Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics

Vi är glada att kunna meddela att du nu kan lägga till filter till varningar och även redigera befintliga varningar medan du använder Amazon Lookout för mätvärden. Med den här lanseringen kan du lägga till filter i din varningskonfiguration för att bara få aviseringar om avvikelser som betyder mest för dig. Du kan också ändra befintliga varningar enligt dina behov av meddelanden när avvikelser utvecklas.

Lookout for Metrics använder maskininlärning (ML) för att automatiskt övervaka de mätvärden som är viktigast för företag med högre hastighet och noggrannhet. Tjänsten gör det också lättare att diagnostisera grundorsaken till anomalier som oväntade nedgångar i intäkter, höga andelar övergivna kundvagnar, toppar i betalningstransaktionsmisslyckanden, ökningar av nya användarregistreringar och många fler. Lookout for Metrics går utöver enkel upptäckt av avvikelser. Det gör det möjligt för utvecklare att ställa in autonom övervakning för viktiga mätvärden för att upptäcka avvikelser och identifiera deras grundorsak med bara några få klick, med samma teknik som används av Amazon internt för att upptäcka avvikelser i dess mätvärden – allt utan att ha erfarenhet av ML.

Alert är en valfri funktion som låter dig ställa in meddelanden om avvikelser i datamängderna, som skickas via Amazon enkel meddelandetjänst (Amazon SNS) och AWS Lambda funktioner. Tidigare, när du skapade en varning, fick du ett meddelande om alla upptäckta avvikelser över den allvarlighetsgrad du valde, vilket gjorde det svårt att snabbt identifiera de mest relevanta avvikelserna för ditt företag. Nu, genom att implementera filter och redigeringar i varningssystemet, kan olika affärsenheter inom din organisation specificera vilka typer av varningar de får. Dina utvecklare kan dra nytta av den här funktionen genom att kunna ta emot varningar om avvikelser som är relaterade till utvecklingen av deras tjänst, medan dina affärsanalytiker och företagschefer kan spåra avvikelser relaterade till deras verksamhets status, till exempel en plats som inte presterar . Du kan till exempel ställa in en varning för att få aviseringar när det finns en topp eller minskning av dina intäkter. Men du kanske bara är intresserad av en specifik butiksplats och av en viss produkt. Filtreringsmöjligheten gör att du bara kan få en varning när en intäktsavvikelse passar de kriterier du har ställt in.

Lösningsöversikt

I det här inlägget visar vi hur man skapar Alert med filter och hur de konfigurerade filtren publicerar varningar endast för avvikelser som matchar filterkriterierna. Varningsfiltren är baserade på mätvärden och dimensioner som finns i datasetdefinitionen för anomalidetektorn. Lösningen gör att du kan använda varningsfilter för att få riktade meddelanden om avvikelser som upptäcks i din data. Följande diagram illustrerar lösningsarkitekturen.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Tillhandahålla resurser med AWS CloudFormation

Du kan använda den medföljande AWS molnformation stack för att ställa in resurser för genomgången. Den innehåller resurser för att kontinuerligt generera livedata och publicera dem till Amazon S3, skapa en detektor (namngiven TestAlertFilters) och lägg till en datauppsättning (namngiven AlertFiltersDataset) till detektorn. Slutför följande steg:

  1. Välja Starta stack:
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  2. Välja Nästa.
  3. Ange ett stacknamn (t.ex. L4MAlertFiltersStack).
  4. Ange värdena för detektorn (TestAlertFilters) och dataset (AlertFiltersDataset).
  5. Välja Nästa.
  6. Lämna inställningarna för Konfigurera stackalternativ på sina standardinställningar och välj Nästa.
  7. Markera kryssrutan för bekräftelse och välj Skapa stack.

Aktivera detektorn som skapats av CFN-mallen

Utför följande steg för att ställa in din detektor:

  1. Välj på Lookout for Metrics-konsolen Detektorer i navigeringsfönstret.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  2. Välj detektor TestAlertFilters Och välj Visa detaljer.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  3. För att aktivera detektorn kan du antingen välja Aktivera högst upp eller välj Aktivera detektorn under Hur det fungerar.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  4. Välja Aktivera för att bekräfta om du vill aktivera detektorn för kontinuerlig detektering.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Ett bekräftelsemeddelande visar att detektorn aktiveras. Aktiveringen kan ta upp till 1 timme att slutföra. Under tiden kan vi fortsätta med varningskonfigurationen.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Konfigurera din varning

Vi konfigurerar nu en varning för att få aviseringar om avvikelser som upptäckts av detektorn. Varningsfilter är valfria konfigurationer och du kan välja upp till 5 mått och 5 dimensioner samtidigt som du lägger till filter. I det här inlägget går vi igenom att skapa en varning med filter. Slutför följande steg:

  1. Välj på din detektorinformationssida Lägg till varningar.
  2. Bekräfta ditt varningsnamn.
    Lookout for Metrics fyller i konfigurationsfälten med de mätvärden och dimensioner som angavs när datauppsättningen skapades. I den här versionen Allvarlighetspoäng fältet är valfritt, vilket tidigare var ett obligatoriskt fält. Som standard börjar vi med allvarlighetsgraden 70, som du kan ändra eller ta bort.
  3. För att lägga till ett mått, välj Lägg till kriterier Och välj Mäta.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  4. För Mät EQUALS, Välj den revenue mäta.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  5. Välja Lägg till kriterier igen och välj Dimensionera.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
    Du kan välja upp till 5 dimensionsfilter. För det här inlägget konfigurerar vi två.
  6. För Dimensionera, Välj den marketplace dimensionera.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  7. För lika, lägg till värdena US och CA.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  8. Lägg till category som din andra dimension med värdena fashion och jewellery.
  9. För Allvarlighetspoäng, ange 20.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  10. För Kanalväljer Amazon SNS.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
  11. Välj ditt SNS-ämne (för det här inlägget använder vi SNS-ämnet som vi redan prenumererade på vår e-post för att få varningsmeddelanden).
  12. Välj ditt format (för det här inlägget väljer vi Lång text).
  13. Enligt Tillgång till tjänsten, Välj Använd en befintlig tjänsteroll och välj din roll.
  14. Välja Lägg till varning.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
    Ett meddelande visas när varningen har skapats.
  15. Välj varningen och välj Visa detaljer.
    Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Du kan granska varningsfiltren och andra detaljer. De Filtrera kriterier förklarar hur de konfigurerade filtren används för att filtrera avvikelser innan varningsmeddelanden publiceras.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Om du vill ändra varningskonfigurationen, välj varningen på Varningar sida och välj Redigera.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Alternativt kan du öppna sidan med varningsinformation och välja Redigera.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Du omdirigeras till Redigera sida, där du kan ändra varningskonfigurationen efter behov. Du kan ändra samma konfigurationer som du angav när du skapade varningen, men du kan inte ändra varningens namn under redigering.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Granska och analysera resultaten

När Lookout for Metrics upptäcker anomalier i din data skickar den ett meddelande om varningar har konfigurerats på den detektorn. Om anomaligruppens detaljer matchar filterkriterierna (måttfilter, dimensionsfilter och allvarlighetspoäng) för varningen publiceras ett meddelande.

För det här exemplet skapade vi två varningar på detektorn, testAlertWithNoFilters och testRevenueForFashionOrJewelleryInUSOrCA, och injicerade anomalier i vår data. Vi aktiverade också e-postprenumeration om SNS-ämnet som används för publicering av varningsmeddelanden. Följande skärmdumpar visar detaljerna för varje varning.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai. Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Följande är ett exempel på en anomalimeddelande för testRevenueForFashionOrJewelleryInUSOrCA:

{ "Type" : "Notification", "MessageId" : "0b0a7bfe-d029-5f4f-b706-20f644793c3d", "TopicArn" : "arn:aws:sns:us-west-2:488415817882:filterAlertsDemoTopic", "Message" : "[Amazon LookoutForMetrics] The anomaly detector TestAlertFilters detected an anomaly in revenue with a severity score of 77.3 on May 25, 2022 at 8:05 PM. nAnomalous graphs were detected for the following:n nrevenue for: jewellery, thirdParty, CA, regular, priorityn nrevenue for: electronics, self, MX, premium, overnightn nrevenue for: electronics, self, US, regular, overnightn nTo view the anomaly, visit the Lookout for Metrics console at: https://us-west-2.console.aws.amazon.com/lookoutmetrics/home?region=us-west-2#arn:aws:lookoutmetrics:us-west-2:488415817882:AnomalyDetector:TestAlertFilters/anomalies/anomaly/bd0a07e1-c520-46bd-aaa3-dcc00583d707 nTo modify settings for this alert: https://us-west-2.console.aws.amazon.com/lookoutmetrics/home?region=us-west-2#arn:aws:lookoutmetrics:us-west-2:488415817882:AnomalyDetector:TestAlertFilters/alerts/alertDetails/arn:aws:lookoutmetrics:us-west-2:488415817882:Alert:testRevenueForFashionOrJewelleryInUSOrCA", "Timestamp" : "2022-05-25T20:31:12.330Z", "SignatureVersion" : "1", "Signature" : "pFDZj3TwLrL9rqjkRiVgbWjcrPhxz5PDV485d6NroLXWhrviX7sUEQqOIL5j8YYd0SFBjFEkrZKZ27RSbd+33sRhJ52mmd1eR23cZQP68+iIVdpeWubcPgGnqxoOa3APE1WZr4SmVK/bgJAjX1RXn0rKZvPzwDkxPD2fZB4gnbqPJ8GBw/1dxU5qfJzRpkqc87d1gpvQIwMpb5uUROuPZEQVyaR/By0BTsflkE2Sz2mOeZQkMaXz3q9dwX/qDxyR9q6gNviMagGtOLwtb6StN8/PUYlvK9fCBcJnJxg0bdmMtnXiXWdl1O7J50Wqj4Tkl8amph97UlVAnComoe649g==", "SigningCertURL" : "https://sns.us-west-2.amazonaws.com/SimpleNotificationService-7ff5318490ec183fbaddaa2a969abfda.pem", "UnsubscribeURL" : "https://sns.us-west-2.amazonaws.com/?Action=Unsubscribe&SubscriptionArn=arn:aws:sns:us-west-2:488415817882:filterAlertsDemoTopic:8f24ae74-b160-44c7-8bc9-96a30e27d365"
}

Följande är ett exempel på en anomalimeddelande för testAlertWithNoFilters:

{ "Type" : "Notification", "MessageId" : "fcc70263-f2c1-52ed-81ec-596b8c399b67", "TopicArn" : "arn:aws:sns:us-west-2:488415817882:filterAlertsDemoTopic", "Message" : "[Amazon LookoutForMetrics] The anomaly detector TestAlertFilters detected an anomaly in revenue with a severity score of 77.59 on May 25, 2022 at 6:35 PM. nAnomalous graphs were detected for the following:n nrevenue for: jewellery, self, UK, regular, overnightn nrevenue for: jewellery, thirdParty, JP, premium, overnightn nrevenue for: electronics, thirdParty, DE, premium, priorityn nTo view the anomaly, visit the Lookout for Metrics console at: https://us-west-2.console.aws.amazon.com/lookoutmetrics/home?region=us-west-2#arn:aws:lookoutmetrics:us-west-2:488415817882:AnomalyDetector:TestAlertFilters/anomalies/anomaly/194c87f4-3312-420c-8920-12fbfc9b1700 nTo modify settings for this alert: https://us-west-2.console.aws.amazon.com/lookoutmetrics/home?region=us-west-2#arn:aws:lookoutmetrics:us-west-2:488415817882:AnomalyDetector:TestAlertFilters/alerts/alertDetails/arn:aws:lookoutmetrics:us-west-2:488415817882:Alert:testAlertWithNoFilters", "Timestamp" : "2022-05-25T19:00:08.374Z", "SignatureVersion" : "1", "Signature" : "e4+BHo4eh8wNbfQMaR3L8MWY2wkpqxoxKKrj2h/QROQHvhcnYfucYchjfppgjM8LNIF7Oo4QfuP6qcLj9DlghiMZ80qpzHyAH6vmIDfSjK7Bz23i8rnIMyKJIVRFN8z69YlC9vfsp3MayWyyMJcskeVJ1bzsdkDIeA5gkT1le8yh/9nhbsgwm+bowNjsnl+/sFwk6QZJlplYB27sOqegrm73nH/CrmTe4FcPtekCRysSECwMLKazPJqR1uiGagnWfUeyTptRg9rVQVQJJdmOUwlv8vodR96s52btAegpY4iZZLUJ87vs1PwOwVfTTIHf+pdnwPUuFupzejUEudP7sQ==", "SigningCertURL" : "https://sns.us-west-2.amazonaws.com/SimpleNotificationService-7ff5318490ec183fbaddaa2a969abfda.pem", "UnsubscribeURL" : "https://sns.us-west-2.amazonaws.com/?Action=Unsubscribe&SubscriptionArn=arn:aws:sns:us-west-2:488415817882:filterAlertsDemoTopic:8f24ae74-b160-44c7-8bc9-96a30e27d365"
}

Vi fick inte meddelandet om denna anomali via testRevenueForFashionOrJewelleryInUSOrCA varning eftersom anomaligruppens detaljer inte matchar filterkriterierna för dimension marketplace. För våra filterkriterier på åtgärden revenue, dimensionen marketplace måste vara lika US or CA, och dimensionen category måste vara lika fashion or jewellery, med en svårighetströskel på 20.

Även om den upptäckta anomalien matchar filterkriterierna för åtgärden, svårighetspoäng och category dimensionen matchar den inte kriterierna för marketplace dimension, så varningen publicerades inte.

Baserat på aviseringarna vi fick, kan vi bekräfta att Lookout for Metrics upptäckte avvikelser och verifierade de varningsfilterbaserade aviseringarna.

Städa upp

När du har slutfört testet kan du ta bort CloudFormation-stacken som skapats av mallen. Radering av stack rensar upp alla resurser som skapats för detta test. För att ta bort stacken, öppna AWS CloudFormation-konsolen, välj stacken L4MAlertFiltersStack, och välj Radera.

Radering av stacken tar inte bort S3-hinken som skapats av mallen eftersom den inte är tom; du måste radera den manuellt.

Slutsats

Du kan nu enkelt anpassa din aviseringsupplevelse genom att lägga till filter och redigera befintliga varningar för att minska brus och fokusera på de mätvärden som betyder mest för ditt företag.

För att lära dig mer om denna funktion, se Arbeta med Alerts. Du kan använda denna funktion i alla regioner där Lookout for Metrics är allmänt tillgänglig. För mer information om Regionens tillgänglighet, se AWS regionala tjänster.


Om författarna

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.Alex Kim är Sr. Product Manager för AWS AI Services. Hans uppdrag är att leverera AI/ML-lösningar till alla kunder som kan dra nytta av det. På fritiden tycker han om alla typer av sporter och att upptäcka nya matställen.

Anpassa enkelt dina aviseringar medan du använder Amazon Lookout for Metrics PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.Utkarsh Dubey är en mjukvaruutvecklingsingenjör i teamet Lookout for Metrics. Hans intressen ligger i att bygga skalbara distribuerade system. På fritiden tycker han om att resa och träffa vänner.

Tidsstämpel:

Mer från AWS maskininlärning