CloudWatch 异常检测
|
CloudWatch anomaly detection is in open preview. The preview is open to AWS accounts in all commercial AWS Regions. You do not need to request access. Features may be added or changed before announcing General Availability. Please contact anomalydetectionfeedback@amazon.com for any feedback, questions, or if you would like to be informed when updates are available. On August 29, 2019, we added support for using AWS CloudFormation to deploy alarms based on anomaly detection models.For more information, see AWS::CloudWatch::Alarm. On August 27, 2019, we deployed the preview anomaly detection band feature. Now when you enable anomaly detection, you can immediately see a preview band which is an approximation of the anomaly detection band that will be generated by the model. |
在为指标启用异常检测 后，CloudWatch 会将机器学习算法应用于指标的过去数据，以创建指标的预期值模型。该模型生成两个指标，一个表示正常指标行为的较大范围，另一个表示较小范围。
您可以通过两种方式使用预期值模型：
-
您可以根据指标的预期值创建异常检测警报。这些类型的警报不具有用于确定警报状态的静态阈值，而是基于异常检测模型将指标值与预期值进行比较。您指定了一些标准偏差，CloudWatch 将这些标准偏差与模型结合使用来确定指标的“正常”值范围，标准偏差越多，“正常”值的范围就越大。
您可以选择当指标值高于预期值范围或低于预期值范围时是否触发警报。
有关更多信息，请参阅 根据异常检测创建 CloudWatch 警报。
-
在查看指标数据图表时，您可以将预期值作为范围叠加到图表上，并立即明确指明图表中的哪些值超出正常范围。有关更多信息，请参阅 创建图表。
您可以使用 AWS 管理控制台、AWS CLI、AWS CloudFormation 或 AWS 开发工具包启用异常检测。您还可以通过将
GetMetricDataAPI 请求与ANOMALY_DETECTION_BAND指标数学函数结合使用来检索模型范围的上限值和下限值。有关更多信息，请参阅 GetMetricData。
上一列表中的链接用于通过 AWS 管理控制台创建异常检测模型。您也可以使用 AWS API、AWS CLI 和 AWS CloudFormation 创建异常检测模型。
CloudWatch 异常检测的工作原理
在为指标启用异常检测后，CloudWatch 会将机器学习算法应用于指标的过去数据来创建指标的预期值模型，并考虑指标的趋势和每小时、每日和每周模式。机器学习算法训练最多两周的指标数据，但即使指标没有完整的两周数据，您也可以为指标启用异常检测。
启用异常检测时，您可以立即看到一个预览异常检测范围，该范围是模型将生成的异常检测范围的近似值。实际异常检测范围可能需要长达 15 分钟才能显示出来。
机器学习模型特定于指标和统计数据。例如，如果您使用 AVG 统计数据为指标启用异常检测，则模型特定于 AVG 统计数据。
创建模型后，它会使用指标中的最新数据不断更新自身。
在为指标启用异常检测后，您可以选择排除指标的指定时间段，使其不用于训练模型。这样，您就可以排除部署或其他不寻常的事件，使其不用于训练模型，从而确保创建最精确的模型。
对警报使用异常检测模型会使您的 AWS 账户产生费用。有关更多信息，请参阅 Amazon CloudWatch 定价。