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。
- 流式图算法异常检测适用于时序数据周期异常检测。
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。

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)。 |
在文档使用中是否遇到以下问题
更多建议
匿名提交