按位置映射异常

编辑

如果您的数据包含在 Elastic Maps Service (EMS) 中定义的矢量图层,您的异常检测作业可以生成按位置显示的异常地图。

先决条件

编辑

如果要在 Data Visualizer 或异常检测作业结果中查看等值线地图,您必须具有包含有效矢量图层的字段(例如 国家/地区代码邮政编码)。

此示例使用示例 Web 日志数据集。有关更多信息,请参阅 添加示例数据

浏览您的数据

编辑

如果您具有包含有效矢量图层的字段,则可以使用 Machine Learning 应用中的 Data Visualizer 查看等值线地图,其中每个区域都根据其文档计数进行着色。 例如

A screenshot of a field that contains vector layer values in Data Visualizer

创建异常检测作业

编辑

要在 Kibana 中创建异常检测作业,请单击 机器学习 > 异常检测 页面上的 创建作业,然后选择适当的作业向导。或者,使用 创建异常检测作业 API

例如,使用多指标作业向导创建一个作业,分析示例 Web 日志数据集以检测每个目标国家/地区的已传输数据总和(bytes 值)中的异常行为(geo.dest 值)

A screenshot of creating an anomaly detection job using the web logs data in Kibana
API 示例
PUT _ml/anomaly_detectors/weblogs-vectors 
{
  "analysis_config" : {
    "bucket_span":"15m",
    "detectors": [
      {
        "detector_description": "Sum of bytes",
        "function": "sum",
        "field_name": "bytes",
        "partition_field_name": "geo.dest"
      }
    ],
    "influencers": [
    "geo.src",
    "agent.keyword",
    "geo.dest"
    ]
  },
  "data_description" : {
    "time_field": "timestamp"
  },
  "datafeed_config": { 
    "datafeed_id": "datafeed-weblogs-vectors",
    "indices": ["kibana_sample_data_logs"],
    "query": {
      "bool": {
        "must": [
          {
            "match_all": {}
          }
        ]
      }
    }
  }
}

POST _ml/anomaly_detectors/weblogs-vectors/_open 

POST _ml/datafeeds/datafeed-weblogs-vectors/_start 
{
  "end": "2021-07-15T22:00:00Z"
}

创建异常检测作业。

创建数据馈送。

打开作业。

启动数据馈送。由于示例数据集通常包含晚于当前日期的时间戳,因此最好为数据馈送指定适当的结束日期。

分析结果

编辑

异常检测作业处理一些数据后,您可以在 Kibana 中查看结果。

如果您使用 API 创建作业和数据馈送,则在您按照提示同步必要的已保存对象之前,您无法在 Kibana 中看到它们。

A screenshot of the anomaly count by location in Anomaly Explorer

异常浏览器包含一张地图,该地图受您的泳道选择的影响。它会为每个位置着色,以反映在该选定时间段内发生的异常数量。异常较少的位置以蓝色表示;异常较多的位置以红色表示。因此,您可以快速查看产生最多异常的位置。如果您的矢量图层定义了区域、县或邮政编码,您可以放大以查看详细信息。

下一步

编辑