PreviewAnomalyDetector API - – Amazon Managed Service for Prometheus
쿼리 파라미터 형식API 요청 및 응답

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

PreviewAnomalyDetector API

PreviewAnomalyDetector 작업을 사용하면 지정된 기간 동안 이상 탐지 알고리즘으로 지표 데이터를 분석하는 방법을 보여주는 엔드포인트를 생성할 수 있습니다. 이 엔드포인트는 구현 전에 탐지기의 성능을 평가하고 검증하는 데 도움이 됩니다.

유효한 HTTP 동사

GET, POST

지원되는 페이로드 유형

URL 인코딩 파라미터

application/x-www-form-urlencoded의 경우 POST

지원되는 파라미터

query=<string> Prometheus 표현식 쿼리 문자열입니다.

start=<rfc3339 | unix_timestamp> query_range를 사용하여 기간에 대해 쿼리하는 경우 시작 타임스탬프입니다.

end=<rfc3339 | unix_timestamp> query_range를 사용하여 기간에 대해 쿼리하는 경우 종료 타임스탬프입니다.

step=<duration | float> duration 형식 또는 float초 단위로 나타내는 쿼리 해결 단계 폭입니다. query_range를 사용하여 일정 기간 동안 쿼리하는 경우에만 사용하며, 해당 쿼리에 필요합니다.

쿼리 파라미터 형식

쿼리 파라미터의 RandomCutForest(RCF) 의사 함수로 원래 PromQL 표현식을 래핑합니다. 자세한 내용은 Amazon Managed Service for Prometheus API 참조에서 RandomCutForestConfiguration을 참조하세요.

RCF 함수는 다음 형식을 사용합니다.

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]]]]])

쿼리를 제외한 모든 파라미터는 선택 사항이며 생략 시 기본값이 사용됩니다. 최소 구문은 다음과 같습니다.


RCF(<query>)

집계 함수로 쿼리를 래핑해야 합니다. 특정 선택적 파라미터는 사용하고 다른 파라미터는 생략하려면 함수에서 해당 위치를 비워 둡니다.


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

이 예제에서는 예상 값과 관측 값 간의 비율을 기준으로 이상 탐지 급증 및 급감 현상을 무시하는 비율 매개변수만 설정되어 있습니다.

API 요청 및 응답

성공적인 호출은 QueryMetrics API와 동일한 형식을 반환합니다. API는 충분한 샘플이 확보될 경우, 원래 시계열 외에도 다음과 같은 새로운 시계열을 반환합니다.

  • anomaly_detector_preview:lower_band - PromQL 표현식 결과의 기대값에 대한 하한 범위

  • anomaly_detector_preview:score - 0과 1 사이의 이상 점수. 여기서 1은 해당 데이터 포인트에서 이상 현상의 발생 가능성이 높음을 나타냅니다.

  • anomaly_detector_preview:upper_band - PromQL 표현식 결과의 기대값에 대한 상한 범위

샘플 요청 

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

샘플 응답 

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"
  }
}