刷新作业 API
编辑刷新作业 API
编辑强制作业处理所有缓冲数据。
请求
编辑POST _ml/anomaly_detectors/<job_id>/_flush
先决条件
编辑需要 manage_ml 集群权限。此权限包含在内置角色 machine_learning_admin 中。
描述
编辑刷新作业 API 仅适用于使用 发布数据 API 发送要分析的数据时。根据缓冲区的内容，它可能会额外计算新的结果。
刷新和关闭操作都类似，但是如果您期望发送更多数据进行分析，则刷新操作更有效率。刷新时，作业保持打开状态，并可继续分析数据。关闭操作还会修剪并将模型状态持久化到磁盘，并且在进一步分析数据之前必须重新打开作业。
路径参数
编辑-
<job_id> - (必填，字符串) 异常检测作业的标识符。
查询参数
编辑-
advance_time - (字符串) 可选。指定推进到特定时间值。生成结果并更新指定时间间隔内数据的模型。
-
calc_interim - (布尔值) 可选。如果为 true，则计算最近的桶或延迟期内所有桶的中间结果。
-
end - (字符串) 可选。与
calc_interim和start结合使用时，指定要计算中间结果的桶的范围。 -
skip_time - (字符串) 可选。指定跳过特定时间值。不生成结果，也不更新指定时间间隔内数据的模型。
-
start - (字符串) 可选。与
calc_interim结合使用时，指定要计算中间结果的桶的范围。
请求体
编辑您也可以在请求体中指定查询参数（例如 advance_time 和 calc_interim）。
示例
编辑resp = client.ml.flush_job(
job_id="low_request_rate",
calc_interim=True,
)
print(resp)
const response = await client.ml.flushJob({
job_id: "low_request_rate",
calc_interim: true,
});
console.log(response);
POST _ml/anomaly_detectors/low_request_rate/_flush
{
"calc_interim": true
}
操作成功时，您将收到以下结果
{
"flushed": true,
"last_finalized_bucket_end": 1455234900000
}
last_finalized_bucket_end 提供已处理的最后一个桶的结束时间戳（以毫秒为单位，自纪元以来的时间）。
如果要将作业刷新到特定时间戳，可以使用 advance_time 或 skip_time 参数。例如，要推进到 2018 年 1 月 1 日格林威治标准时间上午 11 点
resp = client.ml.flush_job(
job_id="total-requests",
advance_time="1514804400000",
)
print(resp)
const response = await client.ml.flushJob({
job_id: "total-requests",
advance_time: 1514804400000,
});
console.log(response);
POST _ml/anomaly_detectors/total-requests/_flush
{
"advance_time": "1514804400000"
}
操作成功时，您将收到以下结果
{
"flushed": true,
"last_finalized_bucket_end": 1514804400000
}