全部产品
Search

搜索本产品

    Database Autonomy Service：Deteksi anomali

    文档中心

    Database Autonomy Service：Deteksi anomali

    更新时间：Nov 11, 2025

    Mendeteksi masalah database secara tepat waktu merupakan bagian penting dari 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 masalah secara otomatis selama 24/7. Fitur ini tidak perlu diaktifkan secara manual. Dibandingkan dengan pemberitahuan berbasis aturan atau ambang batas, fitur ini mampu mendeteksi perubahan abnormal pada database lebih cepat.

    Prasyarat

    • Instansiasi basis data target harus termasuk dalam salah satu tipe berikut:

      Database

      Wilayah

      • ApsaraDB RDS for MySQL

      • MyBase for MySQL

      • Public Cloud

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Heyuan), Tiongkok (Guangzhou), Tiongkok (Qingdao), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hohhot), Tiongkok (Ulanqab), Tiongkok (Nanjing - Local Region - Decommissioning), Tiongkok (Fuzhou - Local Region - Decommissioning), Tiongkok (Chengdu), Zhengzhou, Tiongkok (Hong Kong), Jepang (Tokyo), Korea Selatan (Seoul), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Filipina (Manila), Thailand (Bangkok), UEA (Dubai), SAU (Riyadh - Partner Region), Jerman (Frankfurt), AS (Silicon Valley), AS (Virginia), dan Inggris (London)

      • Alibaba Finance Cloud

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

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      ApsaraDB RDS for PostgreSQL

      • Public Cloud

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Heyuan), Tiongkok (Guangzhou), Tiongkok (Qingdao), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hohhot), Tiongkok (Ulanqab), Tiongkok (Chengdu), Tiongkok (Hong Kong), Jepang (Tokyo), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Filipina (Manila), UEA (Dubai), Jerman (Frankfurt), AS (Silicon Valley), AS (Virginia), dan Inggris (London)

      • Alibaba 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

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Heyuan), Tiongkok (Qingdao), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hohhot), Tiongkok (Ulanqab), Tiongkok (Chengdu), Tiongkok (Hong Kong), Jepang (Tokyo), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), UEA (Dubai), Jerman (Frankfurt), AS (Silicon Valley), AS (Virginia), dan Inggris (London)

      • Alibaba 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

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Heyuan), Tiongkok (Guangzhou), Tiongkok (Qingdao), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hohhot), Tiongkok (Ulanqab), Tiongkok (Chengdu), Tiongkok (Hong Kong), Jepang (Tokyo), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Filipina (Manila), Jerman (Frankfurt), AS (Silicon Valley), AS (Virginia), dan Inggris (London)

      • Alibaba Finance Cloud

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

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

      Tair (Redis OSS-compatible)

      • Community Edition

      • Tair (Enterprise Edition) Memory-optimized

      • Public Cloud

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Heyuan), Tiongkok (Guangzhou), Tiongkok (Qingdao), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hohhot), Tiongkok (Chengdu), Tiongkok (Hong Kong), Jepang (Tokyo), Korea Selatan (Seoul), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), Filipina (Manila), Thailand (Bangkok), UEA (Dubai), SAU (Riyadh - Partner Region), Jerman (Frankfurt), AS (Silicon Valley), AS (Virginia), dan Inggris (London)

      • Alibaba Finance Cloud

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

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

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

      • Public Cloud

        Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Beijing), Tiongkok (Zhangjiakou), Tiongkok (Hong Kong), Singapura, Jerman (Frankfurt), dan AS (Virginia)

      • Alibaba Gov Cloud

        China North 2 Ali Gov 1

    • Instansiasi basis data target telah terhubung ke DAS, dan status koneksi-nya adalah Normal Access.

      Catatan

      Untuk informasi selengkapnya tentang cara menghubungkan instans database, lihat Hubungkan instans database Alibaba Cloud ke DAS.

    Fitur

    Fitur deteksi anomali memanfaatkan pembelajaran mesin dan data pemantauan tingkat detik untuk mendeteksi masalah secara otomatis selama 24/7. Fitur ini tidak perlu diaktifkan secara manual. Dibandingkan dengan pemberitahuan berbasis aturan atau ambang batas, fitur ini mampu mendeteksi perubahan abnormal pada database lebih cepat.

    Item

    Solusi tradisional

    Deteksi anomali DAS

    Metode

    Berdasarkan aturan atau ambang batas.

    Berdasarkan AI.

    Objek yang dipantau

    Terutama berdasarkan metrik pemantauan.

    Berbagai macam objek, seperti metrik pemantauan, pernyataan SQL, log, kunci, dan event O&M.

    Ketepatan waktu

    Dari 5 menit hingga satu hari atau lebih.

    Hampir real-time.

    Metode deteksi

    Berdasarkan kesalahan (fault-driven).

    Berdasarkan pengecualian (exception-driven).

    Deteksi berkala

    Tidak ada.

    Deteksi otomatis.

    Kemampuan adaptasi

    Tidak dapat beradaptasi dengan fitur bisnis.

    Beradaptasi dengan fitur bisnis.

    Prediksi

    Tidak ada.

    Memungkinkan Anda melakukan prediksi.

    Lihat hasil deteksi anomali

    Di pusat otonomi DAS, Anda dapat melihat event anomali yang terdeteksi dalam rentang waktu tertentu.

    1. Masuk ke Konsol DAS.

    2. Di panel navigasi sebelah kiri, klik Operation Center > Instance Monitoring.

    3. Temukan instans target, klik ID instans, lalu buka halaman detail instans.

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

    5. Pilih rentang waktu untuk melihat event anomali yang terjadi selama periode tersebut.

    Aktifkan langganan

    Setelah Anda mengaktifkan fitur langganan event, DAS akan mengirimkan notifikasi kepada Anda, seperti pesan teks, ketika suatu event anomali terdeteksi. Hal ini membantu Anda menemukan perubahan abnormal pada database secara tepat waktu. Untuk informasi selengkapnya, lihat Aktifkan fitur langganan event.

    Catatan

    Tingkat peringatan untuk event anomali adalah Peringatan (Warning). Anda dapat mengatur tingkat peringatan untuk notifikasi event sesuai kebutuhan Anda.

    FAQ

    • Bagaimana kelipatan perubahan dihitung untuk metrik terkait di bagian Analysis of Abnormal Metrics dalam Anomaly Snapshot untuk event Anomaly Detection of Metrics (Time Series Anomaly Detection)?

      Kelipatan perubahan = Nilai aktual / Nilai prediksi. DAS menggunakan data per jam dari periode sebelumnya untuk memprediksi nilai metrik saat ini untuk instans tersebut. Nilai prediksi ini berfungsi sebagai garis dasar dan dibandingkan dengan nilai aktual saat ini untuk menghitung kelipatan perubahan.异常指标

    • Mengapa instans atau node yang baru dibuat memicu banyak event Metric Time Series Anomaly Detection meskipun lalu lintasnya stabil?

      Fitur deteksi anomali DAS pertama-tama membangun model prediksi berdasarkan data historis instans, lalu menggunakan model ini untuk deteksi. Untuk instans atau node baru, jumlah data kinerja historis relatif rendah. Oleh karena itu, model prediksi yang dibangun dari data ini juga memiliki garis dasar yang rendah. Setelah operasi bisnis dimulai, metrik dapat berbeda secara signifikan dari nilai prediksi untuk sementara waktu, yang menyebabkan lonjakan palsu. Hal ini dapat memicu event deteksi anomali yang sering.

      Catatan

      Setelah periode akumulasi data berlalu, DAS secara otomatis membangun kembali model prediksi yang lebih akurat, dan event Metric Time Series Anomaly Detection yang disebabkan oleh lonjakan palsu tidak akan terjadi lagi.

    • Mengapa event Monitoring Metric Time-series Anomaly Detection tidak dipicu meskipun metrik kinerja instans menunjukkan anomali yang jelas selama beberapa detik?

      Fitur deteksi anomali di DAS menganalisis data yang dirata-ratakan dalam interval satu menit. Proses ini dapat meratakan anomali berdurasi singkat, sehingga meminimalkan dampaknya terhadap data. Akibatnya, anomali tersebut mungkin tidak terdeteksi dan tidak akan memicu event Monitoring Metric Anomaly Detection (Time Series Anomaly Detection).

    Dokumen terkait

    Anda dapat menggunakan fitur otonomi DAS untuk secara otomatis menyelesaikan anomali database saat terjadi.