概念

预览

本产品受 Google Cloud 服务条款的正式发布前产品条款的约束。 正式发布前产品享受的支持可能有限，并且对正式发布前产品的变更可能不兼容其他正式发布前版本。 如需了解详情，请参阅发布阶段说明。

在本文中，我们将介绍 Timeseries Insights API 中常用的概念，并尝试直观地呈现这些内容。

Event

事件是 Timeseries Insights API 使用的数据点和原始输入。从概念上来讲，它代表代理代理执行的某种操作（例如客户端事务或发布新闻报道）或观察机器）。

事件包含：

• 不同维度的一组值，表示描述事件的属性，例如标签或数值测量。
• 时间戳，表示事件发生的时间。将事件放入时间序列时，将使用此时间戳。
• 组 ID。

注意： 事件发生（因此时间戳字段）在概念上可以看作是另一个维度，但只要它始终是必需的，并且大多数操作都依赖于它，就可以有自己的维度专用字段。

注意： 在某些情况下，事件可能在短时间间隔内包含一些测量结果，而不仅仅是某一时间点。例如，如果我们在数据集中存储生产监控数据（例如 CPU 使用率、错误率等），则一个事件可能是对 1 分钟。在这些情况下，确保与这些测量间隔的宽度保持一致（例如，此示例中的时间始终为一分钟）。

维度

维度表示数据集中事件的属性及其类型。维度可以是：

• 分类。此维度的事件属性可以容纳限制值/有限值之一，通常是字符串。示例包括：包含新闻报道的数据集内的国家/地区或发布商名称、具有生产监控数据的数据集内的机器名称。
• 数值。事件的衡量或一般数字属性。示例：新闻报道的 CPU 浏览量、CPU 使用率或生产监控数据的错误数。

注意： 在 API 定义中，带有布尔值/字符串值的 EventDimension 是分类维度，而具有长/维度的维度双精度是数值。

数据集

数据集是事件的集合。

组

您可以通过指定同一组 ID 将事件组合在一起（请参阅 Event.group_id）。

其作用是计算同一组中事件之间的相关性，但当前版本的 API 不提供此功能。例如，如果您的数据集包含监控数据（例如 CPU%、RAM 等），则一个群组可以容纳来自一个进程的所有监控数据。这样一来，我们最终可以检测到 CPU% 的增加与其他事件（如之前的某个时刻的二进制版本更新）相关联。

如果不确定或不想计算这些类型的相关性，则每个事件都应具有全局唯一组 ID。

切片

切片是来自数据集的所有事件的子集，它们在所有分类 维度中具有相同的值。

注意 ：目前，我们不支持通过限制切片的数值维度来提取切片。数值汇总仅在聚合事件时使用。

例如，假设我们有一个来自国际零售商的销售的数据集，并且每个事件都有一个销售维度，即销售国家/地区、产品名称、生产产品的公司名称 101}。在本例中，切片的示例是：给定产品的所有销售，来自给定公司的所有产品的所有销售均来自指定国家/地区。

时间序列

时间序列是放置在大小相同的存储分区中的聚合事件序列。计算方法如下：

• 一个切片，以及该切片中的所有事件。
• 时间序列的开始时间和结束时间。对于给定的 QueryDataSetRequest，这些限制为 [tested_interval.start_time - forecast_params.forecast_history, tested_interval.start_time + tested_interval.length]。在形成时间序列时，我们只选择具有 Event.event_time 限制的切片的事件。
• 时间序列中每个时间段的长度。对于给定的 QueryDataSetRequest，此长度等于 tested_interval.length。
• 事件的聚合方法。目前，我们支持两种聚合方法：计算事件或汇总所有事件中存在的数字维度（由 forecast_params.aggregated_dimension 指定）。

注意： 时区表示时间序列中两个连续点之间的时间间隔，它会捕获时间有event_time字段。

预测

预测给定时间序列的未来值的过程。

暂缓

留出时间是时间序列（通常是最后 5%-10%）的最后一部分，用于评估我们的预测模型的表现。如果在预留期间会出现较高的预测错误，我们将扩大预测边界，降低预测的置信度。

地平线

我们将预测从测试间隔到时间序列（由 ForecastParams.horizon_time 字段指定）开始的时间序列的值。

注意 ：此字段直观地表示我们应该预测多少数据。虽然在将切片归类为异常值时，我们主要关注所测试间隔的值，但我们允许在多点增加林，因为这样可能会为数据洞见或调试提供有用的信息。

测试间隔

测试间隔 (QueryDataSetRequest.tested_interval) 是一种时间间隔，我们想要检测数据集内的任何切片，与它们的历史时间进行比较时，出现意外值（在测试时间间隔内）系列文章。

异常行为

如果在进行预测后，切片标记为异常，则我们在测试的间隔内预测的预测值超出可配置的范围阈值。

注意： 预期范围由 [forecast_lower ，forecast_upper ] 返回的时间间隔ForecastSlice.result字段。

注意： 用于报告切片是异常值还是由ForecastParams.max_positive_change、ForecastParams.max_negative_change和ForecastParams.forecast_extra_weight字段。如需了解这些阈值的确切公式，请参阅这些字段的相关文档。

后续步骤

• Timeseries Insights API 快速入门
• 更详细的教程
• 查询构建指南
• 详细了解 REST API