本文以Kubernetes监控数据为例,介绍如何配置机器学习服务巡检时序数据并可视化展示异常巡检结果。
前提条件
背景信息
本案例中,用于存放时序数据的Logstore名称为etl-k8s-monitor,用于存储巡检结果的目标Logstore名称为ml-detector-res。源Logstore中采集到的时序数据日志样例如下图所示。

重要字段说明如下表所示。
字段 | 说明 |
---|---|
region | 表示一个集群。 |
machine | 表示一台机器。 |
index_name | 表示一个指标,例如负载,8个常用指标请参见表 1。 |
value | 具体指标的数值。 |
步骤1:配置时序数据的索引
采集到时序数据后,您需要为相关字段配置字段索引。
步骤2:配置机器学习服务
您可以在保存数据加工时,配置机器学习服务。
完成配置后,日志服务启动机器学习服务,对时序数据进行巡检,将结果写入到目标Logstore。
步骤3:配置巡检结果数据的索引
步骤4:联合查询
您可以通过联合查询将异常结果整合到源Logstore中,帮助您快速了解算法模型的巡检结果。
步骤5:可视化展示
您还可以在分析数据时配置交互行为和过滤器,丰富仪表盘展示。
步骤6:告警
您可以根据业务需求设置告警,获取智能化的告警通知,详情请参见设置告警。
在文档使用中是否遇到以下问题
更多建议
匿名提交