Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Verwendung der CloudWatch Anomalieerkennung
Wenn Sie die Anomalieerkennung für eine Metrik aktivieren, CloudWatch wendet statistische Algorithmen und Algorithmen für maschinelles Lernen an. Diese Algorithmen analysieren kontinuierlich Metriken von Systemen und Anwendungen, ermitteln normale Baseline-Werte und zeigen Anomalien an, wobei nur minimale Benutzereingriffe erforderlich sind.
Die Algorithmen erzeugen ein Anomalieerkennungsmodell. Das Modell generiert einen Bereich von erwarteten Werten, die ein normales Metrikverhalten darstellen.
Sie können die Anomalieerkennung mithilfe des SDK AWS Management Console, des AWS CLI AWS CloudFormation, oder des AWS SDK aktivieren. Sie können die Anomalieerkennung für von angebotene Metriken AWS und auch für benutzerdefinierte Metriken aktivieren. In einem Konto, das als Überwachungskonto für CloudWatch kontenübergreifende Beobachtbarkeit eingerichtet wurde, können Sie zusätzlich zu den Metriken im Überwachungskonto Anomaliedetektoren für Kennzahlen in Quellkonten einrichten.
Sie können das Modell der erwarteten Werte auf zwei Arten einsetzen:
Sie können Anomalieerkennungsalarme basierend auf dem erwarteten Wert einer Metrik erstellen. Diese Arten von Alarmen besitzen keinen statischen Schwellenwert für die Bestimmung des Alarmzustands. Stattdessen vergleichen sie den Wert der Metrik mit dem erwarteten Wert basierend auf dem Anomalieerkennungsmodell.
Sie können festlegen, ob der Alarm ausgelöst werden soll, wenn der Metrikwert das Band erwarteter Werte überschreitet, unterschreitet oder sowohl über- als auch unterschreitet.
Weitere Informationen finden Sie unter Erstellen Sie einen CloudWatch Alarm, der auf der Erkennung von Anomalien basiert.
Wenn Sie ein Diagramm mit Metrikdaten anzeigen, können Sie die erwarteten Werte im Diagramm als Band darstellen. Dies zeigt visuell, welche Werte im Diagramm außerhalb des normalen Bereichs liegen. Weitere Informationen finden Sie unter Erstellen eines Diagramms.
Sie können die oberen und unteren Werte des Bands des Modells auch mithilfe der
GetMetricData-API-Anforderung mit der mathematischen Funktion der MetrikANOMALY_DETECTION_BANDabrufen. Weitere Informationen finden Sie unter. GetMetricData
In einem Diagramm mit Anomalieerkennung wird der erwartete Wertebereich als graues Band angezeigt. Wenn der tatsächliche Wert der Metrik außerhalb dieses Bands liegt, wird er während dieser Zeit rot angezeigt.
Anomalieerkennungsalgorithmen berücksichtigen saisonale und trendbasierte Änderungen von Metriken. Die saisonalen Änderungen können stündlich, täglich oder wöchentlich erfolgen, wie in den folgenden Beispielen gezeigt.
Die längerfristigen Trends könnten nach unten oder nach oben zeigen.
Die Anomalieerkennung funktioniert auch gut mit Metriken mit flachen Mustern.
So funktioniert die Erkennung von CloudWatch Anomalien
Wenn Sie die Anomalieerkennung für eine Metrik aktivieren, CloudWatch wendet Algorithmen für maschinelles Lernen auf die früheren Daten der Metrik an, um ein Modell der erwarteten Werte der Metrik zu erstellen. Das Modell bewertet sowohl Trends als auch stündliche, tägliche und wöchentliche Muster der Metrik. Der Algorithmus wird anhand von bis zu zwei Wochen Metrikdaten trainiert. Sie können die Anomalieerkennung für eine Metrik jedoch auch dann aktivieren, wenn es für die Metrik keine vollständigen zwei Wochen an Daten gibt.
Sie geben einen Wert für den Schwellenwert für die Erkennung von Anomalien an, der zusammen mit dem Modell CloudWatch verwendet wird, um den „normalen“ Wertebereich für die Metrik zu bestimmen. Ein höherer Wert für den Schwellenwert für die Anomalieerkennung führt zu einem breiteren Band „normaler“ Werte.
Das Machine Learning-Modell ist für eine Metrik und eine Statistik jeweils spezifisch. Beispiel: Wenn Sie die Anomalieerkennung für eine Metrik mit der AVG-Statistik aktivieren, ist das Modell spezifisch für die AVG-Statistik.
Wenn ein Modell für viele gängige Metriken von AWS Diensten CloudWatch erstellt wird, wird sichergestellt, dass das Band nicht über die logischen Werte hinausgeht. Beispielsweise bleibt das Band für MemoryUtilization eine EC2-Instance zwischen 0 und 100, und das Band-Tracking CloudFront Requests, das nicht negativ sein kann, wird sich niemals unter Null erstrecken.
Nachdem Sie ein Modell erstellt haben, bewertet die CloudWatch Anomalieerkennung das Modell kontinuierlich und nimmt Anpassungen vor, um sicherzustellen, dass es so genau wie möglich ist. Dies umfasst ein erneutes Training des Modells, um es anzupassen, wenn sich die Metrikwerte im Laufe der Zeit entwickeln oder plötzliche Änderungen aufweisen, und umfasst auch Prädiktoren zur Verbesserung der Modelle von Metriken, die saisonal, sehr hoch oder spärlich sind.
Nachdem Sie die Anomalieerkennung für eine Metrik aktiviert haben, können Sie festlegen, dass bestimmte Zeiträume der Metrik beim Trainieren des Modells nicht berücksichtigt werden sollen. Auf diese Weise können Sie Bereitstellungen oder andere ungewöhnliche Ereignisse aus dem Modelltraining ausschließen, damit ein möglichst genaues Modell erstellt wird.
Wenn Sie Modelle zur Erkennung von Anomalien für Alarme verwenden, fallen Gebühren auf Ihrem Konto an. AWS Weitere Informationen finden Sie unter Amazon CloudWatch – Preise
Anomalieerkennung bei Metrikberechnungen
Die Anomalieerkennung bei Metrikberechnungen ist ein Feature, mit der Sie Alarme für die Anomalieerkennung auf Grundlage der Ausgaben der Metrikberechnungen erstellen können. Sie können diese Ausdrücke verwenden, um Diagramme zu erstellen, die Anomalieerkennungsbänder visualisieren. Das Feature unterstützt grundlegende arithmetische Funktionen, Vergleichs- und logische Operatoren sowie die meisten anderen Funktionen. Informationen zu Funktionen, die nicht unterstützt werden, finden Sie unter Using metric math im CloudWatch Amazon-Benutzerhandbuch.
Sie können Anomalieerkennungsmodelle basierend auf Ausdrücken der Metrikberechnung erstellen, ähnlich wie die Erstellung von Anomalieerkennungsmodellen. Von der CloudWatch Konsole aus können Sie die Anomalieerkennung auf metrische mathematische Ausdrücke anwenden und die Anomalieerkennung als Schwellenwerttyp für diese Ausdrücke auswählen.
Anmerkung
Die Anomalieerkennung bei Metrikberechnungen kann nur in der neuesten Version der Metrik-Benutzeroberfläche aktiviert und bearbeitet werden. Wenn Sie Anomaliedetektoren basierend auf Ausdrücken der Metrikberechnung in der neuen Version der Schnittstelle erstellen, können Sie sie in der alten Version anzeigen, aber nicht bearbeiten.
Informationen zum Erstellen von Alarmen und Modellen für die Anomalieerkennung und Metrikberechnungen finden Sie in den folgenden Abschnitten:
Sie können mithilfe der API auch Modelle zur Erkennung von Anomalien erstellen, löschen und entdecken, die auf metrischen mathematischen Ausdrücken basieren, indem Sie die CloudWatch API mit PutAnomalyDetectorDeleteAnomalyDetector, und DescribeAnomalyDetectors verwenden. Informationen zu diesen API-Aktionen finden Sie in den folgenden Abschnitten der Amazon CloudWatch API-Referenz.
Informationen zu den Preisen für Alarme zur Erkennung von Anomalien finden Sie unter CloudWatch Amazon-Preise
