Fungsi analisis penyebab akar - Simple Log Service

Simple Log Service menyediakan kemampuan peringatan dan analisis yang kuat untuk membantu Anda menganalisis serta menemukan subdimensi dari metrik abnormal dengan cepat. Ketika metrik deret waktu mengalami anomali, Anda dapat menggunakan fungsi analisis penyebab akar untuk menganalisis atribut dimensi yang menyebabkan anomali tersebut.

rca_kpi_search

Format fungsi:

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

Tabel berikut mencantumkan parameter dari fungsi ini.

Parameter	Deskripsi	Nilai
varchar_array	Dimensi.	Array. Contoh: array[col1, col2, col3].
name_array	Atribut dimensi.	Array. Contoh: array['col1', 'col2', 'col3'].
real	Nilai aktual dari setiap dimensi yang ditentukan oleh varchar_array.	Tipe Double. Nilai valid: semua bilangan riil.
forecast	Nilai prediksi dari setiap dimensi yang ditentukan oleh varchar_array.	Tipe Double. Nilai valid: semua bilangan riil.
level	Jumlah dimensi yang sesuai dengan himpunan penyebab akar keluaran. Nilai 0 menunjukkan bahwa semua himpunan penyebab akar yang ditemukan dikembalikan.	Tipe Long. Nilai valid: [0, jumlah dimensi yang dianalisis]. Jumlah dimensi yang dianalisis adalah jumlah elemen dalam array yang ditentukan oleh parameter varchar_array.

Contoh:

Pernyataan kueri adalah sebagai berikut.

Pernyataan kueri menggunakan subkueri untuk mendapatkan nilai aktual dan nilai prediksi dari setiap atribut granular halus, lalu memanggil fungsi rca_kpi_search untuk menganalisis penyebab akar dari 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)

Gambar berikut menunjukkan hasil keluaran.

Gambar berikut menunjukkan struktur hasil keluaran. Output result structure

Tabel berikut menjelaskan item tampilan.

Item tampilan	Deskripsi
rcSets	Himpunan penyebab akar. Setiap nilai adalah sebuah array.
rcItems	Himpunan penyebab akar.
kpi	KPI dalam himpunan penyebab akar, yang merupakan array. Setiap nilai dalam array berada dalam format JSON. attr menunjukkan dimensi, dan val menunjukkan atribut dalam dimensi.
nleaf	Jumlah daun yang dicakup oleh KPI saat ini di data mentah. Catatan Daun adalah log untuk atribut granular halus.
change	Rasio perubahan pada daun yang dicakup oleh KPI saat ini terhadap total perubahan pada titik waktu yang sama.
score	Skor anomali dari KPI saat ini. Nilai valid: [0, 1].

Hasil keluaran berada dalam format JSON sebagai berikut:

{
  "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
    }
    ]
  }
  ]
}