刷新作业 API
编辑刷新作业 API
编辑强制作业处理任何缓冲的数据。
请求
编辑POST _ml/anomaly_detectors/<job_id>/_flush
先决条件
编辑需要 manage_ml 集群特权。此特权包含在 machine_learning_admin 内置角色中。
描述
编辑仅当使用 发布数据 API 发送数据进行分析时，刷新作业 API 才适用。根据缓冲区的内容，它可能会额外计算新的结果。
刷新和关闭操作类似，但是如果您希望发送更多数据进行分析，则刷新效率更高。刷新时，作业保持打开状态，可用于继续分析数据。关闭操作还会将模型状态修剪并持久化到磁盘，并且必须再次打开作业才能分析进一步的数据。
路径参数
编辑-
<job_id> - （必需，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。指定前进到特定的时间值。将生成结果，并更新指定时间间隔内的数据模型。
-
calc_interim - （布尔值）可选。如果为 true，则计算最近的存储桶或延迟期内所有存储桶的临时结果。
-
end - （字符串）可选。与
calc_interim和start结合使用时，指定要计算临时结果的存储桶范围。 -
skip_time - （字符串）可选。指定跳过到特定的时间值。不会生成结果，也不会更新指定时间间隔内的数据模型。
-
start - （字符串）可选。与
calc_interim结合使用时，指定要计算临时结果的存储桶范围。
请求体
编辑您还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
}
当操作成功时，您会收到以下结果
{
"flushed": true,
"last_finalized_bucket_end": 1455234900000
}
last_finalized_bucket_end 提供处理的最后一个存储桶结束的 Unix 纪元时间戳（以毫秒为单位）。
如果要将作业刷新到特定的时间戳，可以使用 advance_time 或 skip_time 参数。例如，要前进到 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"
}
当操作成功时，您会收到以下结果
{
"flushed": true,
"last_finalized_bucket_end": 1514804400000
}