All Products
Search

This Product

    Database Autonomy Service:Deteksi anomali

    Document Center

    Database Autonomy Service:Deteksi anomali

    Last Updated:Jul 10, 2026

    Deteksi anomali database secara tepat waktu sangat penting untuk operasi dan pemeliharaan (O&M) harian. Database Autonomy Service (DAS) menyediakan fitur deteksi anomali yang memanfaatkan pembelajaran mesin dan data pemantauan tingkat detik untuk mendeteksi anomali secara otomatis 24/7 tanpa perlu diaktifkan secara manual. Dibandingkan dengan peringatan berbasis aturan atau ambang batas, fitur ini mampu mendeteksi perubahan abnormal pada database lebih cepat.

    Prasyarat

    • Instans database target harus termasuk dalam salah satu tipe berikut:

      Database

      Region

      • ApsaraDB RDS for MySQL

      • MyBase for MySQL

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Guangzhou), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Ulanqab), , China (Fuzhou - Local Region - Decommissioning), China (Chengdu), China (Zhengzhou), China (Hong Kong), Japan (Tokyo), South Korea (Seoul), Singapore, Malaysia (Kuala Lumpur), Malaysia (Johor), Indonesia (Jakarta), Philippines (Manila), Thailand (Bangkok), UAE (Dubai), Saudi Arabia (Riyadh), Germany (Frankfurt), US (Silicon Valley), US (Virginia), UK (London), dan Mexico

      • Finance Cloud

        China East 1 Finance, China East 2 Finance, China South 1 Finance, dan China North 2 Finance (undangan saja pratinjau)

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      • General Industry Cloud

        China (Ulanqab)

      ApsaraDB RDS for PostgreSQL

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Guangzhou), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Ulanqab), China (Chengdu), China (Hong Kong), Japan (Tokyo), South Korea (Seoul), Singapore, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Philippines (Manila), UAE (Dubai), Germany (Frankfurt), US (Silicon Valley), US (Virginia), dan UK (London)

      • Finance Cloud

        China East 1 Finance, China East 2 Finance, dan China South 1 Finance

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      ApsaraDB RDS for SQL Server

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Ulanqab), China (Chengdu), China (Hong Kong), Japan (Tokyo), Singapore, Malaysia (Kuala Lumpur), Indonesia (Jakarta), UAE (Dubai), Germany (Frankfurt), US (Silicon Valley), US (Virginia), dan UK (London)

      • Finance Cloud

        China East 1 Finance, China East 2 Finance, dan China South 1 Finance

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      PolarDB for MySQL Standard Edition dan Enterprise Cluster Edition

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Guangzhou), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Ulanqab), China (Chengdu), China (Hong Kong), Japan (Tokyo), South Korea (Seoul), Singapore, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Philippines (Manila), Germany (Frankfurt), US (Silicon Valley), US (Virginia), dan UK (London)

      • Finance Cloud

        China East 1 Finance, China East 2 Finance, China South 1 Finance, dan China North 2 Finance (undangan saja pratinjau)

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      • Community Edition

      • Tair (Enterprise Edition) Memory-optimized

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Guangzhou), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Chengdu), China (Hong Kong), Japan (Tokyo), South Korea (Seoul), Singapore, Malaysia (Kuala Lumpur), Malaysia (Johor), Indonesia (Jakarta), Philippines (Manila), Thailand (Bangkok), UAE (Dubai), Saudi Arabia (Riyadh), Germany (Frankfurt), US (Silicon Valley), US (Virginia), dan UK (London)

      • Finance Cloud

        China East 1 Finance, China East 2 Finance, China South 1 Finance, dan China North 2 Finance (undangan saja pratinjau)

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      Tair (Enterprise Edition) Persistent memory-optimized and disk-based

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Beijing), China (Zhangjiakou), China (Hong Kong), Singapore, Germany (Frankfurt), dan US (Virginia)

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      MongoDB

      • Public cloud

        China (Hangzhou), China (Shanghai), China (Shenzhen), China (Heyuan), China (Guangzhou), China (Qingdao), China (Beijing), China (Zhangjiakou), China (Hohhot), China (Ulanqab), China (Chengdu), China (Hong Kong), Japan (Tokyo), South Korea (Seoul), Singapore, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Philippines (Manila), Thailand (Bangkok), Malaysia (Johor), Germany (Frankfurt), UK (London), Saudi Arabia (Riyadh), UAE (Dubai), Mexico, US (Virginia), US (Atlanta), dan US (Silicon Valley)

    • Instans database target telah terdaftar di DAS dan status koneksi berada dalam kondisi Normal Access.

      Catatan

      Untuk informasi lebih lanjut tentang cara mendaftarkan instans database, lihat Connect an Alibaba Cloud database to DAS.

    Fitur

    Fitur ini menggunakan pembelajaran mesin dan data pemantauan tingkat detik untuk memberikan deteksi anomali otomatis 24/7 tanpa perlu diaktifkan secara manual. Dibandingkan dengan peringatan berbasis aturan atau ambang batas, fitur ini mendeteksi perubahan abnormal pada database lebih cepat.

    Item

    Traditional alerting

    DAS anomaly detection

    Metode

    Rule-based dan threshold-based.

    AI-based.

    Cakupan deteksi

    Terutama metrik pemantauan.

    Metrik pemantauan, pernyataan SQL, log, lock, dan event O&M.

    Ketepatan waktu

    Minimal 5 menit, bahkan hingga satu hari.

    Near real-time.

    Prinsip deteksi

    Fault-driven.

    Anomaly-driven.

    Pengenalan pola periodik

    Tidak didukung.

    Otomatis.

    Kemampuan adaptasi

    Tidak dapat beradaptasi dengan karakteristik bisnis.

    Beradaptasi dengan karakteristik bisnis.

    Kemampuan prediktif

    Tidak tersedia.

    Tersedia.

    Lihat hasil deteksi anomali

    Di DAS Autonomy Center, Anda dapat melihat event anomali yang terdeteksi dalam rentang waktu tertentu.

    1. Masuk ke DAS console.

    2. Di panel navigasi sebelah kiri, klik Intelligent O&M Center > Instance Monitoring.

    3. Temukan instans target dan klik ID instans untuk membuka halaman detail instans.

    4. Di panel navigasi sebelah kiri, klik Autonomy Center.

    5. Pilih rentang waktu untuk melihat event anomali yang terdeteksi dalam periode tersebut.

    Aktifkan event langganan

    Setelah Anda mengaktifkan event subscription, DAS akan mengirimkan notifikasi melalui saluran yang telah Anda konfigurasi, seperti pesan SMS, ketika event anomali terdeteksi. Hal ini membantu Anda segera mengidentifikasi perubahan abnormal pada database. Untuk informasi lebih lanjut, lihat Enable event subscription.

    Catatan

    Event anomali memiliki tingkat keparahan Warning. Sesuaikan tingkat keparahan notifikasi event sesuai kebutuhan Anda.

    FAQ

    • Di Anomaly Snapshots dari event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection), bagaimana kelipatan perubahan metrik dihitung dalam Analysis of Abnormal Metrics?

      Kelipatan perubahan = Nilai metrik aktual / Nilai metrik prediksi. DAS menggunakan data historis per jam dari instans database untuk memprediksi nilai metrik saat ini. Nilai prediksi tersebut digunakan sebagai garis dasar dan dibandingkan dengan nilai metrik aktual untuk menghitung kelipatan perubahan. Di tabel Related Information pada halaman Anomaly Snapshot > Analysis of Abnormal Metrics, kolom Related Metrics menampilkan nama setiap metrik beserta persentase kelipatan perubahannya, seperti mysql.innodb_rows_read↑112890276.00%, mysql.innodb_rows_updated↑122309.00%, mysql.select_ps↑576.00%, mysql.cpu_usage↑8444.00%, dan mysql.active_session↑1711.00%.

    • Mengapa instans atau node yang baru dibuat dengan trafik stabil memicu banyak event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection)?

      Fitur deteksi anomali DAS pertama-tama membangun model prediksi berdasarkan data historis instans, lalu menggunakan model tersebut untuk deteksi anomali. Untuk instans atau node yang baru dibuat, data kinerja dasar relatif rendah. Akibatnya, model prediksi yang dibangun dari data tersebut juga memiliki garis dasar yang rendah. Ketika operasi bisnis dimulai, metrik dapat menyimpang secara signifikan dari prediksi model selama periode tertentu, menyebabkan lonjakan palsu dan memicu event deteksi anomali yang sering.

      Catatan

      Setelah data yang cukup terkumpul, DAS secara otomatis membangun kembali model prediksi yang lebih akurat, dan event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection) yang disebabkan oleh lonjakan palsu tersebut akan berhenti terjadi.

    • Mengapa event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection) tidak dipicu meskipun metrik kinerja instans menunjukkan anomali yang jelas dalam beberapa detik?

      Fitur deteksi anomali DAS menggunakan data rata-rata tingkat menit untuk deteksi. Anomali yang hanya berlangsung beberapa detik mungkin diratakan karena dampak minimalnya terhadap data rata-rata, sehingga tidak terdeteksi dan tidak memicu event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection).

    Dokumentasi terkait

    Gunakan fitur otonomi DAS untuk menangani anomali database secara otomatis.