Anomaly detection: 异常检测

功能描述

Anomaly detection 异常检测模块主要基于统计方法来实现时序数据来发现数据中存在的可能的异常情况。该模块框架解耦，可以实现不同异常检测算法的灵活替换，而且该模块功能可以根据时序数据的不同特征来自动选择算法，支持异常值检测、阈值检测、箱型图检测、梯度检测、增长率检测、波动率检测和状态转换检测。

语法格式

gs_dbmind component anomaly_detection --help

显示如下帮助信息：

usage: anomaly_detection.py [-h] --action {overview,plot} -c CONF -m METRIC -s
                            START_TIME -e END_TIME [-H HOST] [-a ANOMALY]

Workload Anomaly detection: Anomaly detection of monitored metric.

optional arguments:
  -h, --help            show this help message and exit
  --action {overview,plot}
                        choose a functionality to perform
  -c CONF, --conf CONF  set the directory of configuration files
  -m METRIC, --metric METRIC
                        set the metric name you want to retrieve
  -s START_TIME, --start-time START_TIME
                        set the start time of for retrieving in ms
  -e END_TIME, --end-time END_TIME
                        set the end time of for retrieving in ms
  -H HOST, --host HOST  set a host of the metric, ip only or ip and port.
  -a ANOMALY, --anomaly ANOMALY
                        set a anomaly detector of the metric(increase_rate,
                        level_shift, spike, threshold)

Process finished with exit code 0

参数说明

在输入anomaly detection的参数时，--start-time至少要比--end-time早30秒以上。

使用示例

假设指标采集系统（即openGauss exporter、reprocessing exporter以及node exporter）运行正常，并且用户已经初始化了配置文件目录confpath，则可以通过下述命令实现本特性的功能。

• 仅启动异常检测功能。

  gs_dbmind service start --conf confpath --only-run anomaly_detection
  

• 对于某一指标，在全部节点上，从timestamps1到timestamps2时间段内的数据进行概览。

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2
  

  例如：

  gs_dbmind component anomaly_detection --conf confpath --action overview  --metric pg_class_relage --start-time '2023-02-21 11:10:00' --end-time '2023-02-21 11:18:00'
  

  返回结果如下：

  

• 对于某一指标，在特定节点上，从timestamps1到timestamps2时间段内的数据进行概览。

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type
  

  例如：

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric pg_class_relage --start-time '2023-02-21 11:10:00' --end-time '2023-02-21 11:18:00' --host 127.0.0.1:5732
  

• 对于某一指标，在全部节点上，从timestamps1到timestamps2时间段内的数据，以特定异常检测方式进行概览。

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --anomaly anomaly_type
  

  例如：

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric pg_class_relage --start-time '2023-02-21 11:10:00' --end-time '2023-02-21 11:18:00' --anomaly  increase_rate
  

  返回结果如下：

  

• 对于某一指标，在特定节点，从timestamps1到timestamps2时间段内的数据，以特定异常检测方式进行概览。

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type
  

  例如：

  gs_dbmind component anomaly_detection --conf confpath --action overview --metric pg_class_relage --start-time '2023-02-21 11:10:00' --end-time '2023-02-21 11:18:00'  --host 127.0.0.1:5732  --anomaly  increase_rate
  

• 对于某一指标，在特定节点，从timestamps1到timestamps2时间段内的数据，以特定异常检测方式进行可视化展示。

  gs_dbmind component anomaly_detection --conf confpath --action plot --metric metric_name --start-time timestamps1 --end-time timestamps2 --host ip_address --anomaly anomaly_type
  

  例如：

  gs_dbmind component anomaly_detection --conf confpath --action plot --metric pg_class_relage --start-time '2023-02-21 11:10:00' --end-time '2023-02-21 11:18:00' --host 127.0.0.1:5732  --anomaly  increase_rate
  

  返回结果如下：

  

• 停止已启动的服务。

  gs_dbmind service stop --conf confpath