通过SQL聚合指标数据进行实时检测

流式图算法

流式分解算法

1. 配置算法。

   参数	子参数	说明
   自动周期检测	-	是否开启周期自动检测，主要适用于时序数据存在周期性场景。如果时序序列的周期性一直，建议关闭自动周期检测，手动设置序列的周期长度。
   周期检测频率	-	开启自动周期检测时该配置项生效。算法根据配置的时间频率定期更新时间序列的周期。例如周期检测频率是12小时，那么算法每隔12小时自动检测更新序列的周期。
   周期长度	-	关闭自动周期检测时该配置项生效。设置序列周期的时间长度，如果序列无周期，那么设置为0。
   观测长度	-	异常检测时参考的历史数据长度。如果序列包含周期性，那么建议观测长度是序列周期长度的3倍。例如序列的周期长度为1天，那么设置观测长度为3天。
   敏感度	-	敏感度越高，检测到的异常数量越多、异常分数越高。此时对于异常的召回率越高，准确率越低。
   高级参数	趋势项敏感度	算法会将序列分解成趋势项、周期项和噪声项三部分。趋势项敏感度越高，在对趋势项序列异常检测时检测到的异常数量越多、异常分数越高。此时对于异常的召回率越高，准确率越低。
   	噪声项敏感度	算法会将序列分解成趋势项、周期项和噪声项三部分。噪声项敏感度越高，在对噪声项序列异常检测时检测到的异常数量越多、异常分数越高。此时对于异常的召回率越高，准确率越低。
   	趋势项采样长度	算法会将序列分解成趋势项、周期项和噪声项三部分。如果序列观测长度太长，会导致趋势项分析速度较慢。配置的趋势项采样长度越长，趋势项分析速度越快（可能会降低趋势项检测的准确率）。例如配置趋势项采样长度为8，分析趋势项时在原始序列中每个8个点采样一个数据点，在采样后序列上进行分析。
   	周期项采样长度	算法会将序列分解成趋势项、周期项和噪声项三部分。如果序列观测长度太长，会导致周期项分析速度较慢。配置的周期项采样长度越长，周期项分析速度越快（可能会降低周期项检测的准确率）。例如配置周期项采样长度为8，分析周期项时在原始序列中每个8个点采样一个数据点，在采样后序列上进行分析。建议配置在5以内。
   	窗口长度	如果序列观测长度太长，会导致异常检测速度较慢。设置窗口长度后检测算法以滑动窗口的形式分段检测数据序列，提高检测速度。建议配置在5000以内。如果不需要按照滑动窗口形式检查，配置为0。

2. 在预览区域体验、查看当前参数配置下的算法效果。

   1. 设置时间范围，确定待检测的时间序列的起始和结束时间。单击数据查询，将使用在数据特征配置中设置的查询分析语句，处理指定时间范围的数据，生成时序数据。

   2. 选择实体信息和特征，确定待检测的特征序列。单击预览将会调用检测算法处理指定的特征序列，并在下方展示检测结果。单击显示参数，会显示当前算法的参数配置。

   3. 检测结果中展示趋势项预览、周期项预览和噪声项预览。可以在趋势项预览和噪声项预览中调整异常阈值，只有当异常分数大于异常阈值的异常事件才可以用来产生告警。