Usar a detecção de anomalias do CloudWatch - do AmazonCloudWatch

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Usar a detecção de anomalias do CloudWatch

Quando você habilita a detecção de anomalias para uma métrica, o CloudWatch aplica algoritmos estatísticos e de Machine Learning. Esses algoritmos analisam continuamente métricas de sistemas e aplicativos, determinam linhas de base normais e apontam anomalias com intervenção mínima do usuário.

Os algoritmos geram um modelo de detecção de anomalias. O modelo gera um intervalo de valores esperados que representam o comportamento normal da métrica.

Você pode usar o modelo de valores esperados de duas formas:

  • Crie alarmes de detecção de anomalias com base no valor esperado de uma métrica. Esses tipos de alarmes não têm um limite estático para determinar o estado do alarme. Em vez disso, eles comparam o valor da métrica ao valor esperado com base no modelo de detecção de anomalias.

    É possível escolher se o alarme deverá ser acionado quando o valor da métrica estiver acima da faixa de valores esperados, abaixo da faixa ou acima ou ambos.

    Para obter mais informações, consulte Criar um alarme do CloudWatch com base na detecção de anomalias.

  • Ao visualizar um gráfico de dados de métricas, sobreponha os valores esperados no gráfico como uma faixa. Isso faz com que fique visualmente claro quais valores no gráfico estão fora do intervalo normal. Para obter mais informações, consulte Criar um gráfico.

    Você pode habilitar a detecção de anomalias usando o Console de gerenciamento da AWS, a AWS CLI, o AWS CloudFormation ou o SDK da AWS É possível habilitar a detecção de anomalias em métricas fornecidas pela AWS e também em métricas personalizadas.

    Você também pode recuperar os valores superior e inferior do segmento do modelo usando a solicitação de API GetMetricData com a função matemática de métrica ANOMALY_DETECTION_BAND Para obter mais informações, consulte GetMetricData.

Em um gráfico com detecção de anomalias, o intervalo esperado de valores é mostrado como uma faixa cinza. Se o valor real da métrica for além dessa faixa, ela será mostrada como vermelha durante esse período.

Os algoritmos de detecção de anomalias consideram a sazonalidade e as mudanças de tendência das métricas. As mudanças de sazonalidade podem ser por hora, dia ou semana, conforme mostrado nos exemplos a seguir.


      o console de métricas mostrando a detecção de anomalias habilitada para a métrica CPUUtilization.

      o console de métricas mostrando a detecção de anomalias habilitada para a métrica CPUUtilization.

      o console de métricas mostrando a detecção de anomalias habilitada para a métrica CPUUtilization.

As tendências de maior alcance podem ser para baixo ou para cima.


      o console de métricas mostrando a detecção de anomalias habilitada para a métrica CPUUtilization.

As detecções de anomalias também funcionam bem com métricas com padrões planos.


      o console de métricas mostrando a detecção de anomalias habilitada para a métrica CPUUtilization.

Como funciona a detecção de anomalias do CloudWatch

Quando você habilita a detecção de anomalias para uma métrica, o CloudWatch aplica algoritmos de machine learning aos dados anteriores da métrica para criar um modelo dos valores esperados da métrica. O modelo avalia as tendências e padrões por hora, dia e semana da métrica. O algoritmo é treinado em até duas semanas de dados de métrica, mas é possível habilitar a detecção de anomalias em uma métrica mesmo que ela não tenha um total de duas semanas de dados.

Especifique um valor para o limite de detecção de anomalias que o CloudWatch usa junto com o modelo para determinar o intervalo "normal" de valores para a métrica. Um valor mais alto para o limite de detecção de anomalias produz uma faixa mais larga de valores "normais".

O modelo de machine learning é específico para uma métrica e uma estatística. Por exemplo, se você habilitar a detecção de anomalias para uma métrica usando a estatística AVG, o modelo será específico à estatística AVG

Depois que criar um modelo, ele será atualizado constantemente usando os dados mais recentes da métrica.

Depois que habilitar a detecção de anomalias em uma métrica, você poderá excluir prazos específicos da métrica para que não sejam usados para treinar o modelo. Dessa forma, você pode excluir as implantações ou outros eventos incomuns para que não sejam usados para treinamento do modelo, garantindo a criação de um modelo mais preciso.

O uso de modelos de detecção de anomalias para alarmes gera cobranças na sua conta da AWS Para obter mais informações, consulte Definição de preço do Amazon CloudWatch.