すべてのプロダクト
Search
ドキュメントセンター

Simple Log Service:SQL で集計したメトリックデータによるモデルトレーニング

最終更新日:Jun 05, 2026

インテリジェント巡回で SQL を使用してメトリックデータを集計し、異常検出モデルをトレーニングする方法について説明します。

前提条件

  • ソース Logstore で収集されたログ。 詳細については、「データ収集の概要」をご参照ください。

  • ソース Logstore 用に設定されたインデックス。 詳細については、「インデックスの作成」をご参照ください。

  • インテリジェント異常分析インスタンスが作成されていること。 詳細については、「インスタンスの作成」をご参照ください。

インテリジェント巡回ジョブの作成

作成ページへの移動

  1. Log Serviceコンソールにログインします。

    1. ログアプリケーション セクションで、インテリジェントな異常分析 をクリックします。

    2. インスタンスリストで、目的のインスタンスをクリックします。

    3. 左側のナビゲーションペインで、インテリジェント検査 をクリックします。

    4. [リアルタイム巡回] をクリックします。

    5. [巡回ジョブ] セクションで、ログデータを処理するために をクリックします。

基本情報

インテリジェント検査ジョブの作成 ウィザードの 基本情報 手順で、次のパラメーターを設定し、次へ をクリックします。

パラメーター

説明

[タスク名]

巡回ジョブのカスタム名です。

プロジェクト

ソース Logstore または Metricstore を含むプロジェクトです。

[リージョン]

選択したプロジェクトが属するリージョンです。

[ログストアのタイプ]

データが含まれるストアのタイプです。

  • データが Logstore に保存されている場合は、Logstores を選択します。

  • データが Metricstore に保存されている場合は、Metricstores を選択します。

[ソースログストア]

ログストアのタイプLogstores に設定した場合は、ソースデータを含む Logstore として ソースログストア を指定します。

[Metricstores]

ログストアのタイプMetricstores に設定した場合、Metricstores にはソースデータを含む Metricstore を指定します。

[ロール]

インスタンスの作成時に承認した場合、AliyunLogETLRole 識別子が自動的に入力されます。

[ターゲットデータベース]

宛先 Logstore です。値は internal-ml-log に固定されています。

データ特徴量設定

時系列データに異常ラベルが含まれている場合は、データ機能の設定 タブを選択します。それ以外の場合は、[異常注入] タबを選択します。

  1. クエリと分析の構文については、「クエリの概要」と「クエリと分析の概要」をご参照ください。

    データ特徴量

    • クエリステートメント

      * | select (__time__ - __time__%60) as time, entity, count(*) as metric, if(count(*) > 1000, 1, 0) as label from log group by time, entity limit 1000000
    • ラベル名:label

    • エンティティ:entity

    • 特徴量:metric

      パラメーター

      説明

      時間

      ソースデータ内の時間列。

      粒度

      観測間隔 (秒単位)。 有効値:5~3600。 推奨値:60 以上。

      エンティティ

      ソースデータ内のエンティティ識別子。 データの集計と時系列の生成に使用されます。

      特徴量

      ソースデータ内の特徴量識別子。

      ラベル名

      ソースデータ内の異常ラベル。

      • 1 はデータポイントが異常であることを示します。

      • 0 はデータポイントが正常であることを示します。

    異常注入

    • クエリステートメント

      * | select (__time__ - __time__%60) as time, entity, count(*) as metric from log group by time, entity limit 1000000
    • エンティティ:entity

    • 特徴量:metric

    • 異常率:0.001

    パラメーター

    説明

    時間

    ソースデータ内の時間列。

    粒度

    観測間隔 (秒単位)。 有効値:5~3600。 推奨値:60 以上。

    エンティティ

    ソースデータ内のエンティティ識別子。 データの集計と時系列の生成に使用されます。

    特徴量

    ソースデータ内の特徴量識別子。

    異常注入

    異常を注入した後にデータを保存するかどうかの指定。

    異常率

    注入される異常データと時系列データ全体の比率。たとえば、0.001 は、注入後にデータポイントの 0.1% が異常になることを意味します。

    異常タイプ

    特徴量シーケンスに注入する異常のタイプ。

アルゴリズムの設定

  1. [アルゴリズム設定] セクションで、[アルゴリズム] を選択します。 教師あり異常検出アルゴリズムのみがサポートされています。

  2. スケジュール設定 セクションで、次のパラメーターを設定します。

    パラメーター

    説明

    開始時刻

    トレーニング用の時系列の開始時刻です。

    終了時刻

    トレーニング用の時系列の終了時刻です。

    モデル学習の終了時刻

    トレーニング期間の終了時刻です。 [開始時刻][終了時刻] の間の時刻である必要があります。 この時刻より前のデータはモデルのトレーニングに、後のデータは検証に使用されます。

インテリジェント巡回ジョブの管理

image

  1. ジョブの表示:ジョブリストでジョブ ID をクリックして表示します。

    1. [エンティティ情報] リストで、エンティティ ID をクリックします。

    2. 表示されるパネルで、予測ジョブを作成します。

      パラメーター

      説明

      タスク名

      予測ジョブの名前です。

      エンティティ ID

      巡回対象のエンティティ ID シーケンスです。

      フォローする異常タイプ

      監視対象の異常タイプです。

      開始時刻

      ジョブがデータの読み取りと巡回を開始する時刻です。

      データレイテンシー

      データが SLS に到着するまでの最大遅延時間 (秒) です。 ジョブはこの時間待機して、データの完全性を確保します。

      アラートの送信

      検出された異常に対してアラートを送信するかどうかを指定します。

      アラートポリシー

      トリガーされたアラートをマージ、サイレンス、抑制するためのポリシーです。

      • [シンプルモード] または [標準モード] を選択した場合、アラートポリシーを設定する必要はありません。 Simple Log Service (SLS) は、デフォルトで組み込みの動的アラートポリシー (sls.builtin.dynamic) を使用します。

      • [詳細モード] を選択した場合は、組み込みまたはカスタムのアラートポリシーを選択できます。 アラートポリシーを作成するには、「アラートポリシーの作成」をご参照ください。

      アクションポリシー

      通知チャネルと頻度を制御するためのポリシーです。

      • アラートポリシーでシンプルモードを選択した場合は、アクショングループを設定するだけで済みます。SLS は自動的に <ルール名>-Action Policy という名前のアクションポリシーを作成し、このルールによってトリガーされたすべてのアラートを送信します。 通知チャネルの設定については、「通知方法」をご参照ください。

      • [アラートポリシー][標準モード] または [詳細モード] を選択した場合は、組み込みまたはカスタムのアクションポリシーを選択してアラート通知を管理できます。 アクションポリシーを作成するには、「アクションポリシー」をご参照ください。 [アラートポリシー][詳細モード] を選択した場合は、[カスタムアクションポリシー] を有効または無効にすることもできます。 詳細については、「動的アクションポリシーメカニズム」をご参照ください。

  2. ジョブの編集:

  3. ジョブの削除:

    重要

    削除した巡回ジョブは復元できません。

次のステップ

アラートとラベルフィードバック