Contoh: Mendeteksi Anomali Data dan Mendapatkan Penjelasan (Fungsi RANDOM_CUT_FOREST_WITH_EXPLANATION) - Panduan Pengembang Amazon Kinesis Data Analytics SQL untuk Aplikasi

Setelah mempertimbangkan dengan cermat, kami memutuskan untuk menghentikan Amazon Kinesis Data Analytics SQL untuk aplikasi dalam dua langkah:

1. Mulai 15 Oktober 2025, Anda tidak akan dapat membuat Kinesis Data Analytics SQL baru untuk aplikasi.

2. Kami akan menghapus aplikasi Anda mulai 27 Januari 2026. Anda tidak akan dapat memulai atau mengoperasikan Amazon Kinesis Data Analytics Anda SQL untuk aplikasi. Support tidak akan lagi tersedia untuk Amazon Kinesis Data Analytics SQL sejak saat itu. Untuk informasi selengkapnya, lihat Amazon Kinesis Data Analytics SQL untuk penghentian Aplikasi.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Contoh: Mendeteksi Anomali Data dan Mendapatkan Penjelasan (Fungsi RANDOM_CUT_FOREST_WITH_EXPLANATION)

Amazon Kinesis Data Analytics menyediakan fungsi RANDOM_CUT_FOREST_WITH_EXPLANATION, yang menetapkan skor anomali ke setiap catatan berdasarkan nilai-nilai dalam kolom numerik. Fungsi ini juga memberikan penjelasan tentang anomali. Untuk informasi selengkapnya, lihat RANDOM_CUT_FOREST_WITH_EXPLANATION di Amazon Managed Service for Apache Flink SQL Reference.

Dalam latihan ini, Anda menulis kode aplikasi untuk mendapatkan skor anomali untuk catatan di sumber streaming aplikasi Anda. Anda juga mendapatkan penjelasan untuk setiap anomali.

Langkah Pertama

Langkah 1: Siapkan Data