Utilisation de la détection des valeurs aberrantes de CloudWatch
Lorsque vous activez la détection des valeurs aberrantes pour une métrique, CloudWatch applique des algorithmes statistiques et de machine learning. Ces algorithmes analysent en permanence les métriques des systèmes et des applications pour déterminer les références normales et les anomalies de surface avec une intervention minimale de l'utilisateur.
Les algorithmes génèrent un modèle de détection des valeurs aberrantes. Le modèle génère une plage de valeurs attendues qui représentent le comportement normal des métriques.
Vous pouvez activer la détection des valeurs aberrantes à l’aide de AWS Management Console, the AWS CLI, CloudFormation ou du kit SDK AWS. Vous pouvez activer la détection des valeurs aberrantes aussi bien sur les métriques fournies par AWS que sur les métriques personnalisées. Dans un compte configuré comme compte de surveillance pour l’observabilité intercomptes CloudWatch, vous pouvez créer des détecteurs d’anomalies sur les métriques des comptes sources en plus de celles du compte de surveillance.
Vous pouvez utiliser le modèle des valeurs attendues de deux manières :
Vous pouvez créer des alarmes de détection des valeurs aberrantes basées sur la valeur attendue d’une métrique. Ces types d'alerte n'ont pas de seuil statique pour déterminer l'état de l'alerte. Au lieu de cela, la valeur de la métrique est comparée à la valeur attendue selon le modèle de détection des valeurs aberrantes.
Vous pouvez choisir si l'alerte est déclenchée lorsque la valeur de la métrique est supérieure à la bande de valeurs attendues, inférieure à la bande ou les deux.
Pour plus d'informations, consultez Création d’une alerte CloudWatch basée sur une détection d’anomalie.
Lors de l'affichage d'un graphique des données de métrique, superposez les valeurs attendues sur le graphique sous forme de bande. Cela permet de voir clairement dans le graphique les valeurs qui sont en dehors de la plage normale. Pour de plus amples informations, consultez Création d'un graphique.
Vous pouvez également extraire les valeurs supérieures et inférieures du groupe du modèle à l'aide de la demande de l'API
GetMetricDataavec la fonction mathématique des métriquesANOMALY_DETECTION_BAND. Pour plus d'informations, consultez GetMetricData.
Dans un graphique avec détection des valeurs aberrantes, la plage de valeurs attendue est affichée sous forme d’une bande grise. Si la valeur réelle de la métrique dépasse cette bande, elle est affichée en rouge pendant cette période.
Les algorithmes de détection des valeurs aberrantes tiennent compte de la saisonnalité et des changements de tendance des métriques. Les modifications de saisonnalité peuvent se produire toutes les heures, tous les jours ou toutes les semaines, comme le montrent les exemples suivants.
Les tendances à long terme pourraient être à la baisse ou à la hausse.
La détection des valeurs aberrantes fonctionne également très bien avec les métriques présentant des schémas stables.
Fonctionnement de la détection des valeurs aberrantes dans CloudWatch
Lorsque vous activez la détection des valeurs aberrantes pour une métrique, CloudWatch applique des algorithmes de machine learning aux données historiques de cette métrique afin de créer un modèle représentant ses valeurs attendues. Le modèle évalue à la fois les tendances et les modèles horaires, quotidiens et hebdomadaires de la métrique. L’algorithme s’entraîne sur jusqu’à deux semaines de données de la métrique, mais vous pouvez activer la détection des valeurs aberrantes même si la métrique ne dispose pas encore d’un historique complet de deux semaines.
Vous devez définir une valeur de seuil de détection des valeurs aberrantes, que CloudWatch utilise conjointement avec le modèle pour déterminer la plage « normale » de valeurs pour la métrique. Une valeur plus élevée pour le seuil de détection des valeurs aberrantes produit une bande plus épaisse de valeurs « normales ».
Le modèle de machine learning est spécifique à une métrique et à une statistique. Par exemple, si vous activez la détection des valeurs aberrantes pour une métrique à l’aide de la statistique AVG, le modèle est spécifique à la statistique AVG.
Lorsque CloudWatch crée un modèle pour de nombreuses métriques courantes à partir des services AWS, il garantit que la bande ne s'étend pas en dehors des valeurs logiques. Par exemple, la bande correspondant à MemoryUtilization d’une instance EC2 restera comprise entre 0 et 100, tandis que les bandes suivant les métriques CloudFront Requests, qui ne peuvent pas avoir de valeurs négatives, ne descendront jamais en dessous de zéro.
Une fois le modèle créé, la détection des valeurs aberrantes CloudWatch évalue continuellement ce modèle et l’ajuste automatiquement afin de garantir qu’il reste aussi précis que possible. Il s'agit notamment de reformer le modèle pour l'ajuster si les valeurs de métrique évoluent au fil du temps ou ont des changements brusques, et inclut également des prédicteurs pour améliorer les modèles de métriques saisonniers, pointilleux ou clairsemés.
Une fois que vous avez activé la détection des valeurs aberrantes pour une métrique, vous pouvez choisir d’exclure certaines périodes des données de cette métrique afin qu’elles ne soient pas utilisées pour l’entraînement du modèle. De cette façon, vous pouvez exclure des déploiements ou d'autres événements inhabituels de leur utilisation dans la formation du modèle, garantissant que le modèle le plus précis est créé.
L’utilisation des modèles de détection des valeurs aberrantes pour les alarmes entraîne des frais supplémentaires sur votre compte AWS. Pour en savoir plus, consultez Tarification Amazon CloudWatch
Détection des valeurs aberrantes sur les expressions mathématiques de métriques
Vous pouvez utiliser cette fonctionnalité pour créer des alarmes de détection des valeurs aberrantes basées sur le résultat d’expressions mathématiques de métriques. Vous pouvez utiliser ces expressions pour créer des graphiques qui permettent de visualiser les bandes de détection des valeurs aberrantes. La fonction prend en charge les fonctions arithmétiques de base, les opérateurs logiques et de comparaison, et la plupart des autres fonctions. Pour plus d'informations sur les fonctions non prises en charge, consultez Utilisation des mathématiques métriques dans le Guide de l'utilisateur Amazon CloudWatch..
Vous pouvez créer des modèles de détection des valeurs aberrantes à partir d’expressions mathématiques de métriques, de la même manière que pour les métriques classiques. À partir de la console CloudWatch, vous pouvez appliquer la détection des valeurs aberrantes à une expression mathématique de métriques et sélectionner « Détection des valeurs aberrantes » comme type de seuil pour cette expression.
Note
La détection des valeurs aberrantes sur les expressions mathématiques de métriques ne peut être activée et modifiée que dans la dernière version de l’interface utilisateur des métriques. Lorsque vous créez des détecteurs d'anomalies basés sur des expressions mathématiques métriques dans la nouvelle version de l'interface, vous pouvez les afficher dans l'ancienne version, mais pas les modifier.
Pour plus d’informations sur la création, la modification et la suppression d’alarmes et de modèles de détection des valeurs aberrantes (et sur les expressions mathématiques de métriques), consultez les sections suivantes :
Vous pouvez également créer, supprimer et consulter des modèles de détection des valeurs aberrantes basés sur des expressions mathématiques de métriques en utilisant l’API CloudWatch avec PutAnomalyDetector, DeleteAnomalyDetector et DescribeAnomalyDetectors. Pour plus d'informations sur ces actions d'API, consultez les sections suivantes dans la Référence d'API Amazon CloudWatch.
Pour plus d’informations sur la tarification des alarmes de détection des valeurs aberrantes, consultez la page Tarification d’Amazon CloudWatch
