Anomaly Detector プロセス

Databricks
Service Bus
ストレージ アカウント

ソリューションのアイデア Solution Idea

さらなる情報、実装の詳細、価格ガイダンス、コード例を追加してこの記事を拡張することをお望みの場合は、GitHub のフィードバックでご連絡ください。If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

アーキテクチャArchitecture

アーキテクチャ図 このアーキテクチャの SVG をダウンロードしてください。Architecture diagram Download an SVG of this architecture.

Data FlowData Flow

  1. Anomaly Detector によって監視される生データを含むさまざまなストアからデータを取り込みます。Ingests data from the various stores that contain raw data to be monitored by Anomaly Detector.
  2. 生データを集計、サンプリング、計算して時系列を生成します。時系列が既に準備されている場合は、Anomaly Detector API を直接呼び出し、検出結果を含む応答を取得します。Aggregates, samples, and computes the raw data to generate the time series, or calls the Anomaly Detector API directly if the time series are already prepared and gets a response with the detection results.
  3. 異常関連のメタデータをキューに追加します。Queues the anomaly related meta data.
  4. 異常関連のメタデータに基づいて、カスタマイズされたアラート サービスを呼び出します。Based on the anomaly related meta data, calls the customized alerting service.
  5. 異常検出メタデータを保存します。Stores the anomaly detection meta data.
  6. 時系列の異常検出の結果を視覚化します。Visualizes the results of the time series anomaly detection.

コンポーネントComponents

  • Service Bus: 信頼性の高いクラウド MaaS (サービスとしてのメッセージング) とシンプルなハイブリッド統合Service Bus: Reliable cloud messaging as a service (MaaS) and simple hybrid integration
  • Azure Databricks:高速で使いやすい、コラボレーション対応の Apache Spark ベースの分析サービスAzure Databricks: Fast, easy, and collaborative Apache Spark–based analytics service
  • Power BI: 対話型のデータ視覚化 BI ツールPower BI: Interactive data visualization BI tools
  • ストレージ アカウント:耐久性があり、高度にスケーラブルな高可用性クラウド ストレージStorage Accounts: Durable, highly available, and massively scalable cloud storage

次のステップNext steps