Vizualizálja az Amazon Lookout for Metrics anomáliáit az Amazon QuickSight segítségével

Az egyik kihívás, amellyel a csapatok szembesülnek Amazon Lookout for Metrics gyorsan és hatékonyan csatlakoztatja az adatvizualizációhoz. Az anomáliák egyenként jelennek meg a Lookout for Metrics konzolon, mindegyik saját grafikonnal, ami megnehezíti a halmaz egészének megtekintését. A mélyebb elemzéshez automatizált, integrált megoldásra van szükség.

Ebben a bejegyzésben egy Lookout for Metrics élő detektort használunk, amely a következőképpen épült fel Elkezdeni szakasz a AWS-minták, Amazon Lookout for Metrics GitHub repo. Miután az érzékelő aktív, és anomáliák generáltak az adatkészletből, összekapcsoljuk a Lookout for Metrics szolgáltatással Amazon QuickSight. Két adatkészletet hozunk létre: az egyiket a dimenziótáblázat és az anomáliatáblázat, a másik pedig az anomáliatáblázat és az élő adatok összekapcsolásával. Ezt a két adatkészletet ezután hozzáadhatjuk egy QuickSight elemzéshez, ahol egyetlen irányítópulton is hozzáadhatunk diagramokat.

A Lookout for Metrics detektornak kétféle adatot tudunk biztosítani: folyamatos és történelmi. A AWS minták GitHub repo mindkettőt kínálja, bár mi a folyamatos élő adatokra koncentrálunk. A detektor figyeli ezeket az élő adatokat, hogy azonosítsa az anomáliákat, és ráírja az anomáliákat Amazon egyszerű tárolási szolgáltatás (Amazon S3), ahogy generálják. Egy meghatározott intervallum végén a detektor elemzi az adatokat. Idővel a detektor megtanulja pontosabban azonosítani az anomáliákat a talált minták alapján.

A Lookout for Metrics gépi tanulást (ML) használ az üzleti és működési adatok anomáliáinak automatikus észlelésére és diagnosztizálására, például az árbevétel vagy az ügyfélszerzési arány hirtelen zuhanására. A szolgáltatás 25. március 2021-től általánosan elérhető. Automatikusan ellenőrzi és készíti elő a különböző forrásokból származó adatokat, hogy gyorsabban és pontosabban észlelje az anomáliákat, mint a hagyományos anomália-észlelési módszerek. Az észlelt anomáliákról visszajelzést is adhat az eredmények hangolásához és a pontosság időbeli javításához. A Lookout for Metrics megkönnyíti az észlelt anomáliák diagnosztizálását az azonos eseményhez kapcsolódó rendellenességek csoportosításával és a lehetséges kiváltó ok összegzését tartalmazó riasztás elküldésével. Az anomáliákat súlyossági sorrendbe is sorolja, így Ön a vállalkozása szempontjából legfontosabb dolgokra helyezheti a figyelmet.

A QuickSight egy teljesen felügyelt, felhőalapú üzleti intelligencia (BI) szolgáltatás, amely megkönnyíti az adatokhoz való csatlakozást interaktív irányítópultok létrehozásához és közzétételéhez. Ezenkívül használhatja Amazon QuickSight hogy azonnali válaszokat kapjon természetes nyelvi lekérdezéseken keresztül.

Bármilyen eszközről elérheti a szerver nélküli, nagymértékben méretezhető QuickSight irányítópultokat, és zökkenőmentesen beágyazhatja azokat alkalmazásaiba, portáljaiba és webhelyeibe. A következő képernyőkép egy példa arra, hogy mit érhet el a bejegyzés végére.

A megoldás áttekintése

A megoldás az AWS szolgáltatások kombinációja, elsősorban a Lookout for Metrics, a QuickSight, AWS Lambda, Amazon Athéné, AWS ragasztóés az Amazon S3.

A következő ábra a megoldás architektúráját mutatja be. A Lookout for Metrics észleli és riasztáson keresztül elküldi az anomáliákat a Lambdának. A Lambda funkció az anomália eredményeket CSV-fájlként állítja elő, és elmenti az Amazon S3-ba. Az AWS Glue bejáró elemzi a metaadatokat, és táblázatokat hoz létre az Athénában. A QuickSight az Athena segítségével kérdezi le az Amazon S3 adatait, lehetővé téve irányítópultok létrehozását az anomália eredmények és az élő adatok megjelenítéséhez.

Ez a megoldás kiterjeszti a ben létrehozott erőforrásokat Elkezdeni a GitHub repo szakasza. Minden lépéshez megadjuk az erőforrások létrehozásának lehetőségeit a AWS felügyeleti konzol vagy elindítja a biztosított AWS felhőképződés Kazal. Ha rendelkezik testreszabott Lookout for Metrics detektorral, akkor használhatja és módosíthatja a következők szerint jegyzetfüzet ugyanazokat az eredményeket elérni.

A megvalósítás lépései a következők:

1. Hozza létre a Amazon SageMaker notebook példány (ALFMTestNotebook) és a jegyzetfüzetek a következőben található köteg használatával Kezdeti beállítás szakasz a GitHub repo.
2. Nyissa meg a notebook példányt a SageMaker konzolon, és navigáljon a amazon-lookout-for-metrics-samples/getting_started mappát.
3. Hozza létre az S3 tárolót, és fejezze be az adatok előkészítését az elsővel jegyzetfüzet (1.PrereqSetupData.ipynb). Nyissa ki a notebookot a conda_python3 kernel, ha a rendszer kéri.

A másodikat kihagyjuk jegyzetfüzet mert az adatok utólagos tesztelésére összpontosít.

4. Ha a példát a konzol segítségével járja végig, hozza létre a Lookout for Metrics élő érzékelőt és annak riasztását a harmadik jegyzetfüzet (3.GettingStartedWithLiveData.ipynb).

Ha a mellékelt CloudFormation-veremeket használja, a harmadik jegyzetfüzetre nincs szükség. Az érzékelő és annak riasztása a verem részeként jön létre.

5. Miután létrehozta a Lookout for Metrics élő érzékelőt, aktiválnia kell azt a konzolról.

Ez akár 2 órát is igénybe vehet a modell inicializálása és az anomáliák észlelése.

6. Telepítsen egy Lambda funkciót a Python használatával egy Pandas könyvtárréteggel, és hozzon létre egy riasztást az élő detektorhoz csatolva az elindításához.
7. Az Athena és az AWS Glue kombinációjával fedezze fel és készítse elő az adatokat a QuickSight számára.
8. Hozza létre a QuickSight adatforrást és adatkészleteket.
9. Végül hozzon létre egy QuickSight elemzést a vizualizációhoz az adatkészletek segítségével.

A CloudFormation szkriptek általában beágyazott veremek halmazaként futnak éles környezetben. Ebben a bejegyzésben egyenként jelennek meg, hogy megkönnyítsék a lépésről lépésre történő áttekintést.

Előfeltételek

Az útmutató végighaladásához szüksége van egy AWS-fiókra, ahol a megoldást telepíteni fogják. Győződjön meg arról, hogy az összes telepített erőforrás ugyanabban a régióban található. Szüksége van egy futó Lookout for Metrics detektorra, amely az 1. és 3. notebookból épül fel GitHub repo. Ha nem rendelkezik futó Lookout for Metrics érzékelővel, két lehetősége van:

• Futtassa az 1. és 3. notebookot, és folytassa ennek a bejegyzésnek az 1. lépésétől (a Lambda funkció és a riasztás létrehozása)
• Futtassa az 1. notebookot, majd a CloudFormation sablon segítségével hozza létre a Lookout for Metrics érzékelőt

Hozza létre az élő érzékelőt az AWS CloudFormation segítségével

A L4MLiveDetector.yaml A CloudFormation szkript létrehozza a Lookout for Metrics anomália-érzékelőt, amelynek forrása a megadott S3-csoportban lévő élő adatokra mutat. Az érzékelő létrehozásához hajtsa végre a következő lépéseket:

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit oldalon adja meg a következő információkat:
   1. Egy veremnév. Például, L4MLiveDetector.
   2. Az S3 vödör, <Account Number>-lookoutmetrics-lab.
   3. Az ARN szerepe, arn:aws:iam::<Account Number>:role/L4MTestRole.
   4. Az anomália észlelési gyakorisága. Választ PT1H (óránkénti).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
6. A Felülvizsgálat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Verem létrehozása.

Élő érzékelő SMS-riasztás létrehozása az AWS CloudFormation segítségével (opcionális)

Ez a lépés nem kötelező. A riasztás példaként jelenik meg, nincs hatással az adatkészlet létrehozására. A L4MLiveDetectorAlert.yaml A CloudFormation szkript létrehozza a Lookout for Metrics anomália-érzékelő riasztást egy SMS-céllal.

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit oldalon frissítse az SMS telefonszámot, és adjon meg egy nevet a veremnek (például L4MLiveDetectorAlert).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
6. A Felülvizsgálat oldalon, jelölje be a nyugtázás jelölőnégyzetet, hagyjon minden mást úgy, ahogy van, és válassza ki Verem létrehozása.

Erőforrás tisztítás

Mielőtt folytatná a következő lépést, állítsa le a SageMaker notebook példányt, hogy ne merüljön fel szükségtelen költségekre. Már nincs rá szükség.

Hozza létre a Lambda funkciót és riasztást

Ebben a részben útmutatást adunk a Lambda funkció és riasztás létrehozásához a konzolon vagy az AWS CloudFormationen keresztül.

Hozza létre a funkciót és riasztást a konzollal

Lambda kell AWS Identity and Access Management (AMI) szerep követő legkevésbé kiváltságos bevált gyakorlat hogy hozzáférjen ahhoz a tárolóhoz, ahová az eredményeket menteni szeretné.

1. 1. A Lambda konzolon hozzon létre egy új funkciót.
   2. választ Szerző a semmiből.
   3. A Funkció neve¸ írjon be egy nevet.
   4. A Runtime, választ Python 3.8.
   5. A Végrehajtási szerepválassza Használjon meglévő szerepet és adja meg a létrehozott szerepet.
   6. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Funkció létrehozása.
2. 
   7. Letöltés a Lambda funkcióhoz szükséges kódot tartalmazó ZIP fájl.
   8. A Lambda konzolon nyissa meg a funkciót.
   9. A Kód lapot választani Feltöltés innen, választ .ZIP fájl, és töltse fel a letöltött fájlt.
   10. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Megtakarítás.

A ZIP-fájl feltöltése után a fájlfának változatlannak kell maradnia.

11. A Rétegek szakaszban válassza Réteg hozzáadása.
12. választ Adjon meg egy ARN-t.
13. Az alábbi GitHub repo, válassza ki a CSV-t annak a régiónak, amelyben dolgozik, és másolja ki az ARN-t a legújabb Pandas verzióból.
14. A Adjon meg egy ARN-t, írja be a másolt ARN-t.
15. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a hozzáad.

16. Ha a függvényt a környezetéhez kívánja igazítani, a lambda_function.py fájl kódjának alján győződjön meg arról, hogy frissítette a vödör nevét azzal a tárolóval, ahová menteni szeretné az anomália eredményeit, és DataSet_ARN az anomália érzékelőjéből.
17. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Telepítése hogy a változtatások aktívak legyenek.

Most csatlakoztatnia kell a Lookout for Metrics érzékelőt a funkciójához.

18. A Lookout for Metrics konzolon navigáljon az érzékelőhöz, és válassza a lehetőséget Figyelmeztetés hozzáadása.
19. Adja meg a riasztás nevét és a kívánt súlyossági küszöböt.
20. A csatornalistából válassza ki a lehetőséget Lambda.
21. Válassza ki a létrehozott függvényt, és győződjön meg arról, hogy rendelkezik a megfelelő szereppel az aktiváláshoz.
22. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Figyelmeztetés hozzáadása.

Most meg kell várnia, amíg a riasztás elindul. Az idő attól függően változik, hogy az érzékelő mikor talál anomáliát.

Ha anomáliát észlel, a Lookout for Metrics elindítja a Lambda funkciót. Megkapja a szükséges információkat a Lookout for Metricstől, és ellenőrzi, hogy van-e már mentett CSV-fájl az Amazon S3-ban az anomália megfelelő időbélyegzőjénél. Ha nincs fájl, a Lambda létrehozza a fájlt, és hozzáadja az anomália adatokat. Ha a fájl már létezik, a Lambda frissíti a fájlt a kapott extra adatokkal. A függvény minden egyes időbélyeghez külön CSV-fájlt hoz létre.

Hozza létre a funkciót és riasztást az AWS CloudFormation segítségével

Hasonlóan a konzol utasításaihoz, te töltse le a ZIP fájlt tartalmazza a lambda funkcióhoz szükséges kódot. Ebben az esetben azonban fel kell tölteni az S3 tárolóba, hogy az AWS CloudFormation kód betölthesse a függvény létrehozása során.

A Lookout for Metrics detektor létrehozása során megadott S3 tárolóban hozzon létre egy lambda-kód nevű mappát, és töltse fel a ZIP-fájlt.

A Lambda függvény ezt tölti be kódként a létrehozás során.

A L4MLambdaFunction.yaml A CloudFormation szkript létrehozza a Lambda funkciót és a riasztási erőforrásokat, és az ugyanabban az S3 tárolóban tárolt funkciókód-archívumot használja.

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit oldalon, adjon meg egy veremnevet (például L4MLambdaFunction).
4. Az alábbi GitHub repo, nyissa meg a CSV-t annak a régiónak, amelyben dolgozik, és másolja ki az ARN-t a legújabb Pandas verzióból.
5. Írja be az ARN-t a Pandas Lambda réteg ARN paramétereként.
6. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
7. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
8. A Felülvizsgálat oldalon, jelölje be a nyugtázás jelölőnégyzetet, hagyjon minden mást úgy, ahogy van, és válassza ki Verem létrehozása.

Aktiválja a detektort

Mielőtt továbblépne a következő lépésre, aktiválnia kell az érzékelőt a konzolról.

1. A Lookout for Metrics konzolon válassza a lehetőséget detektorok a navigációs ablaktáblában.
2. Válassza ki az újonnan létrehozott detektort.
3. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Aktiválja, majd válassza ki Aktiválja ismét erősíteni.

Az aktiválás inicializálja az érzékelőt; akkor fejeződik be, amikor a modell befejezte a tanulási ciklust. Ez akár 2 órát is igénybe vehet.

Készítse elő az adatokat a QuickSight számára

Mielőtt befejezné ezt a lépést, adjon időt az érzékelőnek, hogy megtalálja az anomáliákat. Az Ön által létrehozott Lambda-függvény elmenti az anomália eredményeket a Lookout for Metrics gyűjtőrészében a anomalyResults Könyvtár. Most már feldolgozhatjuk ezeket az adatokat, hogy előkészítsük őket a QuickSight számára.

Hozza létre az AWS Glue bejárót a konzolon

Néhány anomáliás CSV-fájl létrehozása után egy AWS Glue bejárót használunk a metaadattáblázatok létrehozásához.

1. Az AWS Glue konzolon válassza a lehetőséget Bejárók a navigációs ablaktáblában.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Bejáró hozzáadása.

3. Adja meg a bejáró nevét (például L4MCrawler).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Bejáró forrás típusaválassza Adattárak.
6. A Ismételje meg az S3 adattárak feltérképezésétválassza Az összes mappa feltérképezése.
7. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.

8. Az adattár konfigurációs oldalán a Adatok feltérképezéseválassza Meghatározott elérési út a fiókomban.
9. A Tartalmazza az elérési utat, lépjen be a saját útjába dimensionContributions fájl (s3://YourBucketName/anomalyResults/dimensionContributions).
10. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
11. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Igen egy másik adattár hozzáadásához, és ismételje meg a következőhöz tartozó utasításokat metricValue_AnomalyScore(s3://YourBucketName/anomalyResults/metricValue_AnomalyScore).
12. Ismételje meg az utasításokat az élő adatoknak a Lookout for Metrics anomália-detektor általi elemzéséhez (ez az S3 adatkészlet helye a Lookout for Metrics detektorból).

Most már három adattárral kell rendelkeznie a bejáró feldolgozásához.

Most ki kell választania azt a szerepet, amely lehetővé teszi a bejáró számára az adatok S3-as helyeinek áthaladását.

13. Ehhez a bejegyzéshez válassza a lehetőséget Hozzon létre egy IAM-szerepet és adja meg a szerep nevét.
14. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.

15. A Frekvencia, hagyja másként Fuss igény szerint És válasszon Következő.
16. A Konfigurálja a bejáró kimenetét szakaszban válassza Adatbázis hozzáadása.

Ez létrehozza az Athena adatbázist, amelyben a metaadattáblázatok találhatók a bejáró befejezése után.

17. Adja meg az adatbázis nevét, és válassza ki Teremt.
18. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő, majd válassza ki befejez.

19. A Bejárók Az AWS Glue konzol oldalán válassza ki a létrehozott bejárót, és válassza ki Futtassa a bejárót.

Az adatok méretétől függően előfordulhat, hogy várnia kell néhány percet. Ha kész, a bejáró állapota a következőképpen jelenik meg: Kész. A metaadattáblázatok megtekintéséhez keresse meg az adatbázist a Adatbázisok oldalt, és válassza Asztalok a navigációs ablaktáblában.

Ebben a példában az élő nevű metaadattábla a Lookout for Metrics élő érzékelő S3 adatkészletét képviseli. Bevált gyakorlatként javasolt titkosítsa az AWS Glue Data Catalog metaadatait.

Az Athena automatikusan felismeri a metaadattáblázatokat, a QuickSight pedig az Athénát használja az adatok lekérdezésére és az eredmények megjelenítésére.

Hozza létre az AWS Glue bejárót az AWS CloudFormation segítségével

A L4MGlueCrawler.yaml A CloudFormation szkript létrehozza az AWS Glue bejárót, a hozzá tartozó IAM-szerepet és a kimeneti Athena-adatbázist.

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit oldalon adja meg a verem nevét (például L4MGlueCrawler), és válasszon Következő.
4. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
5. A Felülvizsgálat oldalon, jelölje be a nyugtázás jelölőnégyzetet, hagyjon minden mást úgy, ahogy van, és válassza ki Verem létrehozása.

Futtassa az AWS Glue bejárót

A bejáró létrehozása után futnia kell, mielőtt a következő lépésre lépne. Futtathatja a konzolról vagy a AWS parancssori interfész (AWS CLI). A konzol használatához hajtsa végre a következő lépéseket:

1. Az AWS Glue konzolon válassza a lehetőséget Bejárók a navigációs ablaktáblában.
2. Válassza ki a robotot (L4MCrawler).
3. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Futtassa a bejárót.

Amikor a bejáró befejeződött, megmutatja az állapotot Kész.

Hozzon létre egy QuickSight-fiókot

A következő lépés megkezdése előtt lépjen a QuickSight konzolra, és hozzon létre egy fiókot, ha még nem rendelkezik vele. Annak érdekében, hogy biztosan hozzáférjen a megfelelő szolgáltatásokhoz (Athena és S3 vödör), válassza ki a fiók nevét a jobb felső sarokban, majd A QuickSight kezelése, és válasszon Biztonság és engedélyek, ahol felveheti a szükséges szolgáltatásokat. Az Amazon S3 hozzáférés beállításakor ne felejtse el kiválasztani Írási engedély az Athena Workgroup számára.

Most már készen áll arra, hogy megjelenítse adatait a QuickSightban.

Hozzon létre QuickSight adatkészleteket a konzolon

Ha először használja az Athena-t, akkor konfigurálnia kell a lekérdezések kimeneti helyét. Az utasításokat lásd az 1–6. lépésekben Hozzon létre egy adatbázist. Ezután hajtsa végre a következő lépéseket:

1. A QuickSight konzolon válassza a lehetőséget Datasets.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Új adatkészlet.
3. Válassza az Athénét forrásként.
4. Adja meg az adatforrás nevét.
5. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatforrás létrehozása.

6. Az adatbázishoz adja meg azt, amelyet korábban az AWS Glue bejáróval hozott létre.
7. Adja meg azt a táblázatot, amely az élő adatokat tartalmazza (nem az anomáliákat).
8. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Az adatok szerkesztése/előnézete.

A rendszer átirányítja a következő képernyőképhez hasonló felületre.

A következő lépés a metricValue_AnomalyScore adatokat az élő adatokkal.

9. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatok hozzáadása.
10. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatforrás hozzáadása.
11. Adja meg a létrehozott adatbázist és a metricValue_AnomalyScore táblázat.
12. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a választ.

Most be kell állítania a két tábla összekapcsolását.

13. Válassza ki a linket a két táblázat között.
14. A csatlakozási típust hagyja így Bal, adja hozzá az időbélyegzőt és az egyes csatlakozási záradékként használt dimenziókat, és válassza ki alkalmaz.

A következő példában az időbélyeget, a platformot és a piacteret használjuk csatlakozási záradékként.

A jobb oldali panelen eltávolíthatja azokat a mezőket, amelyeket nem szeretne megtartani.

15. Távolítsa el az időbélyeget a metricValue_AnomalyScore táblázat, hogy ne legyen duplikált oszlopa.
16. Módosítsa az időbélyeg adattípusát (az élő adattábla) karakterláncról dátumra, és adja meg a megfelelőt formátum. A mi esetünkben annak kellene lennie yyyy-MM-dd HH:mm:ss.

A következő képernyőképen látható a nézet, miután eltávolított néhány mezőt és módosította az adattípust.

17. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Mentse el és vizualizálja.
18. Válassza az adatkészlet melletti ceruza ikont.
19. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatkészlet hozzáadása És válasszon dimensioncontributions.

Hozzon létre QuickSight-adatkészleteket az AWS CloudFormation segítségével

Ez a lépés három CloudFormation veremből áll.

Az első CloudFormation szkript, L4MQuickSightDataSource.yaml, létrehozza a QuickSight Athena adatforrást.

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit oldalon írja be a QuickSight felhasználónevét, a QuickSight-fiók régióját (amelyet a QuickSight-fiók létrehozásakor adtunk meg) és egy veremnevet (például L4MQuickSightDataSource).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
6. A Felülvizsgálat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Verem létrehozása.

A második CloudFormation szkript, L4MQuickSightDataSet1.yaml, létrehoz egy QuickSight-adatkészletet, amely összekapcsolja a mérettáblázatot az anomáliatáblázattal.

1. Indítsa el a köteget a következő linkről:

2. A Verem létrehozása oldalon válassza a lehetőséget Következő.
3. A Adja meg a verem részleteit, írjon be egy veremnevet (például L4MQuickSightDataSet1).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
6. A Felülvizsgálat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Verem létrehozása.

A harmadik CloudFormation szkript, L4MQuickSightDataSet2.yaml, létrehozza a QuickSight adatkészletet, amely összekapcsolja az anomália táblát az élő adattáblával.

1. Indítsa el a köteget a következő linkről:

2. A Veremoldal létrehozásaválaszt Következő.
3. A Adja meg a verem részleteit oldalon, írjon be egy veremnevet (például L4MQuickSightDataSet2).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
5. A Állítsa be a verembeállításokat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Következő.
6. A Felülvizsgálat oldalt, hagyjon mindent úgy, ahogy van, és válasszon Verem létrehozása.

Hozzon létre QuickSight elemzést az irányítópult létrehozásához

Ez a lépés csak a konzolon hajtható végre. A QuickSight-adatkészletek létrehozása után hajtsa végre a következő lépéseket:

1. A QuickSight konzolon válassza a lehetőséget Elemzés a navigációs ablaktáblában.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Új elemzés.
3. Válassza ki az első adatkészletet, L4MQuickSightDataSetWithLiveData.

4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Elemzés létrehozása.

A QuickSight elemzés kezdetben csak az első adatkészlettel jön létre.

5. A második adatkészlet hozzáadásához válassza a mellette lévő ceruza ikont adatbázisba És válasszon Adatkészlet hozzáadása.
6. Válassza ki a második adatkészletet, és válassza ki választ.

Ezután bármelyik adatkészletet használhatja diagramok létrehozásához, ha kiválasztja azt a adatbázisba legördülő menü.

Adatkészlet-metrikák

Sikeresen létrehozott egy QuickSight elemzést a Lookout for Metrics következtetési eredményeiből és az élő adatokból. A QuickSightban két adatkészlet található, amelyeket használhat: L4M_Visualization_dataset_with_liveData és a L4M_Visualization_dataset_with_dimensionContribution.

A L4M_Visualization_dataset_with_liveData az adatkészlet a következő mutatókat tartalmazza:

• időbélyeg – A Lookout for Metrics számára átadott élő adatok dátuma és időpontja
• nézetek – A nézettségi mutató értéke
• jövedelem – A bevételi mutató értéke
• platform, piactér, bevételAnomalyMetricValue, viewsAnomalyMetricValue, bevételGroupScore és viewsGroupScore – Ezek a mutatók mindkét adatkészlet részét képezik

A L4M_Visualization_dataset_with_dimensionContribution az adatkészlet a következő mutatókat tartalmazza:

• időbélyeg – Az anomália észlelésének dátuma és időpontja
• metrikaName – Az Ön által megfigyelt mutatók
• dimenzióNév – A metrikán belüli dimenzió
• dimensionValue – A dimenzió értéke
• valueHozzájárulás – Annak százalékos aránya, hogy a dimensionValue mekkora mértékben befolyásolja az anomáliát észleléskor

A következő képernyőkép ezt az öt mérőszámot mutatja a Lookout for Metrics érzékelő anomália-műszerfalán.

A következő mutatók mindkét adatkészlet részét képezik:

• emelvény – A platform, ahol az anomália történt
• piactér – A piactér, ahol az anomália történt
• bevételAnomalyMetricValue és nézetekAnomalyMetricValue – A mutató megfelelő értékei, amikor az anomáliát észlelték (ebben a helyzetben a mérőszámok bevételek vagy megtekintések)
• bevételGroupScore és viewsGroupScore – Az észlelt anomáliára vonatkozó egyes metrikák súlyossági pontszámai

Az utolsó mérőszámok jobb megértéséhez tekintse át a Lambda függvény által létrehozott CSV-fájlokat az S3 tárolójában, ahová mentette. anomalyResults/metricValue_AnomalyScore.

A következő lépések

A következő lépés az irányítópultok létrehozása a megtekinteni kívánt adatokhoz. Ez a bejegyzés nem tartalmaz magyarázatot a QuickSight diagramok létrehozására. Ha még nem ismeri a QuickSightot, tekintse meg a Az Amazon QuickSight adatelemzésének első lépései bemutatkozásra. A következő képernyőképek az alapvető irányítópultok példáit mutatják be. További információkért tekintse meg a QuickSight workshopok.

Következtetés

Az anomáliák egyenként jelennek meg a Lookout for Metrics konzolon, mindegyik saját grafikonnal, ami megnehezíti a halmaz egészének megtekintését. A mélyebb elemzéshez automatizált, integrált megoldásra van szükség. Ebben a bejegyzésben egy Lookout for Metrics detektort használtunk anomáliák generálására, és az adatokat összekapcsoltuk a QuickSight szolgáltatással vizualizációk létrehozásához. Ez a megoldás lehetővé teszi számunkra, hogy mélyebb elemzést végezzünk az anomáliákról, és mindezt egyetlen helyen/műszerfalon tároljuk.

Következő lépésként ezt a megoldást egy további adatkészlet hozzáadásával és több detektor anomáliáinak kombinálásával is lehetne bővíteni. A lambda funkciót is módosíthatja. A Lambda függvény tartalmazza a kódot, amely előállítja a QuickSight irányítópultjaihoz használt adatkészleteket és változóneveket. Ezt a kódot az adott használati esethez igazíthatja úgy, hogy megváltoztatja magát az adatkészletet vagy az Ön számára értelmesebb változóneveket.

Ha bármilyen visszajelzése vagy kérdése van, kérjük, hagyja meg őket a megjegyzésekben.

---

A szerzőkről

Benoît de Patoul AI/ML Specialist Solutions Architect az AWS-nél. Útmutatást és technikai segítséget nyújt az ügyfeleknek az AI/ML-hez kapcsolódó megoldások kidolgozásához az AWS használata során.

Paul Troiano Senior Solutions Architect az AWS-nél, székhelye Atlanta, GA. Segíti az ügyfeleket azzal, hogy útmutatást ad az AWS technológiai stratégiáihoz és megoldásaihoz. Szenvedélye az AI/ML és a megoldásautomatizálás.