openGauss学习笔记-301 openGauss AI特性-AI4DB数据库自治运维-DBMind的AI子功能-Anomaly detection: 异常检测

301.1 概述

Anomaly detection 异常检测模块主要基于统计方法来实现时序数据来发现数据中存在的可能的异常情况。该模块框架解耦，可以实现不同异常检测算法的灵活替换，而且该模块功能可以根据时序数据的不同特征来自动选择算法，支持异常值检测、阈值检测、箱型图检测、梯度检测、增长率检测、波动率检测和状态转换检测。

301.2 使用指导

假设指标采集系统运行正常，并且用户已经初始化了配置文件目录confpath，则可以通过下述命令实现本特性的功能：

仅启动异常检测功能：

gs_dbmind service start --conf confpath --only-run anomaly_detection

对于某一指标，在全部节点上，从timestamps1到timestamps1时间段内的数据进行概览：

gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2

对于某一指标，在特定节点上，从timestamps1到timestamps1时间段内的数据进行概览：

gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type

对于某一指标，在全部节点上，从timestamps1到timestamps1时间段内的数据，以特定异常检测方式进行概览：

gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --anomaly anomaly_type

对于某一指标，在特定节点，从timestamps1到timestamps1时间段内的数据，以特定异常检测方式进行概览：

gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type

对于某一指标，在特定节点，从timestamps1到timestamps1时间段内的数据，以特定异常检测方式进行可视化展示：

gs_dbmind component anomaly_detection --conf confpath --action plot --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type

停止已启动的服务：

gs_dbmind service stop --conf confpath

img 说明： 在输入anomaly detection的参数时，start-time至少要比end-time早30秒以上。

301.3 获取帮助

模块命令行说明：

gs_dbmind component anomaly_detection --help

显示如下帮助信息：

usage: anomaly_detection.py [-h] --action {overview,plot} -c CONF -m METRIC -s
                            START_TIME -e END_TIME [-H HOST] [-a ANOMALY]

Workload Anomaly detection: Anomaly detection of monitored metric.

optional arguments:
  -h, --help            show this help message and exit
  --action {overview,plot}
                        choose a functionality to perform
  -c CONF, --conf CONF  set the directory of configuration files
  -m METRIC, --metric METRIC
                        set the metric name you want to retrieve
  -s START_TIME, --start-time START_TIME
                        set the start time of for retrieving in ms
  -e END_TIME, --end-time END_TIME
                        set the end time of for retrieving in ms
  -H HOST, --host HOST  set a host of the metric, ip only or ip and port.
  -a ANOMALY, --anomaly ANOMALY
                        set a anomaly detector of the metric(increase_rate,
                        level_shift, spike, threshold)

Process finished with exit code 0

301.4 命令参考

表 1 命令行参数说明

参数 参数说明 取值范围
-h, --help 帮助命令 -
--action 动作参数 overview：概览plot：可视化
-c，--conf 配置文件目录 -
-m，--metric-name 指定显示指标名 -
-H, --host 指定数据来源地址信息，通过地址信息进行过滤 -ip地址或者ip地址加端口号
-a, --anomaly 指定异常检测方式，用于过滤 -
-s, --start-time 显示开始时间的时间戳，单位毫秒；或日期时间格式为 %Y-%m-%d %H:%M:%S. 正整数或日期时间格式
-e, --end-time 显示开始时间的时间戳，单位毫秒；或日期时间格式为 %Y-%m-%d %H:%M:%S. 正整数或日期时间格式

301.5 常见问题处理

  • 概览场景失败：请检查配置文件路径是否正确，且配置文件信息完整。检查指标名称是否准确，检查host地址是否正确，检查异常检测类型是否准确，检查起止时间内指标是否存在对应数据。
  • 可视化场景失败：请检查配置文件路径是否正确，且配置文件信息完整。检查指标名称是否准确，检查host地址是否正确，检查异常检测类型是否准确，检查起止时间内指标是否存在对应数据。

原文来源于：https://mp.weixin.qq.com/s?__biz=MzkxNzI1OTE3Mw==&mid=2247491528&idx=1&sn=79ed1b363f6ad770759376be1be70d00&chksm=c1420902f6358014ef9afe8603afb2a024480334fdf9f5edc0474211667ca7ef2f353f8fcd13&token=1998272153&lang=zh_CN#rd

👍 点赞，你的认可是我创作的动力！

⭐️ 收藏，你的青睐是我努力的方向！

✏️ 评论，你的意见是我进步的财富！

img