使用Grafana進行異常檢測算法調(diào)優(yōu)
Lindorm Machine Learning提供了Grafana插件,支持以可視化的方式進行時序異常檢測,您可以通過該插件調(diào)試出合適的異常檢測算法與參數(shù)。
操作流程
整體操作流程如下。
步驟一:創(chuàng)建Grafana工作區(qū)
您可以在阿里云應用實時監(jiān)控服務ARMS中快速創(chuàng)建Grafana服務,更多信息請參見快速使用Grafana服務。
步驟二:添加Lindorm數(shù)據(jù)源
為了讓Grafana能訪問Lindorm數(shù)據(jù),因此您需要在Grafana中添加Lindorm數(shù)據(jù)源,方法如下。
一鍵集成(推薦):Grafana服務支持一鍵集成Lindorm服務,更多信息請參見同步Lindorm。
手動添加:在Grafana中手動添加Lindorm數(shù)據(jù)源,更多信息請參見添加并使用Lindorm數(shù)據(jù)源。
步驟三:啟用插件
Lindorm ML插件默認已安裝在Grafana中,使用前需要啟用該插件。
訪問Grafana工作區(qū)管理頁面,單擊目標工作區(qū)右側(cè)的訪問地址url進入Grafana。
說明如果需要登錄Grafana,可以使用Grafana的Admin賬號和創(chuàng)建工作區(qū)時設置的密碼登錄Grafana,或單擊Sign in with Alibaba Cloud直接使用當前購買工作區(qū)的阿里云賬號登錄Grafana。
在Grafana左側(cè)導航欄,單擊圖標,并選擇Plugins。
在插件搜索欄中搜索Lindorm ML,并單擊搜索到的Lindorm ML插件。
單擊Enable Plugin按鈕,啟用該插件。
啟用后,可以在Grafana左側(cè)導航欄看到該插件。
步驟四:調(diào)試算法與參數(shù)
在Grafana左側(cè)導航欄,單擊Lindorm ML插件圖標,進入Lindorm ML插件主頁。
單擊嘗試異常檢測,創(chuàng)建一個異常檢測調(diào)試面板。
在Edit Panel頁面,設置查詢SQL。
在Data source列表中選擇目標數(shù)據(jù)源名稱。
使用編輯框或TSQL語句,設置查詢SQL,更多信息請參見創(chuàng)建大盤面板。
當前僅支持選擇一條時間線,且不支持在原始查詢中添加
SAMPLE BY
條件。在圖表上方的時間選擇器中,調(diào)整查詢時間范圍。
此時,如果查詢SQL配置正確,Lindorm ML會在圖表中繪制出原始時間線數(shù)據(jù),同時生成異常檢測SQL進行查詢,并將異常檢測結(jié)果繪制在圖表中。
說明如果圖表繪制失敗或不符合預期,請確認原始數(shù)據(jù)查詢SQL是否只選擇了一條時間線,您可以在Grafana Explore界面中進行測試。
在右側(cè)Anomaly Detect目錄中,調(diào)整時序異常檢測算法與參數(shù)。
當前Lindorm ML主要提供兩類算法:統(tǒng)計類算法和分解類算法,更多請參見時序異常檢測算法分類。
如果您的數(shù)據(jù)帶有較強的周期性,比如每天或每周在相對固定的時刻出現(xiàn)峰值或者谷值,那么推薦您優(yōu)先嘗試分解類算法(ostl-esd和istl-esd),參數(shù)調(diào)優(yōu)請參見分解類算法參數(shù)調(diào)優(yōu)。
如果您的數(shù)據(jù)通常通過閾值即可判斷異常,那么推薦您優(yōu)先嘗試統(tǒng)計類算法(esd、ttest和nsigma),參數(shù)調(diào)優(yōu)請參見統(tǒng)計類算法參數(shù)調(diào)優(yōu)。
說明關(guān)于右側(cè)的Panel options、Standard options、Thresholds等參數(shù)設置,請參見Grafana官方文檔Configure panel options等。
調(diào)整不同的算法與參數(shù),獲取符合預期的異常檢測效果,單擊頁面右上角的Save,保存大盤。