CloudWatcha名义detection - Amazon CloudWatch
操作方法a名义d教科文w兽人
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅中国的 Amazon Web Services 服务入门。

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。

CloudWatcha名义detection

当您启用异常检测CloudWatch 将应用统计算法和机器学习算法。这些算法只需最少的用户干预，即可持续分析系统和应用程序的指标，确定正常基线和表面异常。

这些算法会生成异常检测模型。该模型生成表示正常指标行为的预期值范围。

您可以通过两种方式使用预期值模型：

  • 根据指标的预期值创建异常检测警报。这些类型的警报没有用于确定警报状态的静态阈值。相反，它们将根据异常检测模型将指标的值与预期值进行比较。

    您可以选择当指标值高于预期值范围和/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。

  • 查看指标数据的图表时，将预期值叠加到图表上作为范围。这样可以清晰直观地看出图中的哪些值不在正常范围内。有关更多信息，请参阅创建graph。

    您可以使用 Amazon Web Services Management Console、Amazon CLI、Amazon CloudFormation 或 Amazon 开发工具包启用异常检测。您可以对由 Amazon 出售的指标以及自定义指标启用异常检测。

    您还可以通过将 GetMetricData API 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。

在具有异常检测的图表中，预期的值范围显示为灰色范围。如果指标的实际值超出此范围，则在此期间将显示为红色。

异常检测算法将指标的季节性变化和趋势变化考虑在内。季节性变化可以是每小时、每天或每周，如以下示例所示。

显示为CPUUtilization指标。
显示为CPUUtilization指标。
显示为CPUUtilization指标。

较长期的趋势可能是向下或向上。

显示为CPUUtilization指标。

异常检测也适用于具有平面模式的指标。

显示为CPUUtilization指标。

CloudWatch 操作方法a名义d教科文works

为指标启用异常检测后，CloudWatch 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。该模型评估指标的趋势以及每小时、每日和每周模式。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。

您需要为异常检测阈值指定一个值，使用 CloudWatch 确定指标值的 “正常” 范围。异常检测阈值的值越高，生成的“正常”值范围越大。

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。

当 CloudWatch 为许多常见指标创建模型时，Amazon服务时，它可确保波段不会超出逻辑值。例如，不能为负的统计量的波段永远不会延伸到零以下，而百分比指标 wlll 的波段保持在 0 和 100 之间。

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 Amazon 账户产生费用。有关更多信息，请参阅 Amazon CloudWatch 定价。