Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menggunakan CloudWatch deteksi anomali
Saat Anda mengaktifkan deteksi anomali untuk metrik, CloudWatch terapkan algoritma statistik dan pembelajaran mesin. Algoritma ini secara terus-menerus menganalisis metrik sistem dan aplikasi, menentukan garis dasar normal, serta anomali permukaan dengan intervensi pengguna dalam level minimal.
Algoritma menghasilkan model deteksi anomali. Model tersebut menghasilkan serangkaian nilai yang diharapkan yang mewakili perilaku metrik normal.
Anda dapat mengaktifkan deteksi anomali menggunakan Konsol Manajemen AWS,, AWS CLI CloudFormation, atau SDK AWS . Anda dapat mengaktifkan deteksi anomali pada metrik yang dijual oleh AWS dan juga pada metrik khusus. Di akun yang disiapkan sebagai akun pemantauan untuk pengamatan CloudWatch lintas akun, Anda dapat membuat detektor anomali pada metrik di akun sumber selain metrik di akun pemantauan.
Anda dapat menggunakan model nilai yang diharapkan dengan dua cara:
Membuat alarm deteksi anomali dengan berdasar nilai yang diharapkan dari metrik. Jenis-jenis alarm ini tidak memiliki ambang statis untuk menentukan status alarm. Alih-alih, jenis-jenis alarm tersebut membandingkan nilai metrik dengan nilai yang diharapkan berdasar model deteksi anomali.
Anda dapat memilih apakah alarm terpicu ketika nilai metrik berada di atas pita nilai, di bawah pita yang diharapkan, atau keduanya.
Untuk informasi selengkapnya, lihat Buat CloudWatch alarm berdasarkan deteksi anomali.
Ketika melihat grafik data metrik, hamparkan nilai yang diharapkan di grafik sebagai pita. Pita ini secara visual menjelaskan nilai-nilai yang ada di grafik di luar rentang normal. Untuk informasi selengkapnya, lihat Membuat grafik.
Anda juga dapat mengambil nilai atas dan bawah pita model menggunakan Permintaan API
GetMetricDatadenganANOMALY_DETECTION_BANDfungsi matematika metrik. Untuk informasi selengkapnya, lihat GetMetricData.
Dalam grafik dengan deteksi anomali, rentang nilai yang diharapkan ditampilkan sebagai pita abu-abu. Jika nilai aktual metrik melampaui pita ini, nilai tersebut akan ditampilkan berwarna merah selama waktu tersebut.
Algoritma deteksi anomali bertanggung jawab atas perubahan-perubahan musiman dan tren metrik. Perubahan musiman dapat dilakukan setiap jam, setiap hari, atau setiap minggu, sebagaimana ditunjukkan dalam contoh-contoh berikut.
Tren dengan rentang lebih panjang dapat turun atau naik.
Deteksi anomali juga bekerja dengan baik dengan metrik dengan pola datar.
Bagaimana CloudWatch deteksi anomali bekerja
Saat Anda mengaktifkan deteksi anomali untuk metrik, CloudWatch terapkan algoritme pembelajaran mesin ke data masa lalu metrik untuk membuat model nilai yang diharapkan metrik. Model ini menilai tren maupun pola metrik setiap jam, setiap hari, dan setiap minggu. Algoritma menentukan data metrik hingga dua minggu, tetapi Anda dapat mengaktifkan deteksi anomali pada metrik bahkan jika metrik tidak memiliki data dua minggu penuh.
Anda menentukan nilai untuk ambang deteksi anomali yang CloudWatch digunakan bersama dengan model untuk menentukan rentang nilai “normal” untuk metrik. Nilai yang lebih tinggi untuk ambang batas deteksi anomali menghasilkan pita yang lebih tebal daripada nilai "normal".
Model machine learning spesifik untuk metrik dan statistik. Sebagai contoh, jika Anda mengaktifkan deteksi anomali untuk metrik menggunakan statistik AVG, model spesifik untuk statistik AVG.
Saat CloudWatch membuat model untuk banyak metrik umum dari AWS layanan, ini memastikan bahwa band tidak meluas di luar nilai logis. Misalnya, band untuk MemoryUtilization instans EC2 akan tetap antara 0 dan 100, dan pelacakan pita CloudFront Requests, yang tidak bisa negatif, tidak akan pernah memanjang di bawah nol.
Setelah Anda membuat model, deteksi CloudWatch anomali terus mengevaluasi model dan membuat penyesuaian untuk memastikan bahwa itu seakurat mungkin. Penyesuaian ini termasuk penentuan ulang model untuk menyesuaikan jika nilai metrik berkembang seiring waktu atau mengalami perubahan mendadak, dan juga menyertakan prediktor untuk meningkatkan model metrik yang bersifat musiman, runcing, atau jarang.
Setelah Anda mengaktifkan deteksi anomali pada metrik, Anda dapat memilih untuk mengecualikan periode waktu tertentu dari metrik yang digunakan untuk melatih model tersebut. Dengan cara ini, Anda dapat mengecualikan penyebaran atau peristiwa tidak lazim lainnya dari penggunaan untuk penyesuaian model, yang memastikan model yang paling akurat telah dibuat.
Menggunakan model deteksi anomali untuk alarm menimbulkan biaya pada akun Anda. AWS Untuk informasi lebih lanjut, lihat Amazon CloudWatch Harga
Deteksi anomali pada matematika metrik
Deteksi anomali pada matematika metrik adalah sebuah fitur yang dapat Anda gunakan untuk membuat alarm deteksi anomali pada hasil ekspresi matematika metrik. Anda dapat menggunakan ekspresi-ekspresi ini untuk membuat grafik yang menggambarkan pita deteksi anomali. Fitur ini mendukung fungsi aritmatika dasar, operator perbandingan dan logika, dan sebagian besar fungsi lainnya. Untuk informasi tentang fungsi yang tidak didukung, lihat Menggunakan matematika metrik di Panduan CloudWatch Pengguna Amazon.
Anda dapat membuat model deteksi anomali berdasarkan ekspresi matematika metrik yang sama dengan cara Anda membuat model deteksi anomali. Dari CloudWatch konsol, Anda dapat menerapkan deteksi anomali ke ekspresi matematika metrik dan memilih deteksi anomali sebagai tipe ambang batas untuk ekspresi ini.
catatan
Deteksi anomali pada matematika metrik hanya dapat diaktifkan dan diedit di antarmuka pengguna metrik versi terbaru. Ketika Anda membuat detektor anomali berdasarkan ekspresi matematika metrik di versi antarmuka yang baru, Anda dapat melihatnya di versi lama, tetapi tidak dapat mengeditnya.
Untuk informasi tentang cara membuat, mengedit, dan menghapus alarm dan model untuk deteksi anomali dan matematika metrik, lihat bagian berikut:
Anda juga dapat membuat, menghapus, dan menemukan model deteksi anomali berdasarkan ekspresi matematika metrik menggunakan CloudWatch API denganPutAnomalyDetector,DeleteAnomalyDetector, dan. DescribeAnomalyDetectors Untuk informasi tentang tindakan API ini, lihat bagian berikut di Referensi Amazon CloudWatch API.
Untuk informasi tentang harga alarm deteksi anomali, lihat harga Amazon. CloudWatch
Deteksi anomali menggunakan PromQL
Anda dapat membuat pita deteksi anomali untuk metrik apa pun yang kompatibel dengan Prometheus dengan menggunakan fungsi promQL standar seperti,, dan. quantile_over_time stddev_over_time avg_over_time Pendekatan ini menghitung garis dasar dan menambah atau mengurangi standar deviasi berskala untuk menentukan batas atas dan bawah yang beradaptasi dengan pola alami metrik Anda.
Ini berfungsi untuk metrik apa pun yang mengembalikan nilai float, seperti penggunaan CPU, latensi permintaan, atau jumlah kesalahan. Untuk informasi tentang menelan metrik menggunakan OpenTelemetry, lihat. OpenTelemetry
Mendefinisikan batas atas dan bawah
Untuk menentukan rentang yang diharapkan untuk metrik, hitung garis dasar menggunakan median atau rata-rata selama jendela waktu, lalu tambahkan dan kurangi kelipatan standar deviasi. Pengganda mengontrol sensitivitas—nilai yang lebih tinggi menghasilkan pita yang lebih lebar dengan positif palsu yang lebih sedikit, sementara nilai yang lebih rendah menangkap penyimpangan yang lebih kecil.
Contoh berikut membuat batas atas untuk metrik permintaan iklan menggunakan jendela 60 menit dan pengganda 3:
quantile_over_time(0.5, {"app.ads.ad_requests"}[60m] offset 1m) + 3 * stddev_over_time({"app.ads.ad_requests"}[60m] offset 1m)
Contoh berikut menciptakan batas bawah yang sesuai. clamp_minFungsi ini mencegah batas bawah menjadi negatif untuk metrik yang tidak dapat memiliki nilai negatif:
clamp_min( quantile_over_time(0.5, {"app.ads.ad_requests"}[60m] offset 1m) - 3 * stddev_over_time({"app.ads.ad_requests"}[60m] offset 1m), 0)
Anda dapat membuat grafik kedua batas bersama-sama di CloudWatch Query Studio untuk memvisualisasikan rentang yang diharapkan untuk metrik Anda. Untuk informasi selengkapnya, lihat Menjalankan kueri PromQL di Query Studio (Pratinjau).
Mendeteksi pelanggaran
Untuk mendeteksi kapan metrik berada di luar rentang yang diharapkan, gabungkan kedua batas menjadi satu kueri. Ekspresi berikut hanya mengembalikan titik data di mana nilai metrik melebihi batas atas atau jatuh di bawah batas bawah:
1 * {"app.ads.ad_requests"} > quantile_over_time(0.5, {"app.ads.ad_requests"}[60m] offset 1m) + 3 * stddev_over_time({"app.ads.ad_requests"}[60m] offset 1m) or 1 * {"app.ads.ad_requests"} < clamp_min( quantile_over_time(0.5, {"app.ads.ad_requests"}[60m] offset 1m) - 3 * stddev_over_time({"app.ads.ad_requests"}[60m] offset 1m), 0)
Kueri ini berfungsi di beberapa nilai label, sehingga Anda dapat mendeteksi anomali di seluruh armada Anda dalam satu kueri. Anda dapat menggunakan ekspresi ini untuk membuat alarm PromQL yang memicu ketika deret waktu melanggar rentang yang diharapkan. Lihat informasi yang lebih lengkap di Membuat CloudWatch alarm menggunakan PromQL untuk deteksi anomali.
