Cara menggunakan pernyataan SQL untuk menggabungkan metrik untuk inspeksi cerdas - Simple Log Service

Fitur inspeksi cerdas memeriksa data layanan dan mengidentifikasi anomali secara otomatis, cerdas, dan adaptif. Topik ini menjelaskan cara menggunakan pernyataan SQL untuk menggabungkan metrik guna mendukung inspeksi cerdas.

Prasyarat

Data telah dikumpulkan dan disimpan dalam penyimpanan log, yang disebut Logstore sumber. Untuk informasi lebih lanjut, lihat Ikhtisar Pengumpulan Data.
Indeks telah dikonfigurasikan untuk Logstore sumber. Untuk informasi lebih lanjut, lihat Buat Indeks.
Instansi Analisis Anomali Cerdas telah dibuat. Untuk informasi lebih lanjut, lihat Buat Instansi.

Buat pekerjaan inspeksi cerdas

Pergi ke wizard Pembuatan Pekerjaan Inspeksi Cerdas

Masuk ke Konsol Simple Log Service.
Pergi ke wizard Pembuatan Pekerjaan Inspeksi Cerdas.
1. Di bagian Log Application, klik Intelligent Anomaly Analysis.
2. Dalam daftar instansi, klik ID instansi tempat Anda ingin membuat pekerjaan inspeksi cerdas.
3. Di panel navigasi sebelah kiri, pilih Intelligent Inspection > Real-time Inspection.
4. Di bagian Inspection Job, klik Create Now.

Informasi Dasar

Di langkah Basic Information dari wizard Create Intelligent Inspection Job, konfigurasikan parameter yang diperlukan dan klik Next. Tabel berikut menjelaskan parameter tersebut.

Parameter	Deskripsi
Job Name	Nama pekerjaan inspeksi cerdas. Anda dapat memasukkan nama kustom.
Project	Proyek tempat Logstore atau Metricstore sumber berada.
Region	Wilayah tempat proyek berada.
Logstore Type	Unit penyimpanan tempat data Anda disimpan. Jika data Anda disimpan dalam Logstore, pilih Logstores. Jika data Anda disimpan dalam Metricstore, pilih Metricstores.
Source Logstore	Logstore tempat data sumber Anda disimpan. Parameter ini diperlukan hanya jika Anda menyetel parameter Logstore Type ke Logstores.
Metricstores	Metricstore tempat data sumber Anda disimpan. Parameter ini diperlukan hanya jika Anda menyetel parameter Logstore Type ke Metricstores.
Role	Alibaba Cloud Resource Name (ARN) dari `AliyunLogETLRole`. Jika Anda telah menyelesaikan otorisasi saat membuat instansi, ARN akan ditampilkan secara otomatis.
Target Store	Logstore tujuan. Parameter ini secara otomatis disetel ke `internal-ml-log`.

Pengaturan Fitur Data

Di langkah Pengaturan Fitur Data, atur parameter Tipe Data ke Agregasi SQL, masukkan pernyataan kueri, lalu konfigurasikan parameter lainnya. Untuk informasi lebih lanjut tentang pernyataan kueri, lihat Ikhtisar Pencarian Log dan Ikhtisar Kueri dan Analisis Log.

Contoh pernyataan kueri:

* | select __time__ - __time__ % 60 as time, domain, sum(request_size) as request_size from log group by time, domain limit 100000

Entitas: domain
Fitur: request_size

Parameter	Deskripsi
Waktu	Bidang yang menentukan waktu dalam data sumber. Secara default, Simple Log Service menggunakan bidang `_time_` yang disediakan dalam Logstore sumber.
Granularitas	Interval pengamatan data. Unit: detik. Nilai valid: 5 hingga 3600. Kami merekomendasikan Anda menyetel parameter ini ke nilai yang tidak kurang dari 60.
Entitas	Bidang yang menentukan entitas dalam data sumber. Pekerjaan inspeksi cerdas menggabungkan data untuk menghasilkan deret waktu untuk entitas berdasarkan bidang yang ditentukan.
Fitur	Bidang yang menentukan fitur dalam data sumber.

Konfigurasi Algoritma

Di langkah Konfigurasi Algoritma, konfigurasikan parameter Algoritma. Anda dapat memilih Algoritma Grafik Aliran atau Algoritma Dekomposisi Aliran untuk parameter ini. Bagian berikut menjelaskan parameter yang harus dikonfigurasikan untuk setiap algoritma.

Algoritma Grafik Aliran

Parameter	Subparameter	Deskripsi
(Diperlukan) Parameter Lanjutan	Segmen Deret Waktu	Jumlah segmen ke dalam mana deret waktu metrik yang ditentukan didiskritisasi. Diskretisasi membantu Anda membangun grafik metrik. Nilai default: 8. Kami merekomendasikan Anda menyetel parameter ini ke nilai antara 5 hingga 20. Sensitivitas deteksi anomali berkurang secara linear dengan nilai parameter ini.
	Panjang Observasi	Jumlah sampel historis yang ingin Anda periksa selama deteksi anomali. Nilai default: 2880. Kami merekomendasikan Anda menyetel parameter ini ke nilai antara 200 hingga 4000. Jika data deret waktu yang akan dideteksi memiliki musiman, kami merekomendasikan Anda menentukan jumlah sampel yang ingin Anda periksa dalam dua siklus observasi sebagai nilai parameter ini. Misalnya, jika granularitas observasi adalah 1 menit dan siklus observasi adalah 1 hari, Simple Log Service memeriksa 2.880 sampel untuk metrik dalam dua hari. Dalam hal ini, kami merekomendasikan Anda menyetel parameter ini ke nilai yang lebih besar atau sama dengan 2880.
	Panjang Perbandingan Periode-ke-Periode	Panjang waktu berdasarkan analisis periode-ke-periode dilakukan. Unit: hari. Analisis periode-ke-periode dilakukan pada metrik yang terdeteksi selama deteksi anomali. Jika Anda menyetel parameter ini ke 0, algoritma tidak melakukan analisis periode-ke-periode.
	Tipe Penangkapan Utama	Tipe anomali deret waktu yang memerlukan perhatian khusus. Nilai valid: Peningkatan Mendadak: Nilai metrik tiba-tiba meningkat pada titik waktu tertentu. Penurunan Mendadak: Nilai metrik tiba-tiba menurun pada titik waktu tertentu. Pergeseran Naik: Nilai metrik meningkat dan stabil selama periode waktu tertentu. Pergeseran Turun: Nilai metrik menurun dan stabil selama periode waktu tertentu. Tren Naik: Nilai metrik terus meningkat dalam periode waktu tertentu. Tren Turun: Nilai metrik terus menurun dalam periode waktu tertentu.
	Pohon	Jumlah pohon keputusan. Algoritma deteksi anomali menggunakan pohon keputusan untuk deteksi tambahan.
	Ukuran Sampel per Pohon	Jumlah sampel yang dikumpulkan dari data yang diamati saat membangun pohon keputusan selama deteksi anomali.
	Tingkat Anomali Keseluruhan	Perkiraan tingkat data anomali yang termasuk dalam data deret waktu. Nilai valid: 0.001 hingga 0.01.
	Jendela Minimum untuk Pemeriksaan Tipe Anomali	Panjang minimum deret waktu yang diamati selama penangkapan anomali.
	Jendela Maksimum untuk Pemeriksaan Tipe Anomali	Panjang maksimum deret waktu yang diamati selama penangkapan anomali.
	Jendela Minimum untuk Konfirmasi Anomali	Panjang minimum deret waktu yang dideteksi selama penangkapan anomali.
	Jendela Maksimum untuk Konfirmasi Anomali	Panjang maksimum deret waktu yang dideteksi selama penangkapan anomali.
Konfigurasi Fitur Dimensi Tunggal	-	Fitur yang akan dideteksi dalam deret waktu. Anda harus mengonfigurasi item berikut secara terpisah untuk setiap fitur: Nilai Maksimum: nilai maksimum metrik. Nilai Minimum: nilai minimum metrik. Normalisasi: metode yang digunakan untuk menormalisasi fitur saat deteksi fitur dilakukan pada deret waktu. Tipe Anomali untuk Diikuti: tipe anomali yang memerlukan perhatian khusus selama deteksi fitur.
Konfigurasi Sensitivitas Notifikasi	-	Ambang batas berdasarkan notifikasi peringatan dipicu. Anda harus mengonfigurasi ambang batas yang berbeda untuk anomali yang terdeteksi pada periode waktu yang berbeda. Misalnya, Anda dapat mengabaikan anomali yang terjadi selama pemeliharaan mingguan terjadwal layanan.

Algoritma Dekomposisi Aliran

Konfigurasikan algoritma.

Parameter	Subparameter	Deskripsi
Deteksi Periodik Otomatis	-	Menentukan apakah akan mengaktifkan deteksi periodik otomatis. Deteksi periodik otomatis cocok untuk skenario di mana data deret waktu memiliki musiman. Jika musiman deret waktu konstan, kami merekomendasikan Anda menonaktifkan deteksi periodik otomatis dan mengonfigurasi panjang periode secara manual.
Frekuensi Deteksi Periodik	-	Frekuensi deteksi periodik dilakukan. Parameter ini berlaku hanya jika Anda mengaktifkan deteksi periodik otomatis. Algoritma secara berkala memperbarui musiman deret waktu berdasarkan frekuensi yang dikonfigurasi. Misalnya, jika Anda menyetel nilainya ke 12 jam, algoritma secara otomatis mendeteksi dan memperbarui musiman deret waktu setiap 12 jam.
Panjang Periode	-	Panjang waktu musiman deret waktu. Parameter ini berlaku hanya jika Anda menonaktifkan deteksi periodik otomatis. Jika deret waktu tidak memiliki musiman, atur nilainya ke 0.
Panjang Observasi	-	Panjang waktu selama data historis dirujuk selama deteksi anomali. Jika deret waktu memiliki musiman, kami merekomendasikan Anda menyetel nilainya menjadi tiga kali nilai parameter Panjang Periode. Misalnya, jika Anda menyetel parameter Panjang Periode ke 1 hari, atur parameter ini ke 3 hari.
Sensitivitas	-	Sensitivitas deteksi. Jumlah anomali yang terdeteksi dan skor anomali meningkat secara linear dengan nilai parameter ini. Jika Anda menyetel parameter ini ke nilai besar, tingkat recall anomali tinggi dan akurasi deteksi rendah.
Parameter Lanjutan	Sensitivitas Komponen Tren	Sensitivitas komponen tren. Algoritma mendekomposisi deret waktu menjadi komponen tren, komponen musiman, dan komponen kebisingan. Selama deteksi anomali komponen tren, jumlah anomali yang terdeteksi dan skor anomali meningkat secara linear dengan sensitivitas komponen tren. Jika Anda menyetel parameter ini ke nilai besar, tingkat recall anomali tinggi dan akurasi deteksi rendah.
	Sensitivitas Kebisingan	Sensitivitas komponen kebisingan. Algoritma mendekomposisi deret waktu menjadi komponen tren, komponen musiman, dan komponen kebisingan. Selama deteksi anomali komponen kebisingan, jumlah anomali yang terdeteksi dan skor anomali meningkat secara linear dengan sensitivitas komponen tren. Jika Anda menyetel parameter ini ke nilai besar, tingkat recall anomali tinggi dan akurasi deteksi rendah.
	Langkah Pengambilan Sampel Komponen Tren	Langkah pengambilan sampel komponen tren. Algoritma mendekomposisi deret waktu menjadi komponen tren, komponen musiman, dan komponen kebisingan. Jika panjang deret waktu yang diamati terlalu panjang, analisis komponen tren lambat. Jika Anda menyetel parameter ini ke nilai besar, analisis komponen tren cepat. Namun, akurasi deteksi komponen tren mungkin berkurang. Misalnya, jika Anda menyetel parameter ini ke 8, satu titik data dari setiap delapan titik data diambil dari deret waktu asli untuk analisis komponen tren.
	Langkah Pengambilan Sampel Komponen Musiman	Langkah pengambilan sampel komponen musiman. Algoritma mendekomposisi deret waktu menjadi komponen tren, komponen musiman, dan komponen kebisingan. Jika panjang deret waktu yang diamati terlalu panjang, anallama komponen musiman lambat. Jika Anda menyetel parameter ini ke nilai besar, analisis komponen musiman cepat. Namun, akurasi deteksi komponen musiman mungkin berkurang. Misalnya, jika Anda menyetel parameter ini ke 8, satu titik data dari setiap delapan titik data diambil dari deret waktu asli untuk analisis komponen musiman. Kami merekomendasikan Anda menyetel parameter ini ke nilai tidak lebih dari 5.
	Panjang Jendela	Jika panjang deret waktu yang diamati terlalu panjang, deteksi anomali lambat. Setelah Anda menentukan parameter ini, algoritma mendeteksi data dalam segmen-segmen pada jendela geser untuk meningkatkan kecepatan deteksi. Kami merekomendasikan Anda menyetel parameter ini ke nilai tidak lebih dari 5000. Jika Anda tidak ingin algoritma mendeteksi data dalam jendela geser, atur parameter ini ke 0.

Di bagian pratinjau, klik Show untuk melihat hasil konfigurasi algoritma.
1. Tentukan rentang waktu selama deteksi dilakukan pada deret waktu. Klik Data Query untuk memproses data dalam rentang waktu yang ditentukan dan menghasilkan data deret waktu menggunakan pernyataan kueri yang dikonfigurasikan di langkah Data Feature Settings.
2. Konfigurasikan parameter Entity Information dan Feature untuk menentukan urutan fitur yang akan dideteksi. Klik Preview untuk memanggil algoritma deteksi guna memproses urutan fitur yang ditentukan. Hasil deteksi ditampilkan di bagian bawah halaman. Klik Display Parameters untuk menampilkan konfigurasi algoritma.
3. Trend Component Preview, Seasonal Component Preview, dan Noise Preview ditampilkan dalam hasil deteksi. Anda dapat mengubah ambang batas anomali untuk Trend Component Preview dan Noise Preview. Dengan cara ini, peringatan hanya dibuat ketika skor anomali melebihi ambang batas yang ditentukan.

Di bagian Scheduling Settings, konfigurasikan parameter yang diperlukan. Tabel berikut menjelaskan parameter tersebut. Untuk informasi tentang parameter opsional, lihat petunjuk di konsol.

Parameter	Deskripsi
Mulai Pada	Waktu mulai dari deret waktu yang datanya diproses oleh algoritma. Sistem mulai membaca dan mendeteksi data deret waktu dari waktu yang ditentukan.
Laten Data	Laten maksimum untuk menulis data deret waktu yang akan dideteksi ke Simple Log Service. Setelah Anda mengonfigurasi parameter ini, sistem menunggu periode waktu yang ditentukan saat membaca data deret waktu. Ini memastikan bahwa data deret waktu ditulis ke Simple Log Service dan dapat sepenuhnya dibaca.

Konfigurasi Peringatan

Di langkah Alert Configuration dari Create Intelligent Inspection Job, konfigurasikan parameter berikut dan klik Complete.

Parameter	Deskripsi
Kirim Notifikasi Peringatan	Pilih apakah akan mengirim notifikasi peringatan atau tidak.
Kebijakan Peringatan	Kebijakan peringatan digunakan untuk menggabungkan, membisukan, dan menekan peringatan. Jika Anda menyetel parameter ini ke Simple Mode atau Standard Mode, Anda tidak perlu mengonfigurasi kebijakan peringatan. Secara default, Simple Log Service menggunakan kebijakan peringatan bawaan sls.builtin.dynamic untuk mengelola peringatan. Jika Anda menyetel parameter ini ke Advanced Mode, Anda dapat memilih kebijakan peringatan bawaan atau kustom untuk mengelola peringatan. Untuk informasi lebih lanjut tentang cara membuat kebijakan peringatan, lihat Buat Kebijakan Peringatan.
Kebijakan Aksi	Kebijakan aksi digunakan untuk mengelola metode notifikasi peringatan dan frekuensi pengiriman notifikasi peringatan. Jika Anda menyetel Alert Policy ke Simple Mode, Anda hanya perlu mengonfigurasi grup aksi untuk parameter ini. Setelah Anda mengonfigurasi grup aksi, Simple Log Service secara otomatis membuat kebijakan aksi bernama `Nama Aturan-Kebijakan Aksi`. Notifikasi peringatan dikirim berdasarkan kebijakan aksi untuk semua peringatan yang dipicu berdasarkan aturan peringatan Anda. Untuk informasi lebih lanjut, lihat Metode Notifikasi. Penting Anda dapat memodifikasi kebijakan aksi di tab Kebijakan Aksi. Untuk informasi lebih lanjut, lihat Buat Kebijakan Aksi. Jika Anda menambahkan kondisi saat memodifikasi kebijakan aksi, nilai Alert Policy secara otomatis berubah menjadi Standard Mode. Jika Anda menyetel Alert Policy ke Standard Mode atau Advanced Mode, Anda dapat memilih kebijakan aksi bawaan atau kustom untuk mengirim notifikasi peringatan. Untuk informasi lebih lanjut tentang cara membuat kebijakan aksi, lihat Buat Kebijakan Aksi. Jika Anda menyetel parameter Alert Policy ke Advanced Mode, Anda dapat mengaktifkan atau menonaktifkan Custom Action Policy. Untuk informasi lebih lanjut, lihat Mekanisme Kebijakan Aksi Dinamis.

Kelola pekerjaan inspeksi cerdas

Setelah membuat pekerjaan inspeksi cerdas, Anda dapat mengklik ID pekerjaan dalam daftar pekerjaan untuk melihat detailnya. Anda juga dapat memodifikasi atau menghapus pekerjaan tersebut.

Penting

Setelah menghapus pekerjaan inspeksi cerdas, pekerjaan tersebut tidak dapat dipulihkan. Lanjutkan dengan hati-hati.

Operasi Terkait

Evaluasi hasil inspeksi dalam notifikasi peringatan