Simple Log Service：通過SQL彙總指標資料進行即時檢測

流式圖演算法

流式分解演算法

1. 配置演算法。

   參數	子參數	說明
   自動周期檢測	-	是否開啟周期自動檢測，主要適用於時序資料存在周期性情境。如果時序序列的周期性一直，建議關閉自動周期檢測，手動設定序列的周期長度。
   周期檢測頻率	-	開啟自動周期檢測時該配置項生效。演算法根據配置的時間頻率定期更新時間序列的周期。例如周期檢測頻率是12小時，那麼演算法每隔12小時自動檢測更新序列的周期。
   周期長度	-	關閉自動周期檢測時該配置項生效。設定序列周期的時間長度，如果序列無周期，那麼設定為0。
   觀測長度	-	異常檢測時參考的歷史資料長度。如果序列包含周期性，那麼建議觀測長度是序列周期長度的3倍。例如序列的周期長度為1天，那麼設定觀測長度為3天。
   敏感度	-	敏感度越高，檢測到的異常數量越多、異常分數越高。此時對於異常的召回率越高，準確率越低。
   進階參數	趨勢項敏感度	演算法會將序列分解成趨勢項、周期項和雜訊項三部分。趨勢項敏感度越高，在對趨勢項序列異常檢測時檢測到的異常數量越多、異常分數越高。此時對於異常的召回率越高，準確率越低。
   	雜訊項敏感度	演算法會將序列分解成趨勢項、周期項和雜訊項三部分。雜訊項敏感度越高，在對雜訊項序列異常檢測時檢測到的異常數量越多、異常分數越高。此時對於異常的召回率越高，準確率越低。
   	趨勢項採樣長度	演算法會將序列分解成趨勢項、周期項和雜訊項三部分。如果序列觀測長度太長，會導致趨勢項分析速度較慢。配置的趨勢項採樣長度越長，趨勢項分析速度越快（可能會降低趨勢項檢測的準確率）。例如配置趨勢項採樣長度為8，分析趨勢項時在原始序列中每個8個點採樣一個資料點，在採樣後序列上進行分析。
   	周期項採樣長度	演算法會將序列分解成趨勢項、周期項和雜訊項三部分。如果序列觀測長度太長，會導致周期項分析速度較慢。配置的周期項採樣長度越長，周期項分析速度越快（可能會降低周期項檢測的準確率）。例如配置周期項採樣長度為8，分析周期項時在原始序列中每個8個點採樣一個資料點，在採樣後序列上進行分析。建議配置在5以內。
   	視窗長度	如果序列觀測長度太長，會導致異常檢測速度較慢。設定視窗長度後檢測演算法以滑動視窗的形式分段檢測資料序列，提高檢測速度。建議配置在5000以內。如果不需要按照滑動視窗形式檢查，配置為0。

2. 在預覽地區體驗、查看當前參數配置下的演算法效果。

   1. 設定時間範圍，確定待檢測的時間序列的起始和結束時間。單擊資料查詢，將使用在資料特徵配置中設定的查詢分析語句，處理指定時間範圍的資料，產生時序資料。

   2. 選擇實體資訊和特徵，確定待檢測的特徵序列。單擊預覽將會調用檢測演算法處理指定的特徵序列，並在下方展示檢測結果。單擊顯示參數，會顯示當前演算法的參數配置。

   3. 檢測結果中展示趨勢項預覽、周期項預覽和雜訊項預覽。可以在趨勢項預覽和雜訊項預覽中調整異常閾值，只有當異常分數大於異常閾值的例外狀況事件才可以用來產生警示。