Fungsi Analisis Akar Masalah: Kasus Penggunaan dan Contoh - Simple Log Service

Simple Log Service menyediakan alat Peringatan dan analisis yang andal untuk membantu Anda mendiagnosis masalah serta mengidentifikasi sub-dimensi anomali. Saat terjadi anomali pada data deret waktu, gunakan fungsi analisis akar masalah untuk mengidentifikasi atribut dimensi yang menyebabkan penyimpangan tersebut.

rca_kpi_search

Sintaksis

select rca_kpi_search(varchar_array, name_array, real, forecast, level)

Tabel berikut menjelaskan parameter-parameter tersebut.

Parameter	Description	Value
varchar_array	Atribut dimensi.	Array. Contohnya, `array[col1, col2, col3]`.
name_array	Nama-nama dimensi.	Array. Contohnya, `array['col1', 'col2', 'col3']`.
real	Nilai aktual untuk kombinasi atribut yang sesuai.	Tipe: double. Semua bilangan real didukung.
forecast	Nilai prediksi untuk kombinasi atribut yang sesuai.	Tipe: double. Semua bilangan real didukung.
level	Jumlah atribut dimensi yang disertakan dalam kumpulan akar masalah output. Jika parameter ini diatur ke 0, fungsi akan mengembalikan semua kumpulan akar masalah yang teridentifikasi.	Tipe: long. Nilai valid: 0 ≤ level ≤ jumlah dimensi yang dianalisis (panjang `varchar_array`).

Contoh

Kueri dan analisis:

Pertama, gunakan subkueri untuk mengorganisasi nilai aktual dan prediksi untuk setiap atribut detail halus. Kemudian, panggil fungsi rca_kpi_search untuk menganalisis akar penyebab anomali.

* not Status:200 | 
select rca_kpi_search(
 array[ ProjectName, LogStore, UserAgent, Method ],
 array[ 'ProjectName', 'LogStore', 'UserAgent', 'Method' ], real, forecast, 1) 
from ( 
select ProjectName, LogStore, UserAgent, Method,
 sum(case when time < 1552436040 then real else 0 end) * 1.0 / sum(case when time < 1552436040 
then 1 else 0 end) as forecast,
 sum(case when time >=1552436040 then real else 0 end) *1.0 / sum(case when time >= 1552436040 
then 1 else 0 end) as real
 from ( 
select '("__time__" - ("__time__" % 60))' as time, ProjectName, LogStore, UserAgent, Method, COUNT(*) as real 
from log GROUP by time, ProjectName, LogStore, UserAgent, Method ) 
GROUP BY ProjectName, LogStore, UserAgent, Method limit 100000000)

Output: Hasil analisis mencakup grafik area deret waktu dan beberapa entri kumpulan akar masalah yang dapat diperluas. Kolom dalam tabel kumpulan akar masalah meliputi region, project, Logstore, useragent, method, rsst, change, dan score. Dalam konteks ini, rsst merepresentasikan nilai statistik dari submetrik akar masalah, sedangkan score merepresentasikan skor anomali untuk akar masalah tersebut. Grafik garis tren kecil untuk submetrik yang sesuai ditampilkan di sebelah kanan, yang membantu Anda memeriksa fluktuasi secara visual selama terjadi anomali.

Struktur output:

{
  "rcSets": [
    {
      "rcItems": [
        {
          "kpi": [{"attr": "xxx", "val": "xxx"}],
          "nleaf": 100,
          "change": 0.524543,
          "score": 0.1454543
        }
      ]
    }
  ]
}

Tabel berikut menjelaskan item-item tampilan.

Parameter	Description
rcSets	Array kumpulan akar masalah.
rcItems	Array item yang membentuk kumpulan akar masalah.
kpi	Array yang merepresentasikan kondisi suatu item dalam kumpulan akar masalah. Setiap elemen dalam array adalah objek di mana `attr` adalah nama dimensi dan `val` adalah nilai atribut.
nleaf	Jumlah leaf dalam data mentah yang dicakup oleh item KPI dalam kumpulan akar masalah. Catatan Leaf adalah entri log untuk kombinasi atribut dengan tingkat granularitas paling halus.
change	Proporsi perubahan anomali total yang disumbangkan oleh leaf dari item ini.
score	Skor anomali untuk item akar masalah ini. Nilainya berada dalam rentang [0, 1].

Output berupa objek JSON. Kode berikut menunjukkan contohnya:

{
  "rcSets": [
  {
    "rcItems": [
    {
      "kpi": [
      {
        "attr": "country",
        "val": "*"
      },
      {
        "attr": "province",
        "val": "*"
      },
      {
        "attr": "provider",
        "val": "*"
      },
      {
        "attr": "domain",
        "val": "example.com"
      },
      {
        "attr": "method",
        "val": "*"
      }
      ],
      "nleaf": 119,
      "change": 0.3180687806279939,
      "score": 0.14436007709620113
    }
    ]
  }
  ]
}