SLS机器学习最佳实战：日志聚类+异常告警

0.文章系列链接

SLS机器学习介绍（01）：时序统计建模
SLS机器学习介绍（02）：时序聚类建模
SLS机器学习介绍（03）：时序异常检测建模
SLS机器学习介绍（04）：规则模式挖掘
SLS机器学习介绍（05）：时间序列预测

一眼看尽上亿日志-SLS智能聚类(LogReduce)发布
SLS机器学习最佳实战：时序异常检测和报警
SLS机器学习最佳实战：时序预测

1.手中的锤子都有啥？

围绕日志，挖掘其中更大价值，一直是我们团队所关注。在原有日志实时查询基础上，今年SLS在DevOps领域完善了如下功能：

上下文查询
实时Tail和智能聚类，以提高问题调查效率
提供多种时序数据的异常检测和预测函数，来做更智能的检查和预测
数据分析的结果可视化
强大的告警设置和通知，通过调用webhook进行关联行动

今天我们重点介绍下，日志只能聚类和异常告警如何配合，更好的进行异常发现和告警

2.平台实验

2.1 实验数据

一份Sys Log的原始数据，，并且开启了日志聚类服务，具体的状态截图如下：

通过调整下面截图中红色框1的大小，可以改变图中红色框2的结果，但是对于每个最细粒度的pattern并不会改变，也就是说：子Pattern的结果是稳定且唯一的，我们可以通过子Pattern的Signature找到对应的原始日志条目。

2.2 生成子模式的时序信息

假设，我们对这个子Pattern要进行监控：

msg:vm-111932.tc su: pam_unix(*:session): session closed for user root
对应的 signature_id : __log_signature__: 1814836459146662485

我们得到了上述pattern对应的原始日志，可以看下具体的数量在时间轴上的直返图：

上图中，我们可以发现，这个模式的日志分布不是很均衡，其中还有一些是没有的，如果直接按照时间窗口统计数量，得到的时序图如下：

__log_signature__: 1814836459146662485 |
select date_trunc('minute', __time__) as time, COUNT(*) as num
from log GROUP BY time order by time ASC limit 10000

上述图中我们发现时间上并不是连续的。因此，我们需要对这条时序进行补点操作。

__log_signature__: 1814836459146662485 |
select time_series(time, '1m', '%Y-%m-%d %H:%i:%s', '0') as time, avg(num) as num
from  ( select __time__ - __time__ % 60 as time, COUNT(*) as num from log GROUP BY time order by time desc )
GROUP by time order by time ASC limit 10000

2.3 对时序进行异常检测

使用时序异常检测函数： ts_predicate_arma

__log_signature__: 1814836459146662485 |
select ts_predicate_arma(to_unixtime(time), num, 5, 1, 1, 1, 'avg')
from  ( select time_series(time, '1m', '%Y-%m-%d %H:%i:%s', '0') as time, avg(num) as num from  ( select __time__ - __time__ % 60 as time, COUNT(*) as num from log GROUP BY time order by time desc ) GROUP by time order by time ASC ) limit 10000

2.4 告警该如何设置

将机器学习函数的结果拆解开

__log_signature__: 1814836459146662485 |
select t1[1] as unixtime, t1[2] as src, t1[3] as pred, t1[4] as up, t1[5] as lower, t1[6] as prob
from  ( select ts_predicate_arma(to_unixtime(time), num, 5, 1, 1, 1, 'avg') as res from  ( select time_series(time, '1m', '%Y-%m-%d %H:%i:%s', '0') as time, avg(num) as num from  ( select __time__ - __time__ % 60 as time, COUNT(*) as num from log GROUP BY time order by time desc ) GROUP by time order by time ASC )) , unnest(res) as t(t1)

针对最近两分钟的结果进行告警

__log_signature__: 1814836459146662485 |
select unixtime, src, pred, up, lower, prob
from  ( select t1[1] as unixtime, t1[2] as src, t1[3] as pred, t1[4] as up, t1[5] as lower, t1[6] as prob from  ( select ts_predicate_arma(to_unixtime(time), num, 5, 1, 1, 1, 'avg') as res from  ( select time_series(time, '1m', '%Y-%m-%d %H:%i:%s', '0') as time, avg(num) as num from  ( select __time__ - __time__ % 60 as time, COUNT(*) as num from log GROUP BY time order by time desc ) GROUP by time order by time ASC )) , unnest(res) as t(t1) ) where is_nan(src) = false order by unixtime desc limit 2

针对上升点进行告警，并设置兜底策略

__log_signature__: 1814836459146662485 |
select sum(prob) as sumProb, max(src) as srcMax, max(up) as upMax
from ( select unixtime, src, pred, up, lower, prob from  ( select t1[1] as unixtime, t1[2] as src, t1[3] as pred, t1[4] as up, t1[5] as lower, t1[6] as prob from  ( select ts_predicate_arma(to_unixtime(time), num, 5, 1, 1, 1, 'avg') as res from  ( select time_series(time, '1m', '%Y-%m-%d %H:%i:%s', '0') as time, avg(num) as num from  ( select __time__ - __time__ % 60 as time, COUNT(*) as num from log GROUP BY time order by time desc ) GROUP by time order by time ASC )) , unnest(res) as t(t1) ) where is_nan(src) = false order by unixtime desc limit 2 )

具体的告警设置如下：

3.硬广时间

3.1 日志进阶

这里是日志服务的各种功能的演示日志服务整体介绍，各种Demo

原文链接
本文为云栖社区原创内容，未经允许不得转载。

SLS机器学习最佳实战：日志聚类+异常告警相关推荐

SLS机器学习最佳实战：批量时序异常检测
0.文章系列链接 SLS机器学习介绍(01):时序统计建模 SLS机器学习介绍(02):时序聚类建模 SLS机器学习介绍(03):时序异常检测建模 SLS机器学习介绍(04):规则模式挖掘 SLS机器 ...
SLS机器学习介绍（05）：时间序列预测
00系列文章目录 0.1 算法原理目录 SLS机器学习介绍(01):时序统计建模 SLS机器学习介绍(02):时序聚类建模 SLS机器学习介绍(03):时序异常检测建模 SLS机器学习介绍(04):规 ...
SLS机器学习介绍（01）：时序统计建模
文章系列链接 SLS机器学习介绍(01):时序统计建模 SLS机器学习介绍(02):时序聚类建模 SLS机器学习介绍(03):时序异常检测建模 SLS机器学习介绍(04):规则模式挖掘 SLS机器学习 ...
SLS机器学习介绍（02）：时序聚类建模
文章系列链接 SLS机器学习介绍(01):时序统计建模 SLS机器学习介绍(02):时序聚类建模 SLS机器学习介绍(03):时序异常检测建模 SLS机器学习介绍(04):规则模式挖掘前言第一篇文 ...
TDSQL新增子set报错，DB资源异常告警解决实战
作者:我在听风想你大家好,这次给大家带来一个新的问题解决实战,废话不多说,直接上干货. 现象:新创建分布式实例后,分布式实例新增实例子set失败(报错与Hang住). 这个问题我们是这么发现的,需要 ...
机器学习实战——密度聚类算法
机器学习实战--密度聚类算法 1 密度聚类 2 sklearn中的实现 1 密度聚类密度聚类假设聚类结构能够通过样本分布的密集程度确定,通常情形下,密度聚类算法从样本密度的角度来考察样本之间的可连接 ...
机器学习实战——层次聚类算法
机器学习实战--层次聚类算法 1 层次聚类概述 2 sklearn中的实现 1 层次聚类概述层次聚类试图在不同层次对数据集进行划分,从而形成树形的聚类结构. 数据集的划分可采用"自底向上& ...
【机器学习项目实战】Python实现聚类(Kmeans)分析客户分组
说明:这是一个机器学习实战项目(附带数据+代码),如需数据+完整代码可以直接到文章最后获取. 1.问题定义在日常银行.电商等公司中,随着时间的推移,都会积累一些客户的数据.在当前的大数据时代.人工智 ...
【机器学习PAI实战】—— 玩转人工智能之综述
摘要: 基于人工智能火热的大背景下,通过阿里云的机器学习平台PAI在真实场景中的应用,详细阐述相关算法及使用方法,力求能够让读者读后能够马上动手利用PAI搭建属于自己的机器学习实用方案,真正利用PAI ...