流式图算法异常检测采用Time2Graph算法对输入的时序曲线进行分析，将时序数据转化为图（Graph），通过分析图中的异常转移路径，判断当前数据的异常程度。

适用场景

  • 流式图算法异常检测适用于时序数据变点异常检测。适用场景
  • 流式图算法异常检测适用于时序数据周期异常检测。适用场景

参数说明

您在创建数据加工规则时，可在模型参数配置中选择流式图算法异常检测，用于检测时序数据的变点异常和周期异常。参数说明
流式图算法异常检测相关参数说明如下表所示。
参数 说明
时间列 用于标记时间的名称，所对应字段的值为Unix时间戳。

只支持索引类型为long类型的字段。
时间粒度 数据写入的粒度，即同一个实例中最小的数据间隔，单位：秒。
实例列 选择实例列，该字段标记了一条时序曲线的名称。支持多选。

只支持索引类型为text类型的字段。
选择数值列 对应某时刻的数据。
上界 自定义阈值，如果您所选择的数值列的值大于该值，则直接判断为异常。
下界 自定义阈值，如果您所选择的数值列的值大于该值，则直接判断为异常。
算法类型 选择流式图算法异常检测。
仅保留异常结果 开启仅保留异常结果开关后，只保留异常结果到目标Logstore中。
算法检测间隔 指定发起算法检测异常的时间间隔，该值需小于等于时间粒度，单位：秒。
数值划分粒度 根据值域划分数据，单位：段，取值范围为[2,20]，默认值为5。

分段越多，算法对异常越敏感，检测出的异常点越多。
周期长度 指定时序数据的周期长度，单位：小时，取值范围为[60, +∞)，默认为2880个时间点所对应的小时数。

建议设置为两倍的时序数据周期长度。

输出结果

流式图算法将异常程度量化为具体的分数，写入您指定的目标LogStore中。您可根据业务需求，设置告警。 流式图-日志字段
类型 字段 说明
entiy 无固定字段 表示一条时序曲线的实例列信息。
meta project_name 时序数据来源的Project。
logstore_name 时序数据来源的LogStore。
results dim_name 您所指定的数值列。
is_anomaly 流式图算法判断时序数据是否异常，Bool类型。

流式图算法默认以0.5为界线，如果score值大于0.5，则为异常，显示为true。

score 流式图算法输出的异常程度的量化分数，范围为[0,1]，分数越大越异常。-1表示数据缺失。-2表示疑似异常（可能是因为流式图算法还未学习充分）。