检测指标异常
Elastic Stack Serverless
对于 Observability 无服务器项目，需要 Editor 角色或更高级别的角色才能创建机器学习作业。要了解更多信息，请参阅分配用户角色和权限。
您可以创建机器学习作业来检测和检查主机和 Kubernetes Pod 的内存使用情况和网络流量异常。
您可以对跨主机或 Pod 的系统内存使用情况以及入站和出站网络流量进行建模。您可以检测到内存使用量的异常增加以及跨主机或 Pod 的异常高的入站或出站流量。
创建一个机器学习作业来自动检测异常的内存使用情况和网络流量。
创建机器学习作业后，您无法更改设置。您可以稍后重新创建这些作业。但是，您将删除任何先前检测到的异常。
要打开 基础设施清单，请在主菜单中找到 基础设施，或使用全局搜索字段。
单击页面顶部的 异常检测 链接。
系统将提示您为 主机 或 Kubernetes Pod 创建一个机器学习作业。单击 启用。
选择机器学习分析的开始日期。
机器学习作业分析最近四周的数据，并无限期地继续运行。
选择一个分区字段。
注意默认情况下，选择 Kubernetes 分区字段
kubernetes.namespace。分区允许您为共享类似行为的不同数据组创建独立的模型。例如，您可能希望为机器类型或云可用区构建单独的模型，以便在各组之间不以相同的方式对异常进行加权。
默认情况下，机器学习作业会分析您的所有指标数据，结果会列在 异常 选项卡下。您可以过滤此列表以仅查看您感兴趣的作业或指标。例如，您可以按作业名称和节点名称进行过滤，以查看该主机的特定异常检测作业。
单击 启用作业。
您现在可以探索您的指标异常了。单击 异常。
- 在您的 Elastic Observability Serverless 项目中，转到 基础设施 → 基础设施清单 并单击页面顶部的 异常检测 链接。
- 在 主机 或 Kubernetes Pod 下，单击 启用 以创建一个机器学习作业。
- 选择机器学习分析的开始日期。机器学习作业分析最近四周的数据，并无限期地继续运行。
- 选择一个分区字段。分区允许您为共享类似行为的不同数据组创建独立的模型。例如，您可能希望为机器类型或云可用区构建单独的模型，以便在各组之间不以相同的方式对异常进行加权。
- 默认情况下，机器学习作业会分析您的所有指标数据。您可以过滤此列表以仅查看您感兴趣的作业或指标。例如，您可以按作业名称和节点名称进行过滤，以查看该主机的特定异常检测作业。
- 单击 启用作业。
- 您现在可以探索您的指标异常了。单击 异常。
异常 表显示了特定主机或 Kubernetes Pod 的每个单一指标异常检测作业的列表。 默认情况下，异常作业按时间排序以显示最近的作业。
除了每个异常作业和节点名称之外，还会列出严重性评分等于或高于 50 的检测到的异常。这些评分代表所选时间段内的“警告”或更高级别的严重性。 摘要 值表示异常记录结果中指标的实际值与预期（“典型”）值之间的增加。
要向下钻取并分析指标异常，请选择 操作 → 在异常浏览器中打开 以查看异常浏览器。 您还可以选择 操作 → 在清单中显示 以查看主机或 Kubernetes Pod 的清单页面，并按特定指标进行过滤。
这些预定义的异常检测作业使用自定义规则。要更新异常浏览器中的规则，请选择 操作 → 配置规则。更改仅对新结果生效。如果您想将更改应用于现有结果，请克隆并重新运行作业。
在 基础设施清单 页面上，单击 显示历史记录 以查看所选时间范围内的指标值。异常评分等于或高于 50 的检测到的异常以红色突出显示。要检查检测到的异常，请使用异常浏览器。
