Simple Log Service:Agregação SQL para inspeção em tempo real

Stream Graph Algorithm

Algoritmo de decomposição de fluxo

1. Configure o algoritmo.

   Parâmetro	Subparâmetro	Descrição
   Detecção automática de período	-	Ative a detecção automática de período para dados de séries temporais com padrão periódico. Se a série temporal tiver um período constante, desative este recurso e defina o comprimento do período manualmente.
   Frequência de detecção de período	-	Este parâmetro entra em vigor quando a detecção automática de período está ativada. O algoritmo atualiza o período da série temporal na frequência especificada. Por exemplo, se você definir a frequência de detecção de período como 12 horas, o algoritmo detectará e atualizará o período da série a cada 12 horas.
   Comprimento do período	-	Este parâmetro entra em vigor quando a detecção automática de período está desativada. Defina o comprimento do período da série. Se a série não tiver período, defina este valor como 0.
   Comprimento de observação	-	Extensão dos dados históricos a serem referenciados para detecção de anomalias. Se a série for periódica, defina o comprimento de observação como três vezes o comprimento do período. Por exemplo, se a série tiver um comprimento de período de 1 dia, defina o comprimento de observação como 3 dias.
   Sensibilidade	-	Um valor de sensibilidade mais alto resulta em mais anomalias detectadas e pontuações de anomalia maiores. Isso aumenta a taxa de recall para anomalias, mas diminui a taxa de precisão.
   Parâmetros avançados	Sensibilidade do componente de tendência	O algoritmo decompõe uma série em componentes de tendência, periodicidade e ruído. Este parâmetro ajusta a sensibilidade para detecção de anomalias no componente de tendência. Um valor mais alto resulta em mais anomalias detectadas e pontuações maiores, o que aumenta a taxa de recall, mas diminui a taxa de precisão.
   	Sensibilidade do componente de ruído	O algoritmo decompõe uma série em componentes de tendência, periodicidade e ruído. Este parâmetro ajusta a sensibilidade para detecção de anomalias no componente de ruído. Um valor mais alto resulta em mais anomalias detectadas e pontuações maiores, o que aumenta a taxa de recall, mas diminui a taxa de precisão.
   	Comprimento da amostra do componente de tendência	O algoritmo decompõe uma série em componentes de tendência, periodicidade e ruído. Se o comprimento de observação for muito longo, a análise de tendência pode ser lenta. Um comprimento de amostra maior acelera a análise, mas pode reduzir a precisão. Por exemplo, se o comprimento da amostra for 8, o algoritmo analisa um ponto de dados para cada 8 pontos na série original.
   	Comprimento da amostra do componente de periodicidade	O algoritmo decompõe uma série em componentes de tendência, periodicidade e ruído. Se o comprimento de observação for muito longo, a análise de periodicidade pode ser lenta. Um comprimento de amostra maior acelera a análise, mas pode reduzir a precisão. Por exemplo, se o comprimento da amostra for 8, o algoritmo analisa um ponto de dados para cada 8 pontos na série original. Defina este valor como 5 ou menos.
   	Comprimento da janela	Se o comprimento de observação da série for muito longo, a detecção de anomalias pode ser lenta. Defina um comprimento de janela para que o algoritmo de detecção use uma janela deslizante. O algoritmo detecta anomalias em segmentos da série de dados, o que melhora a velocidade de detecção. Defina este valor como 5000 ou menos. Se não for necessário usar uma janela deslizante, defina este valor como 0.

2. Visualize o desempenho do algoritmo com as configurações de parâmetros atuais.

   1. Defina um intervalo de tempo para especificar os horários de início e fim da série temporal. Clique em Data Query. As instruções de consulta e análise definidas em Data Feature Settings processam os dados no intervalo de tempo especificado e geram dados de série temporal.

   2. Selecione Entity Information e Feature para especificar a série de recursos para detecção. Clique em Preview. O algoritmo de detecção processa a série de recursos especificada e exibe os resultados abaixo. Clique em Show Parameters para visualizar as configurações de parâmetros atuais do algoritmo.

   3. Os resultados da detecção mostram Trend Component Preview, Periodicity Component Preview e Noise Component Preview. Ajuste o limiar de anomalia em Trend Component Preview e Noise Component Preview. Apenas eventos anômalos com pontuação superior ao limiar podem gerar alertas.