Puedes crear una alerta para enviar un correo electrónico o una notificación de Slack cuando los resultados de un mosaico de panel basado en consultas o con vínculo a la vista alcancen o superen un umbral especificado. La configuración de una alerta basada en datos de series temporales no es la configuración de una alerta basada en otros tipos de datos.
Para los datos de series temporales, la condición de alerta se basa en la comparación de filas específicas de la serie en lugar de basarse en el conjunto de resultados completo. Trabajar de esta manera con datos de series temporales permite a los usuarios realizar operaciones adicionales que comparan datos de dos filas en la serie mediante opciones adicionales de condiciones de alerta que no están disponibles para otros tipos de datos, como modifica en, aumenta en y disminuye en.
Cuando se usan estas condiciones de comparación con datos de series temporales, la consulta de alerta compara la fila de datos más reciente con la anterior. Para hacer un seguimiento de dónde te encuentras en la serie temporal, a fin de basar las condiciones de alerta solo en datos que no estaban allí la vez anterior en que se ejecutó la consulta de alerta, Looker debe conservar el valor de los datos de las series temporales más recientes cada vez que ejecute la consulta de alerta.
En esta página, se describen dos casos importantes que debes tener en cuenta cuando eliges condiciones de alerta que usan datos de series temporales:
- Las condiciones de alerta le indican a Looker que verifique los datos en busca de actualizaciones con menos frecuencia que los datos.
- Por ejemplo, el intervalo de series temporales es por hora (los datos se agregan por hora), pero se establece una alerta para una frecuencia diaria.
-
Las condiciones de alerta le indican a Looker que verifique los datos en busca de actualizaciones con mayor frecuencia que los datos.
- Por ejemplo, el intervalo de series temporales es diario (los datos se agregan por día), pero se establece una alerta para una frecuencia por hora.
Lo ideal es que el intervalo y la frecuencia de las series temporales sean los mismos, pero no siempre es así. Si un trabajo de ETL está configurado para cargar datos por hora todas las noches o una consulta falla por algún motivo, es importante comprender cómo funcionan las consultas de alerta cuando estos intervalos no están sincronizados.
Verificación de alertas
Las consultas de alerta comprobarán la última fila de datos de series temporales para determinar si se cumple alguna de las siguientes condiciones:
- Si el valor actual de la serie temporal es más reciente que el valor de la serie temporal más reciente de la verificación de alertas anterior
- Si el valor actual de la serie temporal es el valor más reciente de la serie temporal, incluso si tiene el mismo valor de serie temporal que el de la verificación de alertas anterior
La primera vez que se ejecute una consulta de alerta, Looker ya no evaluará el conjunto de resultados completo. En cambio, Looker considerará esos resultados como datos históricos y solo buscará los cambios que ocurran después de que se cree la alerta y se ejecute la consulta de alerta inicial.
Caso 1: El intervalo de series temporales es más corto que la frecuencia
En este ejemplo, un usuario desea comprobar diariamente si las ventas por hora son mayores que el objetivo:
Intervalo de series temporales = por hora Frecuencia = diaria
Este enfoque implica verificar los datos por hora con una frecuencia superior a una hora. La alerta verificará cada fila nueva de series temporales que no se verificaron en el intervalo de alerta anterior. Si tienes datos por hora y una verificación de alerta diaria, la alerta verificará 24 filas todos los días. Cada fila se compara con la condición de alerta especificada y, si alguna fila cumple con la condición, se enviará un correo electrónico.
Ejecuta el 25/5/19 a las 9:00 a.m.
| Valor de la serie temporal | Mide el valor | |
| 25/5/19 8:00 a.m. | 200 | < verificación de alertas |
| 25/5/19 9:00 a.m. | 250 | < verificación de alertas |
Ejecuta el 25/5/19 a las 11:00 a.m.
| Valor de la serie temporal | Mide el valor | |
| 25/5/19 8:00 a.m. | 200 | |
| 25/5/19 9:00 a.m. | 250 | < alerta anterior |
| 25/5/19 10:00 a.m. | 300 | < verificación de alertas |
| 25/5/19 11:00 a.m. | 300 | < verificación de alertas |
Ejecutar el 25/5/19 a las 12:00 p.m. (sin datos nuevos)
| Valor de la serie temporal | Mide el valor | |
| 25/5/19 8:00 a.m. | 200 | |
| 25/5/19 9:00 a.m. | 250 | |
| 25/5/19 10:00 a.m. | 300 | < alerta anterior |
| 25/5/19 11:00 a.m. | 300 | < verificación de alertas |
Caso 2: El intervalo de series temporales es más largo que la frecuencia
En este ejemplo, un usuario desea comprobar por hora si los totales de ventas acumulativas de hoy son mayores que el objetivo:
Intervalo de series temporales = diario Frecuencia = por hora
Este enfoque implica verificar los datos que se agregan por fecha muchas veces a lo largo del día. Supongamos que configuraste una alerta que te notifica si el total de ventas diarias es igual o superior a 200. El total de ventas aumenta durante cada verificación de alertas a medida que se acumula a lo largo del día, por lo que Looker vuelve a verificar de forma continua el valor de la serie temporal más reciente con el valor que activó la alerta anterior.
Ejecuta el 25/5/19 a las 9:00 a.m.
| Valor de la serie temporal | Mide el valor | |
| 5/24/19 | 200 | < alerta anterior |
| 25/5/19 | 50 | < verificación de alertas (sin notificación) |
Ejecuta el 25/5/19 a las 10:00 a.m.
| Valor de la serie temporal | Mide el valor | |
| 5/24/19 | 200 | < alerta anterior |
| 25/5/19 | 100 | < verificación de alertas (sin notificación) |
Ejecuta el 25/5/19 a las 11:00 a.m.
| Valor de la serie temporal | Mide el valor | |
| 5/24/19 | 200 | < alerta anterior |
| 25/5/19 | 150 | < verificación de alertas (sin notificación) |