Pahami field output analisis anomali cerdas - Simple Log Service

Intelligent Anomaly Analysis menyimpan hasilnya di Logstore bernama internal-ml-log. Topik ini menjelaskan bidang-bidang dalam hasil tersebut.

Penting

Mulai 15 Juli 2025 (UTC+8), fitur analisis anomali cerdas tidak akan lagi tersedia untuk pengguna baru. Pengguna yang sudah ada dapat terus menggunakannya.

Lingkup dampak
Fitur inti berikut akan dihentikan: pemeriksaan kesehatan cerdas, analitik teks, dan peramalan deret waktu.
Solusi Migrasi Fitur
Fitur sintaksis pembelajaran mesin, kueri dan analisis terjadwal (SQL terjadwal), serta Dasbor dari Simple Log Service dapat sepenuhnya menggantikan fitur-fitur yang dihentikan tersebut.

Struktur tag umum

Data hasil untuk semua jenis tugas mencakup bidang-bidang umum berikut.

Catatan

Anda dapat mengkueri data hasil suatu tugas menggunakan bidang __tag__:__job_name__ dan __tag__:__schedule_id__.

__tag__:__apply_time__:1638414250
__tag__:__batch_id__:a8343****5b0fd
__tag__:__data_type__:anomaly_detect
__tag__:__instance_name__:29030-****7bcdd
__tag__:__job_name__:etl-1637****3966-398245
__tag__:__model_name__:d52b5****c45397
__tag__:__region__:chengdu
__tag__:__schedule_id__:2457f****ebcdd

Field	Description
`__tag__:__apply_time__`	Waktu saat model memeriksa batch data, dalam satuan detik.
`__tag__:__batch_id__`	ID batch. Semua data yang diproses dalam satu kali eksekusi algoritma diberi tag dengan ID batch yang sama.
`__tag__:__data_type__`	Jenis data. Nilai yang valid adalah: job_statistic: Data statistik yang dihasilkan selama eksekusi tugas. job_progress: Data output yang menunjukkan progres pemeriksaan untuk suatu entitas. anomaly_detect: Data hasil untuk anomali yang terdeteksi. detection_process: Data hasil deteksi dari tugas pelatihan model. eval_report: Hasil untuk set validasi setiap entitas setelah tugas pelatihan model selesai.
`__tag__:__instance_name__`	Nama instans tugas, yang terdiri atas ID proyek dan ID jadwal. Setiap tugas inspeksi cerdas dipetakan ke nama instans di layanan backend.
`__tag__:__job_name__`	Nama tugas. Nama ini harus unik dalam satu Proyek.
`__tag__:__model_name__`	Nama model. Model unik dibuat untuk setiap entitas dalam tugas, dan setiap nama model berkorespondensi dengan entitas deret waktu.
`__tag__:__region__`	Wilayah tempat tugas dijalankan.
`__tag__:__schedule_id__`	ID instans tugas. Setiap tugas dipetakan ke ID instans di layanan backend.

Inspeksi cerdas (pelatihan model)

Nilai berbeda pada bidang tag:data_type merepresentasikan tipe log yang berbeda.

Statistik waktu proses

Ketika bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model Anda diatur ke job_statistic, data tersebut merepresentasikan statistik waktu proses untuk tugas tersebut.

Parameter	Description
meta	Menjelaskan Proyek dan Logstore yang berisi sumber data untuk tugas pelatihan model. Datanya dalam format JSON.
project_name	Proyek yang berisi sumber data untuk tugas pelatihan model.
logstore_name	Logstore yang berisi sumber data untuk tugas pelatihan model.
result	Konten hasil dalam format JSON.
event_msg	Menjelaskan progres tugas pelatihan model pada timestamp tertentu.
occ_time	Timestamp untuk progres tugas pelatihan model.
tips	Merangkum progres tugas pelatihan model. Contohnya, "Model saved".

Hasil deteksi

Ketika bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model Anda diatur ke detection_process, data tersebut merepresentasikan hasil deteksi untuk tugas tersebut.

Parameter	Description
meta	Menjelaskan Proyek dan Logstore yang berisi sumber data untuk tugas pelatihan model. Datanya dalam format JSON.
project_name	Proyek yang berisi sumber data untuk tugas pelatihan model.
logstore_name	Logstore yang berisi sumber data untuk tugas pelatihan model.
result	Konten hasil dalam format JSON.
dim_name	Nama fitur dari entitas.
score	Skor anomali fitur entitas pada waktu tertentu.
value	Nilai fitur entitas pada waktu tertentu.
is_train_step	Menunjukkan apakah titik data untuk entitas tersebut termasuk dalam set pelatihan.

Hasil set validasi

Ketika bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model Anda diatur ke eval_report, data tersebut merepresentasikan hasil set validasi untuk setiap entitas setelah tugas selesai.

Parameter	Description
entity	Mengidentifikasi entitas tempat model tersebut berasal. Datanya dalam format pasangan kunci-nilai.
meta	Menjelaskan Proyek dan Logstore yang berisi sumber data untuk tugas pelatihan model. Datanya dalam format JSON.
project_name	Proyek yang berisi sumber data untuk tugas pelatihan model.
logstore_name	Logstore yang berisi sumber data untuk tugas pelatihan model.
result	Konten hasil dalam format JSON.
evaluation_metrics.auc	AUC untuk set validasi, dihitung oleh model supervised entitas tersebut.
evaluation_metrics.macro_f1	Skor F1 makro untuk set validasi, dihitung oleh model supervised entitas tersebut.
evaluation_metrics.precision	Presisi untuk set validasi, dihitung oleh model supervised entitas tersebut.
evaluation_metrics.recall	Recall untuk set validasi, dihitung oleh model supervised entitas tersebut.
time_config.training_start_time	Waktu mulai pelatihan model untuk entitas tersebut, dalam satuan detik.
time_config.training_stop_time	Waktu akhir pelatihan model untuk entitas tersebut, dalam satuan detik.
time_config.validation_end_time	Waktu akhir validasi model untuk entitas tersebut, dalam satuan detik.
time_config.predict_time	Durasi validasi model untuk entitas tersebut, dalam satuan detik.
time_config.train_time	Durasi pelatihan model untuk entitas tersebut, dalam satuan detik.
statistic.train_data_meta.train_anomaly_num	Jumlah titik anomali dalam set pelatihan untuk entitas tersebut.
statistic.train_data_meta.train_data_length	Panjang set pelatihan untuk entitas tersebut.
statistic.evaluation_data_meta.evaluation_anomaly_num	Jumlah titik anomali dalam set validasi untuk entitas tersebut.
statistic.evaluation_data_meta.evaluation_data_length	Panjang set validasi untuk entitas tersebut.

Inspeksi cerdas

Bidang tag:data_type menentukan tipe log.

Statistik waktu proses

Jika bidang __tag__:__data_type__ dalam data hasil diatur ke job_statistic, data tersebut berisi statistik waktu proses untuk tugas tersebut.

{
  "__tag__:__job_name__": "etl-1637133966-398245",
  "__tag__:__region__": "chengdu",
  "__tag__:__data_type__": "job_statistic",
  "__tag__:__apply_time__": "1638415928",
  "__tag__:__instance_name__": "29030-2457fbbd724de9421da8c73d37debcdd",
  "result": {
    "maxEntity": {
      "host": "machine_001",
      "ip": "192.0.2.1"
    },
    "maxTime": 1638415994,
    "minEntity": {
      "host": "machine_001",
      "ip": "192.0.2.1"
    },
    "minTime": 1638415994,
    "nTotalEntity": 1
  }
}

Parameter	Description
result	Objek hasil. Datanya dalam format JSON.
maxEntity	Informasi tentang entitas dengan titik data terbaru relatif terhadap konsumsi data saat ini.
maxTime	Timestamp titik data terbaru dari suatu entitas, relatif terhadap konsumsi data saat ini.
nTotalEntity	Jumlah total entitas yang sedang diperiksa oleh tugas saat ini.

Progres inspeksi entitas

Jika bidang __tag__:__data_type__ dalam data hasil diatur ke job_progress, data tersebut menunjukkan progres inspeksi untuk entitas tertentu. Informasi ini membantu Anda menentukan apakah entitas baru terdeteksi atau entitas yang sudah ada berhenti mengirim data.

{
  "__tag__:__job_name__": "etl-1637133966-398245",
  "__tag__:__region__": "chengdu",
  "__tag__:__data_type__": "job_progress",
  "__tag__:__apply_time__": "1638415883",
  "__tag__:__instance_name__": "29030-2457fbbd724de9421da8c73d37debcdd",
  "result": {
    "new_entity": false,
    "recently_arrived_time": 1638415994
  },
  "meta": {
    "logstore_name": "machine_monitor",
    "project_name": "sls-ml-demo"
  },
  "entity": {
    "host": "machine_001",
    "ip": "192.0.2.1"
  }
}

Parameter	Description
meta	Objek JSON yang berisi informasi tentang proyek dan Logstore untuk tugas saat ini.
project_name	Proyek yang berisi sumber data untuk tugas inspeksi real-time.
logstore_name	Logstore yang berisi sumber data untuk tugas inspeksi real-time.
result	Objek hasil. Datanya dalam format JSON.
new_entity	Menunjukkan apakah entitas baru terdeteksi.
recently_arrived_time	Timestamp titik data valid terakhir yang diterima dari entitas yang ditentukan dalam bidang entity.
entity	Objek JSON yang berisi dimensi yang mengidentifikasi entitas tersebut.

Data hasil anomali

Jika bidang __tag__:__data_type__ dalam data hasil diatur ke anomaly_detect, data tersebut berisi hasil deteksi anomali.

{
  "__time__": 1638416474,
  "__tag__:__batch_id__": "a5870979816fc507cbeebc6b1133af0a",
  "__tag__:__schedule_id__": "2457fbbd724de9421da8c73d37debcdd",
  "__tag__:__apply_time__": "1638416291",
  "__tag__:__job_name__": "etl-1637133966-398245",
  "__tag__:__model_name__": "d52b59a6bfb3adcf2ee62a5064c45397",
  "__tag__:__data_type__": "anomaly_detect",
  "__tag__:__region__": "chengdu",
  "__tag__:__instance_name__": "29030-2457fbbd724de9421da8c73d37debcdd",
  "result": {
    "anomaly_type": "None",
    "dim_name": "value",
    "is_anomaly": false,
    "score": 0,
    "value": "0.780000"
  },
  "meta": {
    "logstore_name": "machine_monitor",
    "project_name": "sls-ml-demo"
  },
  "entity": {
    "host": "machine_001",
    "ip": "192.0.2.1"
  }
}

Parameter	Description
entity	Objek JSON yang berasal dari data sumber dan mengidentifikasi entitas pemantauan tertentu.
meta	Objek JSON yang berasal dari konfigurasi tugas inspeksi cerdas.
project_name	Proyek yang berisi Logstore.
logstore_name	Logstore yang berisi sumber data.
result	Objek hasil yang berisi hasil inspeksi cerdas untuk setiap titik data.
dim_name	Nama metrik, yang berasal dari data sumber. Untuk deret waktu univariat maupun multivariat, setiap objek result berisi hasil inspeksi untuk satu metrik tunggal.
value	Nilai metrik yang diidentifikasi oleh result.dim_name, yang berasal dari data sumber.
score	Skor anomali antara 0 hingga 1 yang mengukur tingkat keparahan anomali. Skor yang lebih tinggi menunjukkan anomali yang lebih parah.
is_anomaly	Menunjukkan apakah titik data tersebut dianggap sebagai anomali. Jika result.score lebih besar dari 0,5, nilai ini adalah `true`. Jika result.score lebih besar dari 0,75, nilai ini adalah `true` dan pemicu alert diaktifkan.
anomaly_type	Jenis anomali sebagaimana ditentukan awal oleh model. Jenis yang didukung meliputi: spike, deviasi, jitter, missing, dan threshold exceeded. Untuk informasi selengkapnya, lihat Jenis anomali.

Analisis teks

Tabel ini mencantumkan bidang umum untuk analisis teks, tidak termasuk bidang tag umum.

Parameter	Description
algo_type	Jenis algoritma.
result_type	Jenis hasil.
result	Konten hasil, dalam format JSON. Nilai bidang result bergantung pada nilai bidang result_type.
meta	Metadata, dalam format JSON.
project_name	Proyek yang berisi Logstore.
LogStore_name	Logstore yang berisi sumber data.
topic	Topik log dari sumber data.
query	Metode untuk menarik data, seperti menggunakan kelompok konsumen.
win_size	Panjang jendela waktu.
version	Versi algoritma.

Nilai bidang result bergantung pada bidang result_type. Bidang result dijelaskan secara rinci sebagai berikut.

Bidang result_type adalah cluster_info

Ketika bidang result_type bernilai cluster_info, bidang result berisi informasi kategori log sebagai berikut:

"result": {
  "cluster_id": "xxxx",
  "cluster_pattern": "xxxx",
  "cluster_active_age": 120,
  "cluster_alive_age": 150,
  "anomaly_score": 0.1,
  "count": 2,
  "source": []
}

Parameter	Description
result.cluster_id	ID kategori log.
result.cluster_pattern	Templat log untuk kategori log tersebut.
result.cluster_active_age	Jumlah jendela waktu di mana kategori log tersebut aktif. Kategori log dianggap aktif dalam suatu jendela waktu jika log dari kategori tersebut muncul dalam jendela tersebut.
result.cluster_alive_age	Jumlah jendela waktu sejak kategori log tersebut pertama kali muncul.
result.anomaly_score	Skor anomali kategori log tersebut.
result.count	Jumlah log dalam kategori log tersebut.
result.source	Kemungkinan nilai untuk variabel dalam templat log.

Bidang result_type adalah group_info

Ketika bidang result_type bernilai group_info, bidang result berisi informasi tentang grup kategori log, sebagai berikut:

"result": {
  "group_anomaly_score": 0.1,
  "group_age": 10,
  "group_n_event": 190,
  "group_n_cluster": 10
}

Parameter	Description
result.group_anomaly_score	Skor anomali grup kategori log.
result.group_age	Nomor urut jendela waktu saat ini.
result.group_n_event	Jumlah total log dalam grup kategori log selama jendela waktu saat ini.
result.group_n_cluster	Jumlah total kategori log dalam grup kategori log selama jendela waktu saat ini.

Bidang result_type adalah anomaly_info

Ketika bidang result_type bernilai anomaly_info, bidang result berisi informasi tentang event anomali, sebagai berikut:

"result": {
  "anomaly_id": "xxxx",
  "anomaly_type": "xxxx",
  "value": 0,
  "anomaly_score": 0.0,
  "expect_lower": 0.0,
  "expect_upper": 0.0
}

Parameter	Description
result.anomaly_id	ID kategori log yang terkait dengan anomali tersebut.
result.anomaly_type	Jenis anomali.
result.value	Nilai event. Nilai bidang result.anomaly_type menentukan makna dari bidang result.value.
result.anomaly_score	Skor anomali.
result.expect_lower	Batas bawah nilai event yang diharapkan (bidang result.value).
result.expect_upper	Batas atas nilai event yang diharapkan dalam bidang result.value.

Peramalan deret waktu

Tabel ini menjelaskan bidang umum dalam hasil peramalan deret waktu, tidak termasuk bidang tag umum.

Parameter	Description
algo_type	Jenis algoritma. Nilainya adalah `series_prediction`.
result_type	Jenis hasil. Nilainya adalah `prediction_ok` untuk operasi yang berhasil atau `prediction_error` untuk operasi yang gagal.
result	Konten hasil, dalam format JSON. Nilai bidang result bergantung pada nilai bidang result_type.
meta	Metadata, dalam format JSON.
project_name	Nama Proyek yang berisi Logstore.
LogStore_name	Nama Logstore yang berisi sumber data.
topic	Topik log dari sumber data.
version	Versi algoritma.

Struktur bidang result bergantung pada nilai bidang result_type. Bagian berikut menjelaskan bidang result secara rinci.

Ketika result_type bernilai prediction_ok

Ketika bidang result_type bernilai prediction_ok, peramalan berhasil. Setiap log berisi hasil peramalan untuk satu titik dalam deret waktu. Bidang result yang sesuai memiliki struktur sebagai berikut:

{
  "entity": "xxxx",
  "metric": "xxxx",
  "time": xxxx,
  "value": "xxxx",
  "expect_value": "xxxx",
  "expect_lower": "xxxx",
  "expect_upper": "xxxx"
}

Parameter	Description
result.entity	ID entitas deret waktu.
result.metric	Metrik deret waktu.
result.time	Timestamp titik saat ini dalam deret waktu.
result.value	Nilai aktual titik saat ini.
result.expect_value	Nilai perkiraan untuk titik saat ini.
result.expect_lower	Batas bawah perkiraan untuk titik saat ini.
result.expect_upper	Batas atas perkiraan untuk titik saat ini.

Ketika result_type bernilai prediction_error

Ketika bidang result_type bernilai prediction_error (di mana bidang __tag__:__data_type__ bernilai job_error_message), peramalan gagal. Bidang result yang sesuai memiliki struktur sebagai berikut:

{
  "entity": "xxxx",
  "metric": "xxxx",
  "error_type": "xxxx",
  "error_msg": "xxxx"
}

Parameter	Description
result.entity	ID entitas deret waktu.
result.metric	Metrik deret waktu.
result.error_type	Jenis error.
result.error_msg	Detail kesalahan.

Analisis drill-down

Tabel ini mencantumkan bidang umum dalam hasil analisis drill-down, tidak termasuk bidang tag umum.

Parameter

Description

result

Hasilnya berupa objek JSON.

Nilai bidang result bergantung pada bidang __tag__:__data_type__.

Bidang __tag__:__data_type__ menunjukkan tipe log.

Progres

Ketika nilai bidang tag:data_type adalah job_progress, bidang result berisi informasi progres tugas.

Field	Description
result.from_ts	Waktu mulai tugas.
result.to_ts	Waktu akhir tugas. Nilai `inf` menunjukkan bahwa tugas sedang berlangsung.
result.progress	Progres saat ini dari tugas.
result.message	Informasi status mengenai progres tugas saat ini.

Status

Ketika nilai bidang tag:data_type adalah job_status, bidang result berisi informasi status untuk tugas analisis drill-down.

Field	Description
result.from_ts	Waktu mulai tugas.
result.to_ts	Waktu akhir tugas. Nilai `inf` menunjukkan bahwa tugas sedang berlangsung.
result.status	Status tugas.
result.message	Informasi status untuk tugas.

Akar penyebab

Ketika nilai bidang tag:data_type adalah root_cause, bidang result berisi informasi akar penyebab dari analisis drill-down.

Field	Description
result.status	Menentukan apakah akar penyebab ditemukan untuk event tersebut. Nilai yang valid adalah: `success`: Akar penyebab ditemukan. `fail`: Tidak ditemukan akar penyebab.
result.snapshot_time	Timestamp data deret waktu multidimensi yang digunakan untuk analisis drill-down.
result.elapsed_time	Durasi analisis akar penyebab untuk event tersebut.
result.event_info	Event yang memicu analisis akar penyebab.
result.root_cause	Jika result.status bernilai `success`, bidang ini berisi hasil analisis akar penyebab.
result.reason	Jika result.status bernilai `fail`, bidang ini menjelaskan mengapa tidak ditemukan akar penyebab.