Real-Time Intelligence Tutorial Teil 7: Erkennen von Anomalien über einer Eventhouse-Tabelle

In diesem Teil des Lernprogramms erstellen Sie einen Echtzeitdatenworkflow, der Anomalien in Streamingdaten erkennt. Sie verwenden eine Eventhouse-Tabelle, um Zeitreihendaten zu analysieren und ungewöhnliche Muster zu identifizieren.

Erstellen eines Anomaliedetektors

Öffnen Sie die im vorherigen Lernprogramm erstellte Eventhouse-Tabelle.

1. Wählen Sie im linken Navigationsbereich "Echtzeit" aus.

   

2. Wählen Sie unter "Streamingdaten" die Tabelle "TransformedData" aus .

   

3. Wählen Sie auf der Seite "Tabellendetails" die Option "Anomalien erkennen " auf der Symbolleiste aus.

   

Erstellen Sie einen Detektor, um die Daten auf Anomalien zu analysieren.

Im Bereich „Neuer Anomaliedetektor“:

1. Geben Sie einen Namen für den Detektor ein.
2. Wählen Sie Ihren Fabric Arbeitsbereich aus.
3. Wählen Sie "Erstellen" aus.

Konfigurieren der Anomalieerkennung

Konfigurieren Sie die Attribute, die zum Erkennen von Anomalien verwendet werden.

1. Legen Sie im Abschnitt "Konfiguration bearbeiten " die folgenden Werte fest:

   Feld	Wert
   Zu überwachender Wert	Keine_Fahrräder
   Gruppieren nach	Straße
   Zeitstempel	Zeitstempel

   

2. Wählen Sie Speichern aus.

Auswählen eines Anomalieerkennungsmodells

1. Wählen Sie im Abschnitt "Modelle suchen " die Option "Meine Daten analysieren " aus, um das beste Anomalieerkennungsmodell für Ihre Daten zu finden.

   

2. Überprüfen Sie die empfohlenen Modelle, und wählen Sie das Modell aus, das Ihren Anforderungen am besten entspricht. Wählen Sie für dieses Lernprogramm das empfohlene lokale Musterdetektormodell aus.

   

3. Wählen Sie Speichern aus.

Überprüfen von Anomalieergebnissen

Überprüfen Sie nach Abschluss der Analyse die erkannten Anomalien.

1. Zeigen Sie die Anomalieergebnisse im Bereich " Detektorergebnisse " an.

2. Überprüfen Sie das Diagramm und die tabellarische Ausgabe, um ungewöhnliche Muster zu identifizieren.

   

Nächster Schritt