Log Serviceは、複数のアルゴリズムと呼び出しメソッドをサポートする機械学習機能を提供します。 分析ステートメントと機械学習関数を使用して、機械学習アルゴリズムを呼び出し、一定期間内に1つ以上のフィールドの特性を分析できます。
Log Serviceは、さまざまな時系列分析アルゴリズムを提供します。 これらのアルゴリズムを呼び出して、時系列データに関連する問題を解決できます。 たとえば、時系列の予測、時系列異常の検出、時系列の分解、複数の時系列のクラスター化などを行うことができます。 さらに、アルゴリズムは標準SQL関数と互換性があります。 これは、アルゴリズムの使用を単純化し、トラブルシューティングの効率を改善する。
機能
- 単一時系列データに対するさまざまなスムーズな操作をサポートします。
- 単一時系列データの予測、異常検出、変化点検出、変曲点検出、および複数周期推定に使用されるアルゴリズムをサポートします。
- 単一時系列データの分解操作をサポートします。
- 複数時系列データのさまざまなクラスタリングアルゴリズムをサポートします。
- マルチフィールドパターンマイニング (数値データまたはテキストのシーケンスに基づく) をサポートします。
制限事項
Log Serviceの機械学習機能を使用する場合は、次の制限事項に注意する必要があります。
- 指定された時系列データは、同じ間隔に基づいてサンプリングする必要があります。
- 指定された時系列データには、同じ時点から繰り返しサンプリングされたデータは含まれません。
- 処理能力は最大能力を超えることはできません。 次の表に制限を示します。
項目 制限 時系列データ処理の能力 データは、最大150,000の連続した時点から収集できます。 データ量が処理能力を超える場合は、データを集約するか、サンプリング量を減らす必要があります。
密度ベースのクラスタリングアルゴリズムの容量 一度に最大5,000の時系列カーブをクラスタリングできます。 各曲線は1,440ポイントを超える時間を含むことはできません。 階層的クラスタリングアルゴリズムの容量 一度に最大2,000の時系列カーブをクラスタリングできます。 各曲線は1,440ポイントを超える時間を含むことはできません。
機械学習機能
| カテゴリ | 機能 | 説明 | |
| 時系列 | スムーズな機能 | ts_smooth_simple | Holt Wintersアルゴリズムを使用して、時系列データを平滑化します。 |
| ts_smooth_fir | 有限インパルス応答 (FIR) フィルタを使用して、時系列データを平滑化します。 | ||
| ts_smooth_iir | 無限インパルス応答 (IIR) フィルタを使用して、時系列データを平滑化します。 | ||
| マルチ期間推定関数 | ts_period_detect | 時系列データを期間ごとに推定します。 | |
| 変化点検出機能 | ts_cp_detect | データが異なる統計的特徴を有する間隔を検出する。 間隔のエンドポイントは変化点です。 | |
| ts_breakout_detect | データが劇的な変化を経験する時点を検出します。 | ||
| 最大値検出機能 | ts_find_peaks | 指定したウィンドウ内の時系列データの極大値を検出します。 | |
| 予測と異常検出機能 | ts_predicate_simple | デフォルトパラメータを使用して、時系列データのモデル化、時系列データの予測、異常の検出を行います。 | |
| ts_predicate_ar | 自己回帰 (AR) モデルを使用して、時系列データをモデル化し、時系列データを予測し、異常を検出します。 | ||
| ts_predicate_arma | 自己回帰移動平均 (ARMA) モデルを使用して、時系列データをモデル化し、時系列データを予測し、異常を検出します。 | ||
| ts_predicate_arima | 自己回帰統合移動平均 (ARIMA) モデルを使用して、時系列データをモデル化し、時系列データを予測し、異常を検出します。 | ||
| ts_regression_predict | 単一の周期的な時系列の長期的な傾向を予測します。 | ||
| シーケンス分解関数 | ts_decompose | 時系列データを分解するには、Leess (STL) アルゴリズムを使用したSeasonalおよびTrend分解を使用します。 | |
| 時系列クラスタリング関数 | ts_density_cluster | 密度ベースのクラスタリング方法を使用して、複数の時系列をクラスタリングします。 | |
| ts_hierarchical_cluster | 階層クラスタリング方法を使用して、複数の時系列をクラスタリングします。 | ||
| ts_similar_instance | 指定した時系列カーブに類似する時系列カーブを照会します。 | ||
| カーネル密度推定関数 | kernel_density_estimation | smooth peak関数を使用して、観測データポイントをフィッティングします。 このようにして、関数は実際の確率分布曲線をシミュレートします。 | |
| 時系列パディング関数 | series_padding | 時系列で欠落しているデータポイントをパッドします。 | |
| 異常比較関数 | anomaly_compare | 2つの期間で観察されたオブジェクトの違いの程度を比較します。 | |
| パターンマイニング | 頻繁なパターン統計関数 | pattern_stat | 統計パターンにおける頻出パターンを取得するための所与のマルチ属性フィールドサンプル間の属性の組み合わせを表すマイン。 |
| 微分パターン統計関数 | pattern_diff | 指定した条件で2つのコレクションの違いを引き起こすパターンを識別します。 | |
| 根本原因分析機能 | rca_kpi_search | モニタリングメトリックの異常を引き起こすサブディメンション属性を分析します。 | |
| 相関分析関数 | ts_association_analysis | システム内の複数の観測されたメトリックの中から指定されたメトリックに相関するメトリックを識別します。 | |
| ts_similar | システム内の複数の観測メトリックの中から、指定された時系列データに関連付けられているメトリックを識別します。 | ||
| リクエストURL分類関数 | url_classify | リクエストURLを分類し、URLにタグを添付します。 この関数は、タグのパターンを定義する正規表現も提供します。 | |