Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
anomalie
Utilisez-le anomaly pour identifier automatiquement les modèles inhabituels et les problèmes potentiels dans les données de votre journal à l'aide de l'apprentissage automatique.
La anomaly commande étend les pattern fonctionnalités existantes et utilise des analyses avancées pour aider à identifier les anomalies potentielles dans les données du journal. Vous pouvez réduire le temps nécessaire anomaly à l'identification et à la résolution des problèmes opérationnels en faisant apparaître automatiquement des modèles ou des comportements inhabituels dans vos journaux.
La anomaly commande fonctionne avec la
pattern commande pour d'abord identifier les modèles de journal, puis détecter les anomalies au sein de ces modèles. Vous pouvez également les combiner anomaly avec les
sort commandes
filter ou pour concentrer la détection des anomalies sur des sous-ensembles spécifiques de vos données.
Entrée de commande d'anomalie
La anomaly commande est généralement utilisée après la
pattern commande pour analyser les modèles identifiés dans les données de votre journal. La commande ne nécessite aucun paramètre supplémentaire et analyse le résultat des commandes précédentes de votre requête.
Types d'anomalies identifiés
La anomaly commande identifie cinq types d'anomalies distincts :
-
Anomalies de fréquence des modèles : fréquences inhabituelles de modèles de journalisation spécifiques, par exemple lorsqu'une application commence à générer plus de messages d'erreur que d'habitude.
-
Nouvelles anomalies de configuration : modèles de journal inédits qui peuvent indiquer de nouveaux types d'erreurs ou de messages apparaissant dans vos journaux.
-
Anomalies liées à la variation des jetons : modifications inattendues du contenu des messages de journal pouvant indiquer des variations inhabituelles dans les formats de journal attendus.
-
Anomalies des jetons numériques : changements inhabituels des valeurs numériques dans les journaux qui peuvent aider à détecter d'éventuels problèmes de performance ou des variations métriques inattendues.
-
Anomalies du code d'erreur HTTP : modèles liés aux réponses d'erreur HTTP, particulièrement utiles lors de la surveillance des applications Web et des API.
Sortie de commande d'anomalie
La anomaly commande préserve tous les champs des données d'entrée et ajoute des résultats de détection d'anomalies pour aider à identifier des modèles inhabituels dans les données de votre journal.
Exemples
La commande suivante identifie des modèles dans les données de votre journal, puis détecte les anomalies au sein de ces modèles :
fields @timestamp, @message | pattern @message | anomaly
La anomaly commande peut être utilisée avec le filtrage pour se concentrer sur des types de journaux spécifiques :
fields @timestamp, @message | filter @type = "REPORT" | pattern @message | anomaly
La anomaly commande peut être combinée avec le tri pour organiser les résultats :
fields @timestamp, @message | filter @type = "ERROR" | pattern @message | anomaly | sort @timestamp desc
