インテリジェント検査機能は、サービスデータを検査し、自動化されたインテリジェントな適応的な方法で異常を識別する。 このトピックでは、SQL文を使用してモデルトレーニングのメトリックを集計する方法について説明します。
前提条件
インテリジェントな検査ジョブを作成する
[インテリジェント検査ジョブの作成] ウィザードに移動
[インテリジェント検査ジョブの作成] ウィザードに移動します。
[ログアプリケーション] セクションで、[インテリジェント異常分析] をクリックします。
インスタンスリストで、インテリジェント検査ジョブを作成するインスタンスのIDをクリックします。
左側のナビゲーションウィンドウで、[インテリジェント検査] をクリックします。
[リアルタイム検査] をクリックします。
[検査ジョブ] セクションで、[今すぐ作成] 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] ステップで、パラメーターを設定し、[次へ] をクリックします。 下表に、各パラメーターを説明します。
パラメーター | 説明 |
ジョブ名 | インテリジェント検査ジョブの名前。 カスタム名を入力することができます。 |
プロジェクト | ソースLogstoreまたはMetricstoreが属するプロジェクト。 |
リージョン | プロジェクトが存在するリージョン。 |
Logstoreタイプ | データが保存されているストレージユニット。
|
ソースLogstore | ソースデータが保存されているLogstore。 このパラメーターは、LogstoreタイプパラメーターをLogstoresに設定した場合にのみ必要です。 |
Metricstores | ソースデータが保存されているMetricstore。 このパラメーターは、LogstoreタイプパラメーターをMetricstoresに設定した場合にのみ必要です。 |
ロール |
|
ターゲットストア | 宛先Logstore。 このパラメーターは自動的に |
データ機能の設定
[データ機能の設定] ステップでパラメーターを設定するときに、分析する時系列データに異常ラベルが含まれている場合は、次の表の [データ機能の設定] タブを選択します。 分析する時系列データに異常ラベルが含まれていない場合は、次の表の [異常注入] タブを選択します。
クエリステートメントの詳細については、「ログ検索の概要」および「ログ分析の概要」をご参照ください。
データ機能の設定
サンプルクエリ文
* | 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:
メトリックパラメーター
説明
Time
ソースデータで時間を指定するフィールド。
Granularity
データが観察される間隔。 単位は秒です。 有効な値: 5 ~ 3600 このパラメーターを60以上の値に設定することを推奨します。
Entity
ソースデータ内のエンティティを指定するフィールド。 インテリジェント検査ジョブは、指定されたフィールドに基づいてエンティティの時系列を生成するためにデータを集約します。
Feature
ソースデータのフィーチャを指定するフィールド。
Label Name
ソースデータ内の異常ラベルを識別するために使用されるフィールド。 有効な値：
1: 対応するデータポイントは異常データです。
0: 対応するデータポイントは正常データです。
異常注入
サンプルクエリ文
* | 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:
メトリック異常レート:
0.001
パラメーター
説明
Time
ソースデータで時間を指定するフィールド。
Granularity
データが観察される間隔。 単位は秒です。 有効な値: 5 ~ 3600 このパラメーターを60以上の値に設定することを推奨します。
Entity
ソースデータ内のエンティティを指定するフィールド。 インテリジェント検査ジョブは、指定されたフィールドに基づいてエンティティの時系列を生成するためにデータを集約します。
Feature
ソースデータのフィーチャを指定するフィールド。
Anomaly Injection
注入された異常データを保存するかどうかを指定します。
Anomaly Rate
時系列データに対する注入された異常データの比率。 たとえば、このパラメーターを0.001に設定した場合、時系列データの0.1% が異常です。
Anomaly Type
特徴シーケンスに注入される異常のタイプ。
アルゴリズム設定
[アルゴリズム設定] ステップで、[アルゴリズム] パラメーターを設定します。 教師付き異常検出アルゴリズムのみがサポートされています。
[スケジューリング設定] セクションで、パラメーターを設定します。 下表に、各パラメーターを説明します。
パラメーター
説明
開始時刻
モデルトレーニングタスクが処理するデータの時系列の開始時間。
終了時間
モデルトレーニングタスクが処理するデータの時系列の終了時刻。
モデル学習の終了時間
モデルトレーニングの実行に使用される時系列の終了時刻。 このパラメーターの値は、Start Atパラメーターの値より大きく、End Timeパラメーターの値より小さくなければなりません。 Start Atパラメーターで指定された時間とEnd time of Model Learningパラメーターで指定された時間の間に生成された時系列データは、モデルのトレーニングに使用されます。 モデル学習終了時刻パラメーターで指定された時刻と終了時刻パラメーターで指定された時刻の間に生成された時系列データは、モデルの検証に使用されます。