在仔細考慮之後，我們決定停止 Amazon Kinesis Data Analytics for SQL 應用程式：

1. 從 **2025 年 9 月 1 日起，**我們不會為 Amazon Kinesis Data Analytics for SQL 應用程式提供任何錯誤修正，因為考慮到即將終止，我們將對其提供有限的支援。

2. 從 **2025 年 10 月 15 日起，**您將無法建立新的 Kinesis Data Analytics for SQL 應用程式。

3. 我們將自 **2026 年 1 月 27** 日起刪除您的應用程式。您將無法啟動或操作 Amazon Kinesis Data Analytics for SQL 應用程式。從那時起，Amazon Kinesis Data Analytics for SQL 將不再提供支援。如需詳細資訊，請參閱[Amazon Kinesis Data Analytics for SQL 應用程式終止](discontinuation.md)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 範例：偵測資料異常並取得說明 (RANDOM\_CUT\_FOREST\_WITH\_EXPLANATION 函數)
<a name="app-anomaly-detection-with-explanation"></a>

Amazon Kinesis Data Analytics 提供 `RANDOM_CUT_FOREST_WITH_EXPLANATION` 函數，可根據數值欄中的值為每筆記錄指派異常分數。該函數還提供了異常的解釋。如需詳細資訊，請參閱* Amazon Managed Service for Apache Flink SQL 參考資料*中的 [RANDOM\_CUT\_FOREST\_WITH\_EXPLANATION](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest-with-explanation.html)。

在本練習中，撰寫應用程式碼，以取得應用程式串流來源上的紀錄異常分數。您還可以獲得每個異常的解釋。

**Topics**
+ [步驟 1：準備資料](app-anomaly-with-ex-prepare.md)
+ [步驟 2：建立 Analytics 應用程式](app-anom-with-exp-create-app.md)
+ [步驟 3：檢查結果](examine-results-with-exp.md)

**首要步驟**  
[步驟 1：準備資料](app-anomaly-with-ex-prepare.md)