予測と異常検出の関数は、時系列曲線を予測し、予測された曲線と実際の曲線との間の誤差の Ksigma および分位を特定することによって、異常を検出します。

関数リスト

関数 説明
ts_predicate_simple デフォルトのパラメーターを使用して時系列データをモデル化し、簡単な時系列予測と異常検出を実行します。
ts_predicate_ar 自己回帰モデルを使用して時系列データをモデル化し、簡単な時系列予測と異常検出を実行します。
ts_predicate_arma 自己回帰移動モデルを使用して時系列データをモデル化し、簡単な時系列予測と異常検出を実行します。
ts_predicate_arima 差分のある自己回帰移動モデルを使用して時系列データをモデル化し、簡単な時系列予測と異常検出を実行します。
予測関数と異常検出関数の表示項目は一致しています。 結果と説明の詳細については「tspredicatesimple 出力結果の例」をご参照ください。

ts_predicate_simple

関数の形式:
select ts_predicate_simple(x, y, nPred, samplePeriod, sampleMethod) 
パラメータについて、次の表に説明します。
パラメータ 説明
x 時間の列 (昇順) Unixtime timestamp (秒)
y 指定された時点のデータに対応する数値列 -
nPred 予測ポイント数 1〜5 xpの long 型の値
samplePeriod 現在の時系列データをサンプリングする期間 1〜86399 秒の long 型の値
sampleMethod サンプリングウィンドウ内データのサンプリング方法 値の範囲:
  • avg:ウィンドウ内データの平均値
  • max:ウィンドウ内データの最大値
  • min:ウィンドウ内データの最小値
  • sum:ウィンドウ内データの合計
例:
  • 照合と分析の命令文:
    * | select ts_predicate_simple(stamp, value, 6, 1, 'avg') from (select __time__ - __time__ % 60 as stamp, avg(v) as value from log GROUP BY stamp order by stamp)
  • 結果:

表示項目について、次の表に説明します。
表示項目 説明
横軸 unixtime Unixtime timestamp (秒)
縦軸 src 生データ
predict フィルタリング後のデータ
upper 予測の上限。 デフォルトで、現在の信頼度は "0.85" で、変更することはできません。
lower 予測の下限。 デフォルトで、現在の信頼度は "0.85" で、変更することはできません。
anomaly_prob ポイントが異常ポイントである確率で、 値の範囲は 0〜1 です。

ts_predicate_ar

関数の形式:
select ts_predicate_ar(x, y, p, nPred, samplePeriod, sampleMethod) 
パラメータについて、次の表に説明します。
パラメータ 説明
x 時間の列 (昇順) Unixtime timestamp (秒)
y 指定された時点のデータに対応する数値列 -
p 自己回帰モデルの順序 2〜8 までの long 型の値
nPred 予測ポイント数 1〜5 xp の long 型の値
samplePeriod 現在の時系列データをサンプリングする期間 1〜86399 の long 型の値
sampleMethod サンプリングウィンドウデータのサンプリング方法 値の範囲:
  • avg:ウィンドウ内データの平均値
  • max:ウィンドウ内データの最大値
  • min:ウィンドウ内データの最小値
  • sum:ウィンドウ内データの合計
照合と分析の命令文:
* | select ts_predicate_ar(stamp, value, 3, 4, 1, 'avg') from (select __time__ - __time__ % 60 as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

ts_predicate_arma

関数の形式:
select ts_predicate_arma(x, y, p, q, nPred, samplePeriod, sampleMethod) 
パラメータについて、次の表に説明します。
パラメータ 説明
x 時間の列 (昇順) Unixtime timestamp (秒)
y 指定された時点のデータに対応する数値列 -
p 自己回帰モデルの順序 2〜8 の long 型の値
q 移動平均 モデルの順序 2〜8 の long 型の値
nPred 予測ポイント数 1〜5 xp の long 型の値
samplePeriod 現在の時系列データをサンプリングする期間 1〜86399 秒の long 型の値
sampleMethod サンプリングウィンドウ内データのサンプリング方法 値の範囲:
  • avg:ウィンドウ内データの平均値
  • max:ウィンドウ内データの最大値
  • min:ウィンドウ内データの最小値
  • sum:ウィンドウ内データの合計
照合と分析の命令文:
* | select ts_predicate_arma(stamp, value, 3, 2, 4, 1, 'avg') from (select __time__ - __time__ % 60 as stamp, avg(v) as value from log GROUP BY stamp order by stamp) 

ts_predicate_arima

関数の形式:
select ts_predicate_arima(x, y, p, d, qnPred, samplePeriod, sampleMethod) 
パラメータについて、次の表に説明します。
パラメータ 説明
x 時間の列 (昇順) Unixtime timestamp (秒)
y 指定された時点のデータに対応する数値列 -
p 自己回帰モデルの順序 2〜8 の long 型の値
d 差分モデルの順序 1〜3 の long 型の値
q 移動平均 モデルの順序 2〜8 の long 型の値
nPred 予測ポイント数 1〜5 xp の long 型の値
samplePeriod 現在の時系列データをサンプリングする期間 1〜86399 秒の long 型の値
sampleMethod サンプリングウィンドウ内データのサンプリング方法 値の範囲:
  • avg:ウィンドウ内データの平均値
  • max:ウィンドウ内データの最大値
  • min:ウィンドウ内データの最小値
  • sum:ウィンドウ内データの合計
照合と分析の命令文:
* | select ts_predicate_arima(stamp, value, 3, 1, 2, 4, 1, 'avg') from (select __time__ - __time__ % 60 as stamp, avg(v) as value from log GROUP BY stamp order by stamp)