Share via

Självstudie: Identifiera och analysera avvikelser med hjälp av KQL-maskininlärningsfunktioner i Azure Monitor

  • Artikel

Kusto-frågespråk (KQL) innehåller maskininlärningsoperatorer, funktioner och plugin-program för tidsserieanalys, avvikelseidentifiering, prognostisering och rotorsaksanalys. Använd dessa KQL-funktioner för att utföra avancerad dataanalys i Azure Monitor utan att behöva exportera data till externa maskininlärningsverktyg.

I den här guiden får du lära dig att:

  • Skapa en tidsserie
  • Identifiera avvikelser i en tidsserie
  • Justera inställningarna för avvikelseidentifiering för att förfina resultaten
  • Analysera rotorsaken till avvikelser

Anteckning

Den här självstudien innehåller länkar till en Log Analytics-demomiljö där du kan köra KQL-frågeexemplen. Du kan dock implementera samma KQL-frågor och huvudnamn i alla Azure Monitor-verktyg som använder KQL.

Förutsättningar

Behörigheter som krävs

Du måste till exempel ha Microsoft.OperationalInsights/workspaces/query/*/read behörighet till de Log Analytics-arbetsytor som du frågar efter, enligt log analytics-läsarens inbyggda roll.

Skapa en tidsserie

Använd KQL-operatorn make-series för att skapa en tidsserie.

Nu ska vi skapa en tidsserie baserat på loggar i tabellen Användning, som innehåller information om hur mycket data varje tabell i en arbetsyta matar in varje timme, inklusive fakturerbara och icke-fakturerbara data.

Den här frågan använder make-series för att kartlägga den totala mängden fakturerbara data som matas in av varje tabell på arbetsytan varje dag under de senaste 21 dagarna:

Klicka här om du vill köra frågan

let starttime = 21d; // The start date of the time series, counting back from the current date
let endtime = 0d; // The end date of the time series, counting back from the current date
let timeframe = 1d; // How often to sample data
Usage // The table we’re analyzing
| where TimeGenerated between (startofday(ago(starttime))..startofday(ago(endtime))) // Time range for the query, beginning at 12:00 AM of the first day and ending at 12:00 AM of the last day in the time range
| where IsBillable == "true" // Include only billable data in the result set
| make-series ActualUsage=sum(Quantity) default = 0 on TimeGenerated from startofday(ago(starttime)) to startofday(ago(endtime)) step timeframe by DataType // Creates the time series, listed by data type 
| render timechart // Renders results in a timechart

I det resulterande diagrammet kan du tydligt se några avvikelser , till exempel i datatyperna AzureDiagnostics och SecurityEvent :

En animerad GIF som visar ett diagram över de totala data som matas in av varje tabell på arbetsytan varje dag, över 21 dagar. Markören flyttas för att markera tre användningsavvikelser i diagrammet.

Sedan använder vi en KQL-funktion för att lista alla avvikelser i en tidsserie.

Anteckning

Mer information om make-series syntax och användning finns i operatorn make-series.

Hitta avvikelser i en tidsserie

Funktionen series_decompose_anomalies() tar en serie värden som indata och extraherar avvikelser.

Nu ska vi ge resultatuppsättningen för vår tidsseriefråga som indata till series_decompose_anomalies() funktionen:

Klicka här om du vill köra frågan

let starttime = 21d; // Start date for the time series, counting back from the current date
let endtime = 0d; // End date for the time series, counting back from the current date
let timeframe = 1d; // How often to sample data
Usage // The table we’re analyzing
| where TimeGenerated between (startofday(ago(starttime))..startofday(ago(endtime))) // Time range for the query, beginning at 12:00 AM of the first day and ending at 12:00 AM of the last day in the time range
| where IsBillable == "true" // Includes only billable data in the result set
| make-series ActualUsage=sum(Quantity) default = 0 on TimeGenerated from startofday(ago(starttime)) to startofday(ago(endtime)) step timeframe by DataType // Creates the time series, listed by data type
| extend(Anomalies, AnomalyScore, ExpectedUsage) = series_decompose_anomalies(ActualUsage) // Scores and extracts anomalies based on the output of make-series 
| mv-expand ActualUsage to typeof(double), TimeGenerated to typeof(datetime), Anomalies to typeof(double),AnomalyScore to typeof(double), ExpectedUsage to typeof(long) // Expands the array created by series_decompose_anomalies()
| where Anomalies != 0  // Returns all positive and negative deviations from expected usage
| project TimeGenerated,ActualUsage,ExpectedUsage,AnomalyScore,Anomalies,DataType // Defines which columns to return 
| sort by abs(AnomalyScore) desc // Sorts results by anomaly score in descending ordering

Den här frågan returnerar alla användningsavvikelser för alla tabeller under de senaste tre veckorna:

En skärmbild av en tabell som visar en lista över avvikelser i användningen för alla tabeller på arbetsytan.

Om du tittar på frågeresultatet kan du se att funktionen:

  • Beräknar en förväntad daglig användning för varje tabell.
  • Jämför den faktiska dagliga användningen med förväntad användning.
  • Tilldelar en avvikelsepoäng till varje datapunkt, vilket anger omfattningen av avvikelsen för den faktiska användningen från förväntad användning.
  • Identifierar positiva (1) och negativa (-1) avvikelser i varje tabell.

Anteckning

Mer information om series_decompose_anomalies() syntax och användning finns i series_decompose_anomalies().

Justera inställningarna för avvikelseidentifiering för att förfina resultaten

Det är bra att granska de första frågeresultaten och justera frågan om det behövs. Avvikande värden i indata kan påverka funktionens inlärning och du kan behöva justera funktionens inställningar för avvikelseidentifiering för att få mer exakta resultat.

Filtrera resultatet av series_decompose_anomalies() frågan efter avvikelser i AzureDiagnostics datatypen:

En tabell som visar resultatet av avvikelseidentifieringsfrågan, filtrerad efter resultat från Azure Diagnostics datatypen.

Resultaten visar två avvikelser den 14 juni och 15 juni. Jämför dessa resultat med diagrammet från vår första make-series fråga, där du kan se andra avvikelser den 27 och 28 maj:

En skärmbild som visar ett diagram över de totala data som matas in av tabellen Azure Diagnostics med avvikelser markerade.

Skillnaden i resultat beror på att series_decompose_anomalies() funktionen får avvikelser i förhållande till det förväntade användningsvärdet, som funktionen beräknar baserat på det fullständiga intervallet med värden i indataserien.

Om du vill få mer förfinade resultat från funktionen undantar du användningen den 15 juni – som är en avvikare jämfört med de andra värdena i serien – från funktionens inlärningsprocess.

Syntaxen för series_decompose_anomalies() funktionen är:

series_decompose_anomalies (Series[Threshold,Seasonality,Trend,Test_points,AD_method,Seasonality_threshold])

Test_points anger antalet punkter i slutet av serien som ska undantas från inlärningsprocessen (regression).

Om du vill exkludera den sista datapunkten anger du Test_points till 1:

Klicka här om du vill köra frågan

let starttime = 21d; // Start date for the time series, counting back from the current date
let endtime = 0d; // End date for the time series, counting back from the current date
let timeframe = 1d; // How often to sample data
Usage // The table we’re analyzing
| where TimeGenerated between (startofday(ago(starttime))..startofday(ago(endtime))) // Time range for the query, beginning at 12:00 AM of the first day and ending at 12:00 AM of the last day in the time range
| where IsBillable == "true" // Includes only billable data in the result set
| make-series ActualUsage=sum(Quantity) default = 0 on TimeGenerated from startofday(ago(starttime)) to startofday(ago(endtime)) step timeframe by DataType // Creates the time series, listed by data type
| extend(Anomalies, AnomalyScore, ExpectedUsage) = series_decompose_anomalies(ActualUsage,1.5,-1,'avg',1) // Scores and extracts anomalies based on the output of make-series, excluding the last value in the series - the Threshold, Seasonality, and Trend input values are the default values for the function 
| mv-expand ActualUsage to typeof(double), TimeGenerated to typeof(datetime), Anomalies to typeof(double),AnomalyScore to typeof(double), ExpectedUsage to typeof(long) // Expands the array created by series_decompose_anomalies()
| where Anomalies != 0  // Returns all positive and negative deviations from expected usage
| project TimeGenerated,ActualUsage,ExpectedUsage,AnomalyScore,Anomalies,DataType // Defines which columns to return 
| sort by abs(AnomalyScore) desc // Sorts results by anomaly score in descending ordering

Filtrera resultatet för AzureDiagnostics datatypen:

En tabell som visar resultatet av den ändrade avvikelseidentifieringsfrågan, filtrerad efter resultat från Azure Diagnostics datatyp. Resultatet visar nu samma avvikelser som diagrammet som skapades i början av självstudien.

Alla avvikelser i diagrammet från vår första make-series fråga visas nu i resultatuppsättningen.

Analysera rotorsaken till avvikelser

Genom att jämföra förväntade värden med avvikande värden kan du förstå orsaken till skillnaderna mellan de två uppsättningarna.

KQL-plugin-programmet diffpatterns() jämför två datauppsättningar med samma struktur och hittar mönster som kännetecknar skillnader mellan de två datauppsättningarna.

Den här frågan jämför AzureDiagnostics användningen den 15 juni, den extrema extremavvikelsen i vårt exempel, med tabellanvändningen andra dagar:

Klicka här om du vill köra frågan

let starttime = 21d; // Start date for the time series, counting back from the current date
let endtime = 0d; // End date for the time series, counting back from the current date
let anomalyDate = datetime_add('day',-1, make_datetime(startofday(ago(endtime)))); // Start of day of the anomaly date, which is the last full day in the time range in our example (you can replace this with a specific hard-coded anomaly date)
AzureDiagnostics	
| extend AnomalyDate = iff(startofday(TimeGenerated) == anomalyDate, "AnomalyDate", "OtherDates") // Adds calculated column called AnomalyDate, which splits the result set into two data sets – AnomalyDate and OtherDates
| where TimeGenerated between (startofday(ago(starttime))..startofday(ago(endtime))) // Defines the time range for the query
| project AnomalyDate, Resource // Defines which columns to return
| evaluate diffpatterns(AnomalyDate, "OtherDates", "AnomalyDate") // Compares usage on the anomaly date with the regular usage pattern

Frågan identifierar varje post i tabellen som inträffar på AnomalyDate (15 juni) eller OtherDates. Plugin-programmet diffpatterns() delar sedan upp dessa datauppsättningar – med namnet A (OtherDates i vårt exempel) och B (AnomalyDate i vårt exempel) – och returnerar några mönster som bidrar till skillnaderna i de två uppsättningarna:

En skärmbild som visar en tabell med tre rader. Varje rad visar en skillnad mellan användningen vid avvikande användning och baslinjeanvändningen.

Om du tittar på frågeresultaten kan du se följande skillnader:

  • Det finns 24 892 147 instanser av inmatning från CH1-GEARAMAAKS-resursen under alla andra dagar i frågetidsintervallet och ingen datainmatning från den här resursen den 15 juni. Data från CH1-GEARAMAAKS-resursen står för 73,36 % av den totala inmatningen andra dagar i frågetidsintervallet och 0 % av den totala inmatningen den 15 juni.
  • Det finns 2 168 448 instanser av inmatning från NSG-TESTSQLMI519-resursen på alla andra dagar i frågetidsintervallet och 110 544 instanser av inmatning från den här resursen den 15 juni. Data från NSG-TESTSQLMI519-resursen står för 6,39 % av den totala inmatningen andra dagar i frågetidsintervallet och 25,61 % av inmatningen den 15 juni.

Observera att det i genomsnitt finns 108 422 instanser av inmatning från resursen NSG-TESTSQLMI519 under de 20 dagar som utgör den andra dagarsperioden (dividera 2 168 448 med 20). Därför skiljer sig inmatningen från NSG-TESTSQLMI519-resursen den 15 juni inte nämnvärt från inmatningen från den här resursen andra dagar. Men eftersom det inte finns någon inmatning från CH1-GEARAMAAKS den 15 juni utgör inmatningen från NSG-TESTSQLMI519 en betydligt större procentandel av den totala inmatningen på avvikelsedatumet jämfört med andra dagar.

Kolumnen PercentDiffAB visar den absoluta procentuella skillnaden mellan A och B (|PercentA – PercentB|), som är det viktigaste måttet på skillnaden mellan de två uppsättningarna. Som standard diffpatterns() returnerar plugin-programmet skillnaden på över 5 % mellan de två datauppsättningarna, men du kan justera det här tröskelvärdet. Om du till exempel bara vill returnera skillnader på 20 % eller mer mellan de två datauppsättningarna kan du ange | evaluate diffpatterns(AnomalyDate, "OtherDates", "AnomalyDate", "~", 0.20) i frågan ovan. Frågan returnerar nu bara ett resultat:

En skärmbild som visar en tabell med en rad som visar en skillnad mellan användningen vid avvikande användning och baslinjeanvändningen. Den här gången returnerade frågan inte skillnader på mindre än 20 procent mellan de två datauppsättningarna.

Anteckning

Mer information om diffpatterns() syntax och användning finns i plugin-programmet för diffmönster.

Nästa steg

Läs mer om: