本文作者:bright,物联网公司大数据架构师。曾就职于暴风科技,金山云等企业。对大数据架构和机器学习有浓厚兴趣。
如果你想一站式快速体验 Elasticsearch 所有功能(免费提供机器学习、 X-pack 能力),开通 阿里云 Elasticsearch 1核2G,即可首月免费试用。
前言
机器学习已经在现在的工业实践中得到了广泛的应用。作为强大搜索引擎的ElasticSearch也在6.3开始内置了对机器学习的支持。
概述
从应用角度来看,如果你有异常侦测和数据回归方面的需求,并且数据不需要特别处理,直接从es里就可以接入,可以选择Es内置的机器学习功能,这样又快又迅速。但是如果要借助更多的机器学习算法来进行建模,选择python的Eland模块进行机器学习就比较合适。下面会就这2种机器学习方式,从安装到应用进行一一介绍。
Elasticsearch 内置的机器学习
Kibana主页上加载样本Web日志数据集后,点击 查看数据> ML作业。
在机器学习应用程序中,当您kibana_sample_data_logs 在"数据可视化工具"或"异常检测"作业向导中选择索引模式时,使用其已知配置创建作业。选择 Kibana示例数据Web日志配置。
Kibana支持四种类型的机器学习作业
1、在Kibana中,Single-metric jobs:数据分析仅在一个索引字段上执行
2、Multi-metric jobs:可以对多个索引字段执行数据分析; 但是,每个字段都分别进行分析
3、Advanced jobs:可以对多个索引字段执行数据分析。提供检测器和影响者的完整配置设置
4、 Population jobs:对不常见数据(例如检测总体中的异常值)的分布行为的数据分析
现在以Single-metric jobs为例,学习如何使用Elasticsearch内建机器学习功能。
样本作业(low_request_rate)之一是单个度量异常检测作业。它具有使用该low_count功能和有限工作属性的单个检测器。如果要确定网站上的请求率何时显着下降,则可以使用这样的工作。
让我们从在Single Metric Viewer中查看这个简单的工作开始 :
该视图包含一个图表,该图表表示一段时间内的实际值和期望值。仅当作业已model_plot_config启用时才可用。它只能显示一个时间序列。
图表中的蓝线代表实际数据值。蓝色阴影区域表示期望值的界限。上限和下限之间的区域是模型最可能的值。如果某个值不在该区域内,则可以说它是异常的。
将时间选择器滑动到时间序列中包含红色异常数据点的部分。如果将鼠标悬停在该点上,则可以查看更多信息。除了异常侦测,es还可以方便的做数值回归预测。
python的eland模块
如果需要引入更多的机器学习模型训练方式,可以使用eland模块来和ElasticSearch协作。
为什么会有eland?
数据科学家通常不习惯NoSQL数据库引擎执行常见任务,甚至不依赖复杂的REST API进行分析。例如,使用Elasticsearch的低级python客户端处理大量数据也不是那么直观,并且对于来自SWE以外领域的人来说,学习曲线有些陡峭。
尽管Elastic为增强用于分析和数据科学用例的ELK堆栈做出了巨大的努力,但它仍然缺乏与现有数据科学生态系统(pandas,numpy,scikit-learn,PyTorch和其他流行的库)的便捷接口。
的推出是一个全新的Python Elasticsearch客户端和工具包,具有强大(且熟悉)的类似于pandas的API,用于分析,ETL和机器学习。
Eland在可能的情况下使用现有的Python API和数据结构来简化在numpy,pandas,scikit-learn和其Elasticsearch支持的等效项之间的切换。通常,数据驻留在Elasticsearch中,而不是内存中,这使Eland可以访问Elasticsearch中存储的大型数据集。Eland还提供了一些工具,可以从,和等通用库经过训练的机器学习模型上传到Elasticsearch中。
Eland使数据科学家可以有效地使用已经强大的Elasticsearch分析和ML功能,而无需对Elasticsearch及其许多复杂知识有深入的了解。
Elasticsearch的功能和概念被转换为更易于识别的设置。例如,Elasticsearch索引及其文档,映射和字段成为具有行和列的数据框,就像我们以前在使用pandas时所看到的那样。
Eland的安装
可以使用Pip从安装Eland :
$ python -m pip安装eland
也可以使用Conda从安装Eland :
$ conda安装-c conda-forge eland
Eland链接Elasticsearch
Eland使用连接到Elasticsearch。该客户端支持一系列。可以将实例传递elasticsearch.Elasticsearch给Eland API,也可以将包含主机的字符串传递给以下对象:
import eland as ed
# Connecting to an Elasticsearch instance running on 'localhost:9200'
df = ed.DataFrame("localhost:9200", es_index_pattern="flights")
# Connecting to an Elastic Cloud instance
from elasticsearch import Elasticsearch
es = Elasticsearch(
cloud_id="cluster-name:...",
http_auth=("elastic", "<password>")
)
df = ed.DataFrame(es, es_index_pattern="flights")
用eland进行机器学习
eland.DataFrame在类似于Pandas的API中包装Elasticsearch索引,并将所有对数据的处理和过滤推迟到Elasticsearch而不是本地计算机上进行。这意味着您可以从Jupyter Notebook中在Elasticsearch中处理大量数据,而不会导致计算机过载。
现在可以对xboost框架进行模型训练后,将模型部署到Elasticsearch,就可以直接实现对数据的预测了。一切很简单。
>>> from xgboost import XGBClassifier
>>> from eland.ml import ImportedMLModel
# Train and exercise an XGBoost ML model locally
>>> xgb_model = XGBClassifier(booster="gbtree")
>>> xgb_model.fit(training_data[0], training_data[1])
>>> xgb_model.predict(training_data[0])
[0 1 1 0 1 0 0 0 1 0]
# Import the model into Elasticsearch
>>> es_model = ImportedMLModel(
es_client="localhost:9200",
model_id="xgb-classifier",
model=xgb_model,
feature_names=["f0", "f1", "f2", "f3", "f4"],
)
# Exercise the ML model in Elasticsearch with the training data
>>> es_model.predict(training_data[0])
[0 1 1 0 1 0 0 0 1 0]
结束语
Elasticsearch 作为搜索引擎,赋能了快速排序,搜索的场景。现在内置的机器学习模块为借助es搜索的场景又增加了异常侦测,回归预测等强大的ai能力,无疑为es在和其他搜索引擎竞争中增加了强大助力。对这方面有兴趣的读者,可以关注我们,持续获取这方面资讯。
声明:
本文版权归作者所有,未经许可不得擅自转载或引用。
【阿里云Elastic Stack】100%兼容开源ES,独有9大能力,提供免费 X-pack服务(单节点价值$6000)
相关活动
更多折扣活动,请访问阿里云 Elasticsearch 官网
阿里云 Elasticsearch 商业通用版,1核2G ,SSD 20G首月免费
阿里云 Logstash 2核4G首月免费
下载白皮书:Elasticsearch 八大经典场景应用