SLS机器学习最佳实战：根因分析（一）

2021-10-03 21:28:51

为何需要根因分析？

当某个宏观的监控指标发生异常时，如果能快速定位到具体是那个细粒度的指标发生了异常而导致的。具体来说，当某个流量发生了异常，具体如图中所示：

这个指标就对应是某个小时级别的流量情况，我们要快速定位到2018-09-02 20:00:00 具体发生了什么问题而导致流量突增的？

如何在平台中分析？

原始数据格式

在给定的LogStore中一共存在14天的各个粒度的流量数据，其中涉及的维度为 leaf=(dim1, dim2, dim3, dim4, dim5)，在每个时刻，一个leaf节点有一个对应的流量值value，在相同时刻，流量对应有可加性。

异常区间分析

我们在图中，绘制某个异常的区间，算法就会去分析从数据：[起始时刻,异常区间的右边界]，遍历所有可能，找到导致该异常的集合。

在上图中，红色框部分，展示的所找到的候选集合中各个子元素对应的时序图，其中ds表示当前根因集合对应的整体趋势信息，其它为根因集合中对应的各个元素的时序曲线。对图中各个含义进行说明：

具体的调用形式(仅仅事例，展示调用形式)

* not Status:200 | 
select rca_kpi_search(
 array[ ProjectName, LogStore, UserAgent, Method ],
 array[ 'ProjectName', 'LogStore', 'UserAgent', 'Method' ], real, forecast, 1) 
from ( 
select ProjectName, LogStore, UserAgent, Method,
 sum(case when time < 1552436040 then real else 0 end) * 1.0 / sum(case when time < 1552436040 
then 1 else 0 end) as forecast,
 sum(case when time >=1552436040 then real else 0 end) *1.0 / sum(case when time >= 1552436040 
then 1 else 0 end) as real
 from ( 
select __time__ - __time__ % 60 as time, ProjectName, LogStore, UserAgent, Method, COUNT(*) as real 
from log GROUP by time, ProjectName, LogStore, UserAgent, Method ) 
GROUP BY ProjectName, LogStore, UserAgent, Method limit 100000000)