经过仔细考虑，我们决定停用适用于 SQL 应用程序的 Amazon Kinesis Data Analytics：

1. 从 **2025年9月1日起，**我们将不再为适用于SQL应用程序的Amazon Kinesis Data Analytics Data Analytics提供任何错误修复，因为鉴于即将停产，我们对其的支持将有限。

2. 从 **2025 年 10 月 15 日**起，您将无法为 SQL 应用程序创建新的 Kinesis Data Analytics。

3. 从 **2026 年 1 月 27 日**起，我们将删除您的应用程序。您将无法启动或操作 Amazon Kinesis Data Analytics for SQL 应用程序。从那时起，将不再提供对 Amazon Kinesis Data Analytics for SQL 的支持。有关更多信息，请参阅 [Amazon Kinesis Data Analytics for SQL 应用程序停用](discontinuation.md)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 示例：检测数据异常和获取说明 (RANDOM\_CUT\_FOREST\_WITH\_EXPLANATION 函数)
<a name="app-anomaly-detection-with-explanation"></a>

Amazon Kinesis Data Analytics 提供了 `RANDOM_CUT_FOREST_WITH_EXPLANATION` 函数，该函数根据数值列中的值为每个记录分配一个异常分数。该函数还能提供异常说明。有关更多信息，请参阅 *Amazon Managed Service for Apache Flink SQL 参考*中的 [RANDOM\_CUT\_FOREST\_WITH\_EXPLANATION](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest-with-explanation.html)。

在本练习中，您将编写应用程序代码，以获取应用程序流式传输源中记录的异常分数。以及获取每个异常的说明。

**Topics**
+ [步骤 1：准备数据](app-anomaly-with-ex-prepare.md)
+ [步骤 2：创建分析应用程序](app-anom-with-exp-create-app.md)
+ [步骤 3：检查结果](examine-results-with-exp.md)

**第一步**  
[步骤 1：准备数据](app-anomaly-with-ex-prepare.md)