Funções de previsão e detecção de anomalias - : Central de Documentação do Alibaba Cloud

Lista de funções

Função	Descrição
ts_predicate_simple	Usa parâmetros padrão para modelar dados de séries temporais e executa previsão simples e detecção de anomalias.
ts_predicate_ar	Emprega um modelo autorregressivo (AR) para modelar dados de séries temporais, realizando previsão simples e detecção de anomalias.
ts_predicate_arma	Aplica um modelo de média móvel autorregressiva (ARMA) na modelagem de dados de séries temporais para previsão simples e detecção de anomalias.
ts_predicate_arima	Utiliza um modelo de média móvel integrada autorregressiva (ARIMA) para modelar dados de séries temporais e executar previsão simples e detecção de anomalias.
ts_regression_predict	Prevê com precisão a tendência de uma curva periódica de séries temporais. Cenário: Adequada para prever dados de medição, tráfego de rede, dados financeiros e outros dados comerciais que seguem regras específicas.
ts_anomaly_filter	Filtra as anomalias detectadas em múltiplas curvas de séries temporais com base no modo de anomalia personalizado. Esta função auxilia na identificação rápida de curvas anormais.

ts_predicate_simple

Formato da função:

select ts_predicate_simple(x, y, nPred, isSmooth)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
x	A sequência temporal. Os pontos no tempo são ordenados em ordem crescente ao longo do eixo horizontal.	Cada ponto no tempo é um timestamp Unix. Unidade: segundos.
y	A sequência de dados numéricos correspondente a cada ponto no tempo especificado.	N/A.
nPred	O número de pontos para previsão.	O valor é do tipo de dados long e deve ser igual ou superior a 1.
isSmooth	Especifica se os dados brutos devem ser filtrados.	O valor é do tipo de dados Boolean. O valor padrão é true, o que indica que os dados brutos são filtrados.

Exemplo:

Instrução de consulta:

* | select ts_predicate_simple(stamp, value, 6) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Resultado da saída

A tabela a seguir lista os itens de exibição.

Item de exibição		Descrição
Eixo horizontal	unixtime	O timestamp Unix dos dados. Unidade: segundos.
Eixo vertical	src	Os dados brutos.
	predict	Dados gerados após a filtragem.
	upper	Limite superior do intervalo de confiança. O nível de confiança é 0,85 e não pode ser modificado.
	lower	Limite inferior do intervalo de confiança. O nível de confiança é 0,85 e não pode ser modificado.
	anomaly_prob	Probabilidade de o ponto ser uma anomalia. Valores válidos: [0, 1].

ts_predicate_ar

Formato da função:

select ts_predicate_ar(x, y, p, nPred, isSmooth)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
x	A sequência temporal. Os pontos no tempo são ordenados em ordem crescente ao longo do eixo horizontal.	Cada ponto no tempo é um timestamp Unix. Unidade: segundos.
y	A sequência de dados numéricos correspondente a cada ponto no tempo especificado.	N/A.
p	A ordem do modelo AR.	O valor é do tipo de dados long. Valores válidos: 2, 3, 4, 5, 6, 7 e 8.
nPred	O número de pontos para previsão.	O valor é do tipo de dados long. Valores válidos: [1, 5 × p].
isSmooth	Especifica se os dados brutos devem ser filtrados.	O valor é do tipo de dados Boolean. O valor padrão é true, o que indica que os dados brutos são filtrados.

Exemplo de instrução de consulta:

* | select ts_predicate_ar(stamp, value, 3, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

O resultado da saída é semelhante ao da função ts_predicate_simple. Para mais detalhes, consulte o resultado da saída da função ts_predicate_simple.

ts_predicate_arma

Formato da função:

select ts_predicate_arma(x, y, p, q, nPred, isSmooth)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
x	A sequência temporal. Os pontos no tempo são ordenados em ordem crescente ao longo do eixo horizontal.	Cada ponto no tempo é um timestamp Unix. Unidade: segundos.
y	A sequência de dados numéricos correspondente a cada ponto no tempo especificado.	N/A.
p	A ordem do modelo AR.	O valor é do tipo de dados long. Valores válidos: [2, 100].
q	A ordem do modelo ARMA.	O valor é do tipo de dados long. Valores válidos: 2, 3, 4, 5, 6, 7 e 8.
nPred	O número de pontos para previsão.	O valor é do tipo de dados long. Valores válidos: [1, 5 × p].
isSmooth	Especifica se os dados brutos devem ser filtrados.	O valor é do tipo de dados Boolean. O valor padrão é true, o que indica que os dados brutos são filtrados.

Exemplo de instrução de consulta:

* | select ts_predicate_arma(stamp, value, 3, 2, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

O resultado da saída é semelhante ao da função ts_predicate_simple. Para mais detalhes, consulte o resultado da saída da função ts_predicate_simple.

ts_predicate_arima

Formato da função:

select ts_predicate_arima(x, y, p, d, q, nPred, isSmooth)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
x	A sequência temporal. Os pontos no tempo são ordenados em ordem crescente ao longo do eixo horizontal.	Cada ponto no tempo é um timestamp Unix. Unidade: segundos.
y	A sequência de dados numéricos correspondente a cada ponto no tempo especificado.	N/A.
p	A ordem do modelo AR.	O valor é do tipo de dados long. Valores válidos: 2, 3, 4, 5, 6, 7 e 8.
d	A ordem do modelo ARIMA.	O valor é do tipo de dados long. Valores válidos: [1, 3].
q	A ordem do modelo ARMA.	O valor é do tipo de dados long. Valores válidos: 2, 3, 4, 5, 6, 7 e 8.
nPred	O número de pontos para previsão.	O valor é do tipo de dados long. Valores válidos: [1, 5 × p].
isSmooth	Especifica se os dados brutos devem ser filtrados.	O valor é do tipo de dados Boolean. O valor padrão é true, o que indica que os dados brutos são filtrados.

Exemplo de instrução de consulta:

* | select ts_predicate_arima(stamp, value, 3, 1, 2, 4) from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log GROUP BY stamp order by stamp)

Nota

O resultado da saída é semelhante ao da função ts_predicate_simple. Para mais detalhes, consulte o resultado da saída da função ts_predicate_simple.

ts_regression_predict

Formato da função:

select ts_regression_predict(x, y, nPred, algotype,processType)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
x	A sequência temporal. Os pontos no tempo são ordenados em ordem crescente ao longo do eixo horizontal.	Cada ponto no tempo é um timestamp Unix. Unidade: segundos.
y	A sequência de dados numéricos correspondente a cada ponto no tempo especificado.	N/A.
nPred	O número de pontos para previsão.	O valor é do tipo de dados long. Valores válidos: [1, 500].
algotype	O tipo de algoritmo para previsão.	Valores válidos: origin: usa o algoritmo Gradient Boosted Regression Tree (GBRT) para previsão. forest: usa o algoritmo GBRT para previsão com base nos componentes de tendência decompostos por Seasonal and Trend decomposition using Loess (STL) e aplica o modelo aditivo para somar os componentes decompostos e obter os dados previstos. linear: emprega o algoritmo de Regressão Linear para previsão com base nos componentes de tendência decompostos por STL e utiliza o modelo aditivo para somar os componentes decompostos e obter os dados previstos.
processType	Especifica se os dados devem ser pré-processados.	Valores válidos: 0: Nenhum pré-processamento adicional de dados é executado. 1: Dados anômalos são removidos antes da previsão.

Exemplo:

Instrução de consulta:

* and h : nu2h05202.nu8 and m: NET |  select ts_regression_predict(stamp, value, 200, 'origin') from (select ("__time__" - ("__time__" % 60)) as stamp, avg(v) as value from log group by stamp order by stamp)

Resultado da saída

A tabela a seguir lista os itens de exibição.

Item de exibição		Descrição
Eixo horizontal	unixtime	O timestamp Unix dos dados. Unidade: segundos.
Eixo vertical	src	Os dados brutos.
Eixo vertical	predict	Dados gerados após a filtragem.

ts_anomaly_filter

Formato da função:

select ts_anomaly_filter(lineName, ts, ds, preds, probs, nWatch, anomalyType)

A tabela a seguir lista os parâmetros da função.

Parâmetro	Descrição	Valor
lineName	Nome de cada curva. O valor é do tipo varchar.	N/A
ts	Sequência temporal da curva, indicando o tempo na curva atual. O valor do parâmetro é um array de pontos no tempo do tipo de dados double, ordenados em ordem crescente.	N/A
ds	Sequência de valores reais da curva. O valor do parâmetro é um array de pontos de dados do tipo de dados double. Este valor tem o mesmo comprimento que o valor do parâmetro ts.	N/A
preds	Sequência de valores previstos da curva. O valor do parâmetro é um array de pontos de dados do tipo de dados double. Este valor tem o mesmo comprimento que o valor do parâmetro ts.	N/A
probs	Sequência de resultados da detecção de anomalias da curva. O valor do parâmetro é um array de pontos de dados do tipo de dados double. Este valor tem o mesmo comprimento que o valor do parâmetro ts.	N/A
nWatch	Número de valores reais observados recentemente na curva. O valor é do tipo de dados long e deve ser menor que o número de pontos no tempo na curva.	N/A
anomalyType	Tipo de anomalia a ser filtrado. O valor é do tipo de dados long.	Valores válidos: 0: todas as anomalias 1: anomalias positivas -1: anomalias negativas

Exemplo:

Instrução de consulta:

* | select res.name, res.ts, res.ds, res.preds, res.probs 
     from ( 
         select ts_anomaly_filter(name, ts, ds, preds, probs, cast(5 as bigint), cast(1 as bigint)) as res 
       from (
         select name, res[1] as ts, res[2] as ds, res[3] as preds, res[4] as uppers, res[5] as lowers, res[6] as probs 
     from (
         select name, array_transpose(ts_predicate_ar(stamp, value, 10)) as res 
         from (
           select name, stamp, value from log where name like '%asg-%') group by name)) );

Resultado da saída

| name                     | ts                                                   | ds          | preds     | probs       |
| ------------------------ | ---------------------------------------------------- | ----------- | --------- | ----------- |
| asg-bp1hylzdi2wx7civ0ivk | [1.5513696E9, 1.5513732E9, 1.5513768E9, 1.5513804E9] | [1,2,3,NaN] | [1,2,3,4] | [0,0,1,NaN] |