流式统计算法异常检测针对输入的时序曲线进行统计分析,通过累积数据的分布,判断当前数据的异常程度。
适用场景
参数说明
参数 | 说明 |
---|---|
时间列 | 时间字段,该字段所对应的值为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 | 选择对应的数值列,并配置上届和下届数据。
|
算法类型 | 选择流式统计算法异常检测。 |
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。 |
输出结果
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 | 流式统计算法判断时序数据是否异常,Bool类型。
流式统计算法默认以0.75为界线,如果score值大于0.75,则为异常,显示为true。 |
|
score | 流式统计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。此外,-1表示数据缺失,-2表示疑似异常(可能是因为流式统计算法还未学习充分)。 |