Bidang Hasil Analisis Anomali Cerdas - Simple Log Service

Hasil dari Analisis Anomali Cerdas disimpan dalam Logstore bernama internal-ml-log. Topik ini menjelaskan bidang-bidang dalam hasil tersebut.

Penting

Aplikasi Analisis Anomali Cerdas di Simple Log Service sedang dihapus secara bertahap dan tidak akan tersedia lagi pada 15 Juli 2025 (UTC+8).

Ruang lingkup dampak:
Pemeriksaan cerdas, analisis teks, dan peramalan deret waktu tidak akan tersedia lagi.
Penggantian fitur:
Fitur-fitur sebelumnya dapat sepenuhnya digantikan oleh sintaks pembelajaran mesin, SQL terjadwal, dan fitur dasbor dari Simple Log Service. Dokumentasi akan diberikan untuk membantu Anda mengonfigurasi pengaturan terkait fitur.

Bidang tag umum

Hasil untuk berbagai jenis tugas mencakup bidang umum berikut:

Catatan

Anda dapat menanyakan hasil suatu tugas berdasarkan 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

Bidang	Deskripsi
__tag__:__apply_time__	Waktu yang dibutuhkan oleh model untuk memeriksa satu batch data. Satuan: detik.
__tag__:__batch_id__	ID dari sebuah batch. Data dalam batch yang sama diidentifikasi dengan ID batch yang sama.
__tag__:__data_type__	Jenis data. job_statistic: data runtime statistik dari suatu tugas. job_progress: data keluaran kemajuan pemeriksaan entitas. anomaly_detect: data hasil anomali. detection_process: data hasil deteksi tugas pelatihan model. eval_report: data hasil set validasi setiap entitas setelah tugas pelatihan model selesai.
__tag__:__instance_name__	Nama instance yang dibuat untuk suatu tugas. Nama tersebut terdiri dari ID proyek dan ID jadwal. Setiap tugas dikaitkan dengan nama instance di server backend.
__tag__:__job_name__	Nama suatu tugas. Nama setiap tugas dalam proyek harus unik.
__tag__:__model_name__	Nama model. Model dibuat untuk setiap entitas dalam suatu tugas. Setiap model dikaitkan dengan entitas deret waktu.
__tag__:__region__	Wilayah suatu tugas.
__tag__:__schedule_id__	ID instance yang dibuat untuk suatu tugas. Setiap tugas dikaitkan dengan ID instance di server backend.

Pemeriksaan cerdas (pelatihan model)

Jenis log bervariasi berdasarkan nilai bidang __tag__:__data_type__.

Data runtime statistik dari suatu tugas

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model adalah job_statistic, maka data tersebut merupakan data runtime statistik dari tugas tersebut.

Bidang	Deskripsi
meta	Proyek dan Logstore tempat sumber data tugas pelatihan model milik. Nilainya adalah data berformat JSON.
project_name	Proyek tempat sumber data tugas pelatihan model milik.
logstore_name	Logstore tempat sumber data tugas pelatihan model milik.
result	Konten hasil. Nilainya adalah data berformat JSON.
event_msg	Kemajuan tugas pelatihan model pada timestamp tertentu.
occ_time	Timestamp yang sesuai dengan kemajuan tugas pelatihan model.
tips	Ikhtisar kemajuan untuk tugas pelatihan model. Misalnya, model disimpan.

Data hasil deteksi tugas pelatihan model

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model adalah detection_process, maka data tersebut merupakan data hasil deteksi dari tugas tersebut.

Bidang	Deskripsi
meta	Proyek dan Logstore tempat sumber data tugas pelatihan model milik. Nilainya adalah data berformat JSON.
project_name	Proyek tempat sumber data tugas pelatihan model milik.
logstore_name	Logstore tempat sumber data tugas pelatihan model milik.
result	Konten hasil. Nilainya adalah data berformat JSON.
dim_name	Fitur dari suatu entitas.
score	Skor anomali untuk fitur suatu entitas pada titik waktu tertentu.
value	Ukuran nilai untuk fitur suatu entitas pada titik waktu tertentu.
is_train_step	Menunjukkan apakah titik tersebut termasuk dalam set pelatihan.

Data hasil set validasi

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pelatihan model adalah eval_report, maka data tersebut merupakan data hasil set validasi setiap entitas setelah tugas selesai.

Bidang	Deskripsi
entity	Entitas untuk mana model dibuat. Nilainya adalah pasangan kunci-nilai.
meta	Proyek dan Logstore tempat sumber data tugas pelatihan model milik. Nilainya adalah data berformat JSON.
project_name	Proyek tempat sumber data tugas pelatihan model milik.
logstore_name	Logstore tempat sumber data tugas pelatihan model milik.
result	Konten hasil. Nilainya adalah data berformat JSON.
evaluation_metrics.auc	AUC dari set validasi. AUC dihitung oleh model supervisi yang dilatih untuk entitas tersebut.
evaluation_metrics.macro_f1	Skor F1 rata-rata makro dari set validasi. Skor F1 rata-rata makro dihitung oleh model supervisi yang dilatih untuk entitas tersebut.
evaluation_metrics.precision	Presisi dari set validasi. Presisi dihitung oleh model supervisi yang dilatih untuk entitas tersebut.
evaluation_metrics.recall	Recall dari set validasi. Recall dihitung oleh model supervisi yang dilatih untuk entitas tersebut.
time_config.training_start_time	Waktu mulai pelatihan model untuk entitas tersebut. Satuan: detik.
time_config.training_stop_time	Waktu akhir pelatihan model untuk entitas tersebut. Satuan: detik.
time_config.validation_end_time	Waktu akhir validasi model untuk entitas tersebut. Satuan: detik.
time_config.predict_time	Durasi verifikasi model untuk entitas tersebut. Satuan: detik.
time_config.train_time	Durasi pelatihan model untuk entitas tersebut. 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 anomali dari set validasi untuk entitas tersebut.
statistic.evaluation_data_meta.evaluation_data_length	Panjang set validasi untuk entitas tersebut.

Pemeriksaan cerdas (pemeriksaan real-time)

Jenis log bervariasi berdasarkan nilai bidang __tag__:__data_type__.

Data runtime statistik dari suatu tugas

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pemeriksaan real-time adalah job_statistic, maka data tersebut merupakan data runtime statistik dari 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
  }
}

Bidang	Deskripsi
result	Item hasil. Nilainya adalah data berformat JSON.
maxEntity	Informasi tentang entitas pada titik waktu yang paling dekat dengan titik waktu konsumsi data saat ini.
maxTime	Titik waktu entitas yang paling dekat dengan konsumsi data saat ini.
nTotalEntity	Jumlah entitas yang terdeteksi dalam tugas saat ini.

Data keluaran kemajuan pemeriksaan entitas

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pemeriksaan real-time adalah job_progress, maka data tersebut merupakan data keluaran kemajuan pemeriksaan entitas. Jika log berisi data keluaran kemajuan pemeriksaan entitas, Anda dapat menentukan apakah terjadi kesalahan. Misalnya, Anda dapat menentukan apakah entitas baru muncul atau apakah entitas yang ada tidak memiliki 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"
  }
}

Bidang	Deskripsi
meta	Proyek dan Logstore dari tugas saat ini. Nilainya adalah data berformat JSON.
project_name	Proyek tempat sumber data tugas pemeriksaan real-time milik.
logstore_name	Logstore tempat sumber data tugas inspeksi real-time milik.
result	Item hasil. Nilainya adalah data berformat JSON.
new_entity	Menunjukkan apakah entitas baru muncul.
recently_arrived_time	Timestamp dari catatan data valid terakhir dalam entitas saat ini, yang ditentukan oleh bidang entity.
entity	Informasi tentang suatu entitas. Informasi tersebut bertipe data kamus.

Data hasil anomali

Jika nilai bidang __tag__:__data_type__ dalam data hasil tugas pemeriksaan real-time adalah anomaly_detect, maka data tersebut merupakan data hasil 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"
  }
}

Bidang	Deskripsi
entity	Item entitas. Nilainya adalah data berformat JSON dan diperoleh dari data sumber. Nilai tersebut digunakan untuk mengidentifikasi suatu entitas.
meta	Item konfigurasi. Nilainya adalah data berformat JSON dan diperoleh dari informasi konfigurasi tentang tugas pemeriksaan cerdas.
project_name	Proyek tempat Logstore milik.
logstore_name	Logstore tempat sumber data milik.
result	Item hasil. Nilainya menunjukkan hasil pemeriksaan data pada setiap titik waktu.
dim_name	Nama dimensi di mana hasil pemeriksaan yang dihasilkan disajikan. Nama tersebut diperoleh dari data sumber. Nilai bidang result hanya disajikan dalam satu dimensi, terlepas dari apakah satu atau lebih dimensi ditentukan.
value	Nilai hasil pemeriksaan yang dihasilkan dalam dimensi tertentu. Nilai tersebut diperoleh dari data sumber. Dimensi ditentukan oleh parameter result.dim_name.
score	Skor anomali. Nilai valid: [0,1]. Skor yang lebih tinggi menunjukkan tingkat anomali yang lebih tinggi.
is_anomaly	Menunjukkan apakah anomali dianggap benar. Jika nilai bidang result.score lebih besar dari 0,5, anomali dianggap benar. Jika nilai bidang result.score lebih besar dari 0,75, anomali dianggap benar, dan peringatan dipicu.
anomaly_type	Tipe anomali. Model secara pendahuluan mengklasifikasikan anomali ke dalam tipe-tipe berikut: Stab, Shrift, Variance, Lack, dan OverThreshold. Untuk informasi lebih lanjut, lihat Tipe Anomali.

Analisis teks

Hasil dari tugas analisis teks mencakup bidang tag umum dan bidang umum berikut.

Bidang	Deskripsi
algo_type	Tipe algoritma.
result_type	Tipe hasil, yang bertipe data JSON.
result	Konten hasil, yang bertipe data JSON. Nilai bidang result bervariasi berdasarkan nilai bidang result_type.
meta	Metadata. Nilainya adalah data berformat JSON.
project_name	Proyek tempat Logstore milik.
logstore_name	Logstore tempat sumber data milik.
topic	Topik log dari sumber data.
query	Metode yang digunakan untuk menarik data. Misalnya, grup konsumen dapat digunakan untuk menarik data.
win_size	Panjang jendela waktu.
version	Versi algoritma.

Nilai bidang result bervariasi berdasarkan nilai bidang result_type. Bagian berikut menjelaskan bidang result.

cluster_info ditentukan untuk bidang result_type

Jika nilai bidang result_type adalah cluster_info, maka nilai bidang result mencakup informasi tentang kategori log. Contoh berikut menunjukkan struktur bidang hasil dalam skenario ini:

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

Bidang	Deskripsi
result.cluster_id	ID kategori log.
result.cluster_pattern	Template log dari kategori log.
result.cluster_active_age	Jumlah jendela waktu di mana kategori log aktif. Jika log dari kategori log terdeteksi dalam jendela waktu, kategori log dianggap aktif dalam jendela waktu tersebut.
result.cluster_alive_age	Jumlah jendela waktu yang dihitung sejak pertama kali kategori log muncul hingga waktu saat ini.
result.anomaly_score	Skor anomali dari kategori log.
result.count	Jumlah log yang termasuk dalam kategori log.
result.source	Nilai variabel yang mungkin dalam template log.

group_info ditentukan untuk bidang result_type

Jika nilai bidang result_type adalah group_info, maka nilai bidang result mencakup informasi tentang grup kategori log. Contoh berikut menunjukkan struktur bidang hasil dalam skenario ini:

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

Bidang	Deskripsi
result.group_anomaly_score	Skor anomali dari grup kategori log.
result.group_age	Nomor urut jendela waktu saat ini.
result.group_n_event	Jumlah total log dalam grup di jendela waktu saat ini.
result.group_n_cluster	Jumlah total kategori log dalam grup di jendela waktu saat ini.

anomaly_info ditentukan untuk bidang result_type

Jika nilai bidang result_type adalah anomaly_info, maka nilai bidang result mencakup informasi tentang peristiwa anomali. Contoh berikut menunjukkan struktur bidang hasil dalam skenario ini:

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

Bidang	Deskripsi
result.anomaly_id	ID kategori log untuk anomali.
result.anomaly_type	Tipe anomali.
result.value	Nilai peristiwa. Makna bidang result.value bervariasi berdasarkan nilai bidang result.anomaly_type.
result.anomaly_score	Skor anomali.
result.expect_lower	Batas bawah nilai peristiwa yang diharapkan, yang ditentukan oleh bidang result.value.
result.expect_upper	Batas atas nilai peristiwa yang diharapkan, yang ditentukan oleh bidang result.value.

Peramalan deret waktu

Hasil dari tugas peramalan deret waktu mencakup bidang tag umum dan bidang umum berikut.

Bidang	Deskripsi
algo_type	Tipe algoritma. Nilainya tetap sebagai series_prediction.
result_type	Tipe hasil. Nilainya adalah data berformat JSON. Jika operasi peramalan berhasil, nilainya adalah prediction_ok. Jika operasi peramalan gagal, nilainya adalah prediction_error.
result	Konten hasil. Nilainya adalah data berformat JSON. Nilai bidang result bervariasi berdasarkan nilai bidang result_type.
meta	Metadata. Nilainya adalah data berformat JSON.
project_name	Proyek tempat Logstore milik.
logstore_name	Logstore tempat sumber data milik.
topic	Topik log dari sumber data.
version	Versi algoritma.

Nilai bidang result bervariasi berdasarkan nilai bidang result_type. Bagian berikut menjelaskan bidang result.

prediction_ok ditentukan untuk bidang result_type

Jika nilai bidang result_type adalah prediction_ok, maka operasi peramalan berhasil, dan setiap log mencakup hasil peramalan untuk suatu titik dalam deret waktu. Contoh berikut menunjukkan struktur bidang result dalam skenario ini:

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

Bidang	Deskripsi
result.entity	ID entitas dari deret waktu yang diramalkan.
result.metric	Metrik dalam deret waktu yang diramalkan.
result.time	Timestamp dari titik saat ini dalam deret waktu yang diramalkan.
result.value	Nilai aktual dari titik saat ini dalam deret waktu yang diramalkan.
result.expect_value	Nilai ramalan dari titik saat ini dalam deret waktu yang diramalkan.
result.expect_lower	Batas bawah ramalan dari titik saat ini dalam deret waktu yang diramalkan.
result.expect_upper	Batas atas ramalan dari titik saat ini dalam deret waktu yang diramalkan.

prediction_error ditentukan untuk bidang result_type

Jika nilai bidang result_type adalah prediction_error dan nilai bidang __tag__:__data_type__ adalah job_error_message, maka terjadi kesalahan dalam operasi peramalan. Contoh berikut menunjukkan struktur bidang result dalam skenario ini:

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

Bidang	Deskripsi
result.entity	ID entitas dari deret waktu yang diramalkan. Terjadi kesalahan dalam operasi peramalan.
result.metric	Metrik dari deret waktu yang diramalkan. Terjadi kesalahan dalam operasi peramalan.
result.error_type	Tipe kesalahan.
result.error_msg	Rincian kesalahan.

Analisis drill-down

Hasil dari tugas analisis drill-down mencakup bidang tag umum dan bidang umum berikut.

Bidang

Deskripsi

result

Konten hasil. Nilainya adalah data berformat JSON.

Nilai bidang result bervariasi berdasarkan nilai bidang __tag__:__data_type__.

Tipe log bervariasi berdasarkan nilai bidang __tag__:__data_type__.

Informasi kemajuan tugas analisis drill-down

Jika nilai bidang __tag__:__data_type__ adalah job_progress, maka nilai bidang result mencakup informasi kemajuan tugas analisis drill-down.

Bidang	Deskripsi
result.from_ts	Waktu mulai tugas.
result.to_ts	Waktu akhir tugas. Nilai inf menunjukkan bahwa tugas sedang berlangsung.
result.progress	Kemajuan saat ini dari tugas.
result.message	Informasi status tentang kemajuan saat ini dari tugas.

Informasi status tugas analisis drill-down

Jika nilai bidang __tag__:__data_type__ adalah job_status, maka nilai bidang result mencakup informasi status tugas analisis drill-down.

Bidang	Deskripsi
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	Rincian status tugas.

Penyebab utama yang terdeteksi oleh tugas analisis drill-down

Jika nilai bidang __tag__:__data_type__ adalah root_cause, maka nilai bidang result mencakup penyebab utama yang terdeteksi oleh tugas analisis drill-down.

Bidang	Deskripsi
result.status	Menunjukkan apakah penyebab utama terdeteksi. Nilai valid: success fail
result.snapshot_time	Titik waktu data deret waktu multidimensi yang digunakan untuk analisis drill-down.
result.elapsed_time	Durasi pemecahan masalah yang dilakukan pada peristiwa untuk mendeteksi penyebab utama.
result.event_info	Peristiwa yang memicu analisis penyebab utama.
result.root_cause	Jika nilai bidang result.status adalah success, maka nilai bidang ini menunjukkan hasil analisis penyebab utama.
result.reason	Jika nilai bidang result.status adalah fail, maka nilai bidang ini menunjukkan alasan mengapa tidak ada penyebab yang terdeteksi.