Utilisation de la détection des CloudWatch anomalies - Amazon CloudWatch

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Utilisation de la détection des CloudWatch anomalies

Lorsque vous activez la détection des anomalies pour une métrique, CloudWatch applique des algorithmes statistiques et d'apprentissage automatique. Ces algorithmes analysent en permanence les métriques des systèmes et des applications pour déterminer les références normales et les anomalies de surface avec une intervention minimale de l'utilisateur.

Les algorithmes génèrent un modèle de détection d'anomalies. Le modèle génère une plage de valeurs attendues qui représentent le comportement normal des métriques.

Vous pouvez utiliser le modèle des valeurs attendues de deux manières :

  • Vous pouvez créer des alertes de détection d'anomalie basées sur la valeur attendue d'une métrique. Ces types d'alerte n'ont pas de seuil statique pour déterminer l'état de l'alerte. Au lieu de cela, ils comparent la valeur de la mesure à la valeur attendue en fonction du modèle de détection d'anomalies.

    Vous pouvez choisir si l'alerte est déclenchée lorsque la valeur de la métrique est supérieure à la bande de valeurs attendues, inférieure à la bande ou les deux.

    Pour plus d'informations, consultez Création d'une CloudWatch alarme basée sur la détection d'anomalies.

  • Lors de l'affichage d'un graphique des données de métrique, superposez les valeurs attendues sur le graphique sous forme de bande. Cela permet de voir clairement dans le graphique les valeurs qui sont en dehors de la plage normale. Pour de plus amples informations, veuillez consulter Création d'un graphique.

    Vous pouvez activer la détection des anomalies à l'aide du AWS Management Console, du AWS CLI AWS CloudFormation, ou du AWS SDK. Vous pouvez activer la détection des anomalies sur les métriques vendues par AWS et également sur les métriques personnalisées.

    Vous pouvez également extraire les valeurs supérieures et inférieures du groupe du modèle à l'aide de la demande de l'API GetMetricData avec la fonction mathématique des métriques ANOMALY_DETECTION_BAND. Pour plus d'informations, consultez GetMetricData.

Dans un graphique avec détection d'anomalies, la plage de valeurs attendue est affichée sous la forme d'une bande grise. Si la valeur réelle de la métrique dépasse cette bande, elle est affichée en rouge pendant cette période.

Les algorithmes de détection des anomalies tiennent compte de la saisonnalité et des changements de tendance des métriques. Les modifications de saisonnalité peuvent se produire toutes les heures, tous les jours ou toutes les semaines, comme le montrent les exemples suivants.


      Console des métriques affichant la détection d'anomalies activée pour la métrique CPUUtilization.

      Console des métriques affichant la détection d'anomalies activée pour la métrique CPUUtilization.

      Console des métriques affichant la détection d'anomalies activée pour la métrique CPUUtilization.

Les tendances à long terme pourraient être à la baisse ou à la hausse.


      Console des métriques affichant la détection d'anomalies activée pour la métrique CPUUtilization.

Les détections d'anomalies fonctionnent également très bien avec les métriques à modèle plat.


      Console des métriques affichant la détection d'anomalies activée pour la métrique CPUUtilization.

Comment fonctionne la détection des CloudWatch anomalies

Lorsque vous activez la détection des anomalies pour une métrique, appliquez CloudWatch des algorithmes d'apprentissage automatique aux données passées de la métrique afin de créer un modèle des valeurs attendues de la métrique. Le modèle évalue à la fois les tendances et les modèles horaires, quotidiens et hebdomadaires de la métrique. L'algorithme forme jusqu'à deux semaines de données de métriques, mais vous pouvez activer la détection d'anomalies sur une métrique, même si la métrique n'a pas deux semaines de données.

Vous spécifiez une valeur pour le seuil de détection des anomalies CloudWatch à utiliser avec le modèle pour déterminer la plage de valeurs « normale » de la métrique. Une valeur plus élevée pour le seuil de détection d'anomalies produit une bande plus épaisse de valeurs « normales ».

Le modèle de machine learning est spécifique à une métrique et à une statistique. Par exemple, si vous activez la détection d'anomalies pour une métrique à l'aide de la statistique AVG, le modèle est spécifique à la statistique AVG.

Lorsque vous CloudWatch créez un modèle pour de nombreuses métriques courantes issues AWS des services, cela garantit que la bande ne s'étend pas au-delà des valeurs logiques. Par exemple, la bande pour MemoryUtilization une instance EC2 restera comprise entre 0 et 100, et le suivi des bandes, qui ne peut pas être négatif CloudFront Requests, ne s'étendra jamais en dessous de zéro.

Après avoir créé un modèle, la détection des CloudWatch anomalies évalue le modèle en permanence et l'ajuste pour s'assurer qu'il est aussi précis que possible. Il s'agit notamment de reformer le modèle pour l'ajuster si les valeurs de métrique évoluent au fil du temps ou ont des changements brusques, et inclut également des prédicteurs pour améliorer les modèles de métriques saisonniers, pointilleux ou clairsemés.

Une fois que vous avez activé la détection d'anomalies sur une métrique, vous pouvez choisir d'exclure des périodes définies de la métrique de leur utilisation dans la formation du modèle. De cette façon, vous pouvez exclure des déploiements ou d'autres événements inhabituels de leur utilisation dans la formation du modèle, garantissant que le modèle le plus précis est créé.

L'utilisation de modèles de détection d'anomalies pour les alarmes entraîne des frais sur votre AWS compte. Pour en savoir plus, consultez Tarification Amazon CloudWatch.

Détection d'anomalies sur les mathématiques appliquées aux métriques

La détection d'anomalies sur les mathématiques métriques est une fonction que vous pouvez utiliser pour créer des alertes de détection d'anomalies sur la sortie d'expressions mathématiques métriques. Vous pouvez utiliser ces expressions pour créer des graphiques qui visualisent les canaux de détection d'anomalies. La fonction prend en charge les fonctions arithmétiques de base, les opérateurs logiques et de comparaison, et la plupart des autres fonctions. Pour plus d'informations sur les fonctions qui ne sont pas prises en charge, consultez la section Utilisation des mathématiques métriques dans le guide de CloudWatch l'utilisateur Amazon.

Vous pouvez créer des modèles de détection d'anomalies basés sur des expressions mathématiques métriques similaires à la façon dont vous avez déjà créé des modèles de détection d'anomalies. Depuis la CloudWatch console, vous pouvez appliquer la détection des anomalies aux expressions mathématiques métriques et sélectionner la détection des anomalies comme type de seuil pour ces expressions.

Note

La détection des anomalies sur les mathématiques métriques ne peut être activée et modifiée que dans la dernière version de l'interface utilisateur des métriques. Lorsque vous créez des détecteurs d'anomalies basés sur des expressions mathématiques métriques dans la nouvelle version de l'interface, vous pouvez les afficher dans l'ancienne version, mais pas les modifier.

Pour plus d'informations sur la création d'alertes et de modèles pour la détection d'anomalies et les calculs de métriques, consultez les sections suivantes :

Vous pouvez également créer, supprimer et découvrir des modèles de détection d'anomalies basés sur des expressions mathématiques métriques à l'aide de l' CloudWatch API avec PutAnomalyDetectorDeleteAnomalyDetector, etDescribeAnomalyDetectors. Pour plus d'informations sur ces actions d'API, consultez les sections suivantes dans le Amazon CloudWatch API Reference.

Pour plus d'informations sur le prix des alarmes de détection d'anomalies, consultez les CloudWatch tarifs Amazon.