Funciones de predicción y detección de anomalías - - Centro de documentación de Alibaba Cloud

Lista de funciones

Función	Descripción
ts_predicate_simple	Utiliza parámetros predeterminados para modelar datos de series temporales y realiza predicciones simples de series temporales y detección de anomalías.
ts_predicate_ar	Emplea un modelo autorregresivo (AR) para modelar datos de series temporales y ejecuta predicciones simples de series temporales y detección de anomalías.
ts_predicate_arma	Usa un modelo de media móvil autorregresiva (ARMA) para modelar datos de series temporales y lleva a cabo predicciones simples de series temporales y detección de anomalías.
ts_predicate_arima	Aplica un modelo de media móvil integrada autorregresiva (ARIMA) para modelar datos de series temporales y efectúa predicciones simples de series temporales y detección de anomalías.
ts_regression_predict	Predice con precisión la tendencia de una curva de serie temporal periódica. Escenario: esta función es adecuada para predecir datos de medición, tráfico de red, datos financieros y distintos tipos de datos empresariales que siguen reglas específicas.
ts_anomaly_filter	Filtra las anomalías detectadas durante el análisis de varias curvas de series temporales según el modo de anomalía personalizado. Esta función permite identificar rápidamente las curvas anómalas.

ts_predicate_simple

Formato de la función:

select ts_predicate_simple(x, y, nPred, isSmooth)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
x	La secuencia temporal. Los puntos en el tiempo se ordenan de forma ascendente a lo largo del eje horizontal.	Cada punto en el tiempo es una marca de tiempo Unix. Unidad: segundos.
y	La secuencia de datos numéricos correspondiente a cada punto en el tiempo especificado.	N/A.
nPred	El número de puntos para la predicción.	El valor es de tipo de datos long y debe ser igual o mayor que 1.
isSmooth	Especifica si se filtran los datos sin procesar.	El valor es de tipo de datos booleano. El valor predeterminado es true, lo que indica que los datos sin procesar se filtran.

Ejemplo:

La sentencia de consulta es la siguiente:

* | select ts_predicate_simple(stamp, value, 6) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Resultado de salida

A continuación se describen los elementos de visualización.

Elemento de visualización		Descripción
Eje horizontal	unixtime	La marca de tiempo Unix de los datos. Unidad: segundos.
Eje vertical	src	Los datos sin procesar.
	predict	Los datos generados después de realizar la operación de filtrado.
	upper	El límite superior del intervalo de confianza. El nivel de confianza es 0.85 y no se puede modificar.
	lower	El límite inferior del intervalo de confianza. El nivel de confianza es 0.85 y no se puede modificar.
	anomaly_prob	La probabilidad de que el punto sea una anomalía. Valores válidos: [0, 1].

ts_predicate_ar

Formato de la función:

select ts_predicate_ar(x, y, p, nPred, isSmooth)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
x	La secuencia temporal. Los puntos en el tiempo se ordenan de forma ascendente a lo largo del eje horizontal.	Cada punto en el tiempo es una marca de tiempo Unix. Unidad: segundos.
y	La secuencia de datos numéricos correspondiente a cada punto en el tiempo especificado.	N/A.
p	El orden del modelo AR.	El valor es de tipo de datos long. Valores válidos: 2, 3, 4, 5, 6, 7 y 8.
nPred	El número de puntos para la predicción.	El valor es de tipo de datos long. Valores válidos: [1, 5 × p].
isSmooth	Especifica si se filtran los datos sin procesar.	El valor es de tipo de datos booleano. El valor predeterminado es true, lo que indica que los datos sin procesar se filtran.

Un ejemplo de la sentencia de consulta es el siguiente:

* | select ts_predicate_ar(stamp, value, 3, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

El resultado de salida es similar al de la función ts_predicate_simple. Para obtener más información, consulte el resultado de salida de la función ts_predicate_simple.

ts_predicate_arma

Formato de la función:

select ts_predicate_arma(x, y, p, q, nPred, isSmooth)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
x	La secuencia temporal. Los puntos en el tiempo se ordenan de forma ascendente a lo largo del eje horizontal.	Cada punto en el tiempo es una marca de tiempo Unix. Unidad: segundos.
y	La secuencia de datos numéricos correspondiente a cada punto en el tiempo especificado.	N/A.
p	El orden del modelo AR.	El valor es de tipo de datos long. Valores válidos: [2, 100].
q	El orden del modelo ARMA.	El valor es de tipo de datos long. Valores válidos: 2, 3, 4, 5, 6, 7 y 8.
nPred	El número de puntos para la predicción.	El valor es de tipo de datos long. Valores válidos: [1, 5 × p].
isSmooth	Especifica si se filtran los datos sin procesar.	El valor es de tipo de datos booleano. El valor predeterminado es true, lo que indica que los datos sin procesar se filtran.

Un ejemplo de la sentencia de consulta es el siguiente:

* | select ts_predicate_arma(stamp, value, 3, 2, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

El resultado de salida es similar al de la función ts_predicate_simple. Para obtener más información, consulte el resultado de salida de la función ts_predicate_simple.

ts_predicate_arima

Formato de la función:

select ts_predicate_arima(x, y, p, d, q, nPred, isSmooth)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
x	La secuencia temporal. Los puntos en el tiempo se ordenan de forma ascendente a lo largo del eje horizontal.	Cada punto en el tiempo es una marca de tiempo Unix. Unidad: segundos.
y	La secuencia de datos numéricos correspondiente a cada punto en el tiempo especificado.	N/A.
p	El orden del modelo AR.	El valor es de tipo de datos long. Valores válidos: 2, 3, 4, 5, 6, 7 y 8.
d	El orden del modelo ARIMA.	El valor es de tipo de datos long. Valores válidos: [1, 3].
q	El orden del modelo ARMA.	El valor es de tipo de datos long. Valores válidos: 2, 3, 4, 5, 6, 7 y 8.
nPred	El número de puntos para la predicción.	El valor es de tipo de datos long. Valores válidos: [1, 5 × p].
isSmooth	Especifica si se filtran los datos sin procesar.	El valor es de tipo de datos booleano. El valor predeterminado es true, lo que indica que los datos sin procesar se filtran.

Un ejemplo de la sentencia de consulta es el siguiente:

* | select ts_predicate_arima(stamp, value, 3, 1, 2, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

El resultado de salida es similar al de la función ts_predicate_simple. Para obtener más información, consulte el resultado de salida de la función ts_predicate_simple.

ts_regression_predict

Formato de la función:

select ts_regression_predict(x, y, nPred, algotype,processType)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
x	La secuencia temporal. Los puntos en el tiempo se ordenan de forma ascendente a lo largo del eje horizontal.	Cada punto en el tiempo es una marca de tiempo Unix. Unidad: segundos.
y	La secuencia de datos numéricos correspondiente a cada punto en el tiempo especificado.	N/A.
nPred	El número de puntos para la predicción.	El valor es de tipo de datos long. Valores válidos: [1, 500].
algotype	El tipo de algoritmo para la predicción.	Valores válidos: origin: utiliza el algoritmo Gradient Boosted Regression Tree (GBRT) para la predicción. forest: usa el algoritmo GBRT para la predicción basándose en los componentes de tendencia descompuestos mediante Seasonal and Trend decomposition using Loess (STL); luego emplea el modelo aditivo para sumar los componentes descompuestos y obtener los datos predichos. linear: aplica el algoritmo de regresión lineal para la predicción basándose en los componentes de tendencia descompuestos mediante STL; posteriormente utiliza el modelo aditivo para sumar los componentes descompuestos y obtener los datos predichos.
processType	Especifica si se preprocesan los datos.	Valores válidos: 0: no se realiza ningún preprocesamiento adicional de los datos. 1: se eliminan los datos anómalos antes de la predicción.

Ejemplo:

La sentencia de consulta es la siguiente:

* and h : nu2h05202.nu8 and m: NET |  select ts_regression_predict(stamp, value, 200, 'origin') from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log group by stamp order by stamp)

Resultado de salida

A continuación se describen los elementos de visualización.

Elemento de visualización		Descripción
Eje horizontal	unixtime	La marca de tiempo Unix de los datos. Unidad: segundos.
Eje vertical	src	Los datos sin procesar.
Eje vertical	predict	Los datos generados después de realizar la operación de filtrado.

ts_anomaly_filter

Formato de la función:

select ts_anomaly_filter(lineName, ts, ds, preds, probs, nWatch, anomalyType)

A continuación se describen los parámetros del formato de la función.

Parámetro	Descripción	Valor
lineName	El nombre de cada curva. El valor es de tipo varchar.	N/A
ts	La secuencia temporal de la curva, que indica el tiempo en la curva actual. El valor del parámetro es un arreglo de puntos en el tiempo de tipo de datos double, ordenados de forma ascendente.	N/A
ds	La secuencia de valores reales de la curva. El valor del parámetro es un arreglo de puntos de datos de tipo de datos double. Este valor tiene la misma longitud que el valor del parámetro ts.	N/A
preds	La secuencia de valores predichos de la curva. El valor del parámetro es un arreglo de puntos de datos de tipo de datos double. Este valor tiene la misma longitud que el valor del parámetro ts.	N/A
probs	La secuencia de resultados de detección de anomalías de la curva. El valor del parámetro es un arreglo de puntos de datos de tipo de datos double. Este valor tiene la misma longitud que el valor del parámetro ts.	N/A
nWatch	El número de valores reales observados recientemente en la curva. El valor es de tipo de datos long. Debe ser menor que el número de puntos en el tiempo de la curva.	N/A
anomalyType	El tipo de anomalía que se va a filtrar. El valor es de tipo de datos long.	Valores válidos: 0: todas las anomalías 1: anomalías positivas -1: anomalías negativas

Ejemplo:

La sentencia de consulta es la siguiente:

* | select res.name, res.ts, res.ds, res.preds, res.probs 
     from ( 
         select ts_anomaly_filter(name, ts, ds, preds, probs, cast(5 as bigint), cast(1 as bigint)) as res 
       from (
         select name, res[1] as ts, res[2] as ds, res[3] as preds, res[4] as uppers, res[5] as lowers, res[6] as probs 
     from (
         select name, array_transpose(ts_predicate_ar(stamp, value, 10)) as res 
         from (
           select name, stamp, value from log where name like '%asg-%') group by name)) );

Resultado de salida

| name                     | ts                                                   | ds          | preds     | probs       |
| ------------------------ | ---------------------------------------------------- | ----------- | --------- | ----------- |
| asg-bp1hylzdi2wx7civ0ivk | [1.5513696E9, 1.5513732E9, 1.5513768E9, 1.5513804E9] | [1,2,3,NaN] | [1,2,3,4] | [0,0,1,NaN] |