PreviewAnomalyDetector API - Amazon Managed Service für Prometheus
Formatierung von AbfrageparameternAPI-Anfrage und Antwort

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

PreviewAnomalyDetector API

Verwenden Sie den PreviewAnomalyDetector Vorgang, um einen Endpunkt zu erstellen, der demonstriert, wie Ihre Metrikdaten durch den Algorithmus zur Erkennung von Anomalien während des angegebenen Zeitraums analysiert werden. Dieser Endpunkt hilft Ihnen, die Leistung des Detektors vor der Implementierung zu bewerten und zu validieren.

Gültige HTTP-Verben

GET, POST

Unterstützte Payload-Typen

URL-kodierte Parameter

application/x-www-form-urlencoded für POST

Unterstützte Parameter

query=<string>Ein Abfrage-String mit einem Prometheus-Ausdruck.

start=<rfc3339 | unix_timestamp> Startzeitstempel, wenn Sie query_range einen bestimmten Zeitraum abfragen möchten.

end=<rfc3339 | unix_timestamp> Endzeitstempel, wenn Sie für query_range die Abfrage nach einem bestimmten Zeitraum verwenden.

step=<duration | float> Schrittweite der Auflösung im duration Format oder als float Anzahl von Sekunden abfragen. Verwenden Sie diese Option nur, wenn Sie query_range für Abfragen für einen bestimmten Zeitraum verwenden und dies für solche Abfragen erforderlich sind.

Formatierung von Abfrageparametern

Verpacken Sie Ihren ursprünglichen PromQL-Ausdruck mit der Pseudofunktion RandomCutForest (RCF) im Abfrageparameter. Weitere Informationen finden Sie RandomCutForestConfigurationin der Amazon Managed Service for Prometheus API-Referenz.

Die RCF-Funktion verwendet dieses Format:

RCF(<query>
[,shingle size
[,sample size
[,ignore near expected from above
[,ignore near expected from below
[,ignore near expected from above ratio
[,ignore near expected from below ratio]]]]])

Alle Parameter außer der Abfrage sind optional und verwenden Standardwerte, wenn sie weggelassen werden. Die minimale Syntax lautet:


RCF(<query>)

Sie müssen Ihre Abfrage mit einer Aggregationsfunktion umschließen. Wenn Sie bestimmte optionale Parameter verwenden und andere weglassen möchten, lassen Sie leere Positionen in der Funktion übrig:


RCF(<query>,,,,,1.0,1.0)

In diesem Beispiel werden nur die Verhältnisparameter festgelegt, die Spitzen und Abnahmen bei der Erkennung von Anomalien auf der Grundlage des Verhältnisses zwischen erwarteten und beobachteten Werten ignorieren.

API-Anfrage und Antwort

Erfolgreiche Aufrufe geben dasselbe Format wie die QueryMetrics API zurück. Zusätzlich zu den ursprünglichen Zeitreihen gibt die API diese neuen Zeitreihen zurück, wenn genügend Stichproben verfügbar sind:

  • anomaly_detector_preview:lower_band— Unteres Band für den erwarteten Wert des PromQL-Ausdrucksergebnisses

  • anomaly_detector_preview:score— Anomalie-Score zwischen 0 und 1, wobei 1 auf eine hohe Zuverlässigkeit einer Anomalie an diesem Datenpunkt hinweist

  • anomaly_detector_preview:upper_band— Oberes Band für den erwarteten Wert des PromQL-Ausdrucksergebnisses

Beispielanforderung 

POST /workspaces/workspace-id/anomalydetectors/preview
Content-Type: application/x-www-form-urlencoded

query=RCF%28avg%28vector%28time%28%29%29%29%2C%208%2C%20256%29&start=1735689600&end=1735695000&step=1m

Beispielantwort 

200 OK
...

{
  "status": "success",
  "data": {
    "result": [
      {
        "metric": {},
        "values": [
          [
            1735689600,
            "1735689600"
          ],
          [
            1735689660,
            "1735689660"
          ],
          .........
        ]
      },
      {
        "metric": {
          "anomaly_detector_preview": "upper_band"
        },
        "values": [
          [
            1735693500,
            "1.7356943E9"
          ],
          [
            1735693560,
            "1.7356945E9"
          ]
          ],
          .........
        ]
      },
      {
        "metric": {
          "anomaly_detector_preview": "lower_band"
        },
        "values": [
          [
            1735693500,
            "1.7356928E9"
          ],
          [
            1735693560,
            "1.7356929E9"
          ],
          ......... 
        ]
      },
      {
        "metric": {
          "anomaly_detector_preview": "score"
        },
        "values": [
          [
            1735693500,
            "0.0"
          ],
          [
            1735695000,
            "0.0"
          ],
          .........
        ]
      }
    ],
    "resultType": "matrix"
  }
}