تخزينها في السجل بنفس القيمة إذا لم تتم ترقية قاعدة بيانات خادم Zabbix.
بروميثيوس
نمط بروميثيوساستخدم الاستعلام التالي لاستخراج البيانات المطلوبة من مقاييس بروميثيوس.
انظر شيكات بروميثيوس لمزيد من التفاصيل.
بروميثيوس إلى JSONتحويل مقاييس بروميثيوس المطلوبة إلى JSON.
انظر شيكات بروميثيوس لمزيد من التفاصيل.

اختبارات

يعد اختبار خطوات المعالجة المسبقة مفيدًا للتأكد من أن خطوط أنابيب المعالجة المسبقة المعقدة تؤدي إلى النتائج المتوقعة منها ، دون انتظار استلام قيمة العنصر ومعالجتها مسبقًا.

يمكن اختبار كل خطوة من خطوات المعالجة المسبقة بشكل فردي وكذلك يمكن اختبار جميع الخطوات معًا. عند النقر فوق ملف اختبار أو اختبر كل الخطوات زر على التوالي في كتلة الإجراءات ، يتم فتح نافذة الاختبار.

اختبار القيمة الافتراضية

معاملوصف
احصل على قيمة من المضيفإذا كنت تريد اختبار قيمة افتراضية ، فاترك مربع الاختيار هذا بدون تحديد.
راجع أيضًا: اختبار القيمة الحقيقية.
قيمةأدخل قيمة الإدخال المراد اختبارها.
يؤدي النقر فوق حقل المعلمة أو زر العرض / التحرير إلى فتح نافذة منطقة النص لإدخال القيمة أو كتلة التعليمات البرمجية.
غير مدعومحدد خانة الاختيار هذه لاختبار قيمة غير مدعومة.
هذا الخيار مفيد لاختبار تحقق من عدم وجود قيمة مدعومة خطوة المعالجة المسبقة.
زمنيتم عرض وقت قيمة الإدخال: الآن (للقراءة فقط).
القيمة السابقهEnter a previous input value to compare to.
Only for يتغيرون و Throttling preprocessing steps.
Previous timeEnter the previous input value time to compare to.
Only for يتغيرون و Throttling preprocessing steps.
The default value is based on the 'Update interval' field value of the item (if Ƈm', then this field is filled with now-1m ). If nothing is specified or the user has no access to the host, the default is now-30s .
MacrosIf any macros are used, they are listed along with their values. The values are editable for testing purposes, but the changes will only be saved within the testing context.
End of line sequenceSelect the end of line sequence for multiline input values:
LF - LF (line feed) sequence
CRLF - CRLF (carriage-return line-feed) sequence.
Preprocessing stepsPreprocessing steps are listed the testing result is displayed for each step after the اختبار button is clicked.
If the step failed in testing, an error icon is displayed. The error description is displayed on mouseover.
In case “Custom on fail” is specified for the step and that action is performed, a new line appears right after the preprocessing test step row, showing what action was done and what outcome it produced (error or value).
نتيجةThe final result of testing preprocessing steps is displayed in all cases when all steps are tested together (when you click on the Test all steps button).
The type of conversion to the value type of the item is also displayed, for example Result converted to Numeric (unsigned) .

Click on اختبار to see the result after each preprocessing step.

Test values are stored between test sessions for either individual steps or all steps, allowing the user to change preprocessing steps or item configuration and then return to the testing window without having to re-enter information. Values are lost on a page refresh though.

The testing is done by Zabbix server. The frontend sends a corresponding request to the server and waits for the result. The request contains the input value and preprocessing steps (with expanded user macros). ل يتغيرون و Throttling steps, an optional previous value and time can be specified. The server responds with results for each preprocessing step.

All technical errors or input validation errors are displayed in the error box at the top of the testing window.

Testing real value

To test preprocessing against a real value:

If you have specified a value mapping in the item configuration form ('Show value' field), the item test dialog will show another line after the final result, named 'Result with value map applied'.


شاهد الفيديو: Het verschil tussen vegetariërs en veganisten - KiwiEats (قد 2022).


تعليقات:

  1. Jukora

    أود أن أعرف ، شكرًا على المعلومات.

  2. Rowley

    لقد زرت ببساطة فكرة رائعة

  3. Douzragore

    ليس سوبر ولكن ليس سيئا أيضا

  4. Niel

    كيف يمكننا تعريفه؟

  5. Philip

    فإنه لا معنى له.

  6. Isam

    فكر رائع وقيمة للغاية



اكتب رسالة