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。
异常
使用 anomaly 可以通过机器学习自动识别日志数据中的异常模式和潜在问题。
该anomaly命令扩展了现有pattern功能，并使用高级分析来帮助识别日志数据中的潜在异常。您可以使用 anomaly 自动在日志中发现异常模式或行为，从而减少识别和解决操作问题所需的时间。
anomaly 命令与
pattern 命令配合使用，首先识别日志模式，然后检测这些模式中的异常。您也可以将 anomaly 与
filter 或
sort 命令结合使用，将异常检测集中在数据的特定子集上。
anomaly 命令输入
anomaly 命令通常在
pattern 命令之后使用，用于分析日志数据中发现的模式。该命令不需要额外的参数，它会分析查询中前面命令的输出。
已识别的异常类型
anomaly 命令可识别五种不同类型的异常：
-
模式频率异常：特定日志模式的异常频率，例如当应用程序开始生成比平时更多的错误消息时。
-
新模式异常：以前未曾见过的日志模式，可能表明日志中出现了新的错误或消息类型。
-
令牌变异异常：日志消息内容的意外更改，可能表示预期日志格式存在异常变化。
-
数字令牌异常：日志中数值的异常变化，可以帮助检测潜在性能问题或意外的指标变化。
-
HTTP 错误代码异常：与 HTTP 错误响应相关的模式，在监控 Web 应用程序和 API 时特别有用。
anomaly 命令输入
anomaly 命令会保留输入数据中的所有字段并添加异常检测结果，以帮助识别日志数据中的异常模式。
示例
以下命令可识别日志数据中的模式，然后检测这些模式中的异常：
fields @timestamp, @message | pattern @message | anomaly
anomaly 命令可以与筛选结合使用，以专注于特定的日志类型：
fields @timestamp, @message | filter @type = "REPORT" | pattern @message | anomaly
anomaly 命令可以与排序结合使用以整理结果：
fields @timestamp, @message | filter @type = "ERROR" | pattern @message | anomaly | sort @timestamp desc
