介紹 TDgpt 內置時序數據異常檢測模型
TDengine 中定義了異常（狀態）窗口來提供異常檢測服務。異常窗口可以視為一種特殊的事件窗口（Event Window），即異常檢測算法確定的連續異常時間序列數據所在的時間窗口。與普通事件窗口區別在于，時間窗口的起始時間和結束時間均由分析算法識別確定，不通過用戶給定的表達式進行判定。因此，在 WHERE 子句中使用 ANOMALY_WINDOW 關鍵詞即可調用時序數據異常檢測服務，同時窗口偽列（_WSTART、_WEND、_WDURATION）也能夠像其他時間窗口一樣用于描述異常窗口的起始時間 (_WSTART)、結束時間 (_WEND)、持續時間 (_WDURATION)。例如：
--- 使用異常檢測算法 IQR 對輸入列 col_val 進行異常檢測。同時輸出異常窗口的起始時間、結束時間、以及異常窗口內 col 列的和。
SELECT _wstart, _wend, SUM(col)
FROM foo
ANOMALY_WINDOW(col_val, "algo=iqr");
如下圖所示，Anode 將返回時序數據異常窗口 [10:51:30, 10:53:40]
在此基礎上，用戶可以針對異常窗口內的時序數據進行查詢聚合、變換處理等操作。
語法
ANOMALY_WINDOW(column_name, option_expr)option_expr: {"
algo=expr1
[,wncheck=1|0]
[,expr2]
"}
column_name：進行時序數據異常檢測的輸入數據列，當前只支持單列，且只能是數值類型，不能是字符類型（例如：NCHAR、VARCHAR、VARBINARY等類型），不支持函數表達式。options：字符串。其中使用 K=V 調用異常檢測算法及與算法相關的參數。采用逗號分隔的 K=V 字符串表示，其中的字符串不需要使用單引號、雙引號、或轉義號等符號，不能使用中文及其他寬字符。例如：algo=ksigma,k=2表示進行異常檢測的算法是 ksigma，該算法接受的輸入參數是 2。- 異常檢測的結果可以作為外層查詢的子查詢輸入，在
SELECT子句中使用的聚合函數或標量函數與其他類型的窗口查詢相同。 - 輸入數據默認進行白噪聲檢查，如果輸入數據是白噪聲，將不會有任何（異常）窗口信息返回。
參數說明
| 參數 | 含義 | 默認值 |
|---|---|---|
| algo | 異常檢測調用的算法 | iqr |
| wncheck | 對輸入數據列是否進行白噪聲檢查，取值為 0 或 1 | 1 |
示例
--- 使用 iqr 算法進行異常檢測，檢測列 i32 列。
SELECT _wstart, _wend, SUM(i32)
FROM foo
ANOMALY_WINDOW(i32, "algo=iqr");--- 使用 ksigma 算法進行異常檢測，輸入參數 k 值為 2，檢測列 i32 列
SELECT _wstart, _wend, SUM(i32)
FROM foo
ANOMALY_WINDOW(i32, "algo=ksigma,k=2");taos> SELECT _wstart, _wend, count(*) FROM foo ANOMAYL_WINDOW(i32);_wstart | _wend | count(*) |
====================================================================2020-01-01 00:00:16.000 | 2020-01-01 00:00:17.000 | 2 |
Query OK, 1 row(s) in set (0.028946s)
內置異常檢測算法
分析平臺內置了 6 個異常檢查模型，分為 3 個類別，分別是 基于統計學的算法、基于數據密度的算法、以及基于機器學習的算法。在不指定異常檢測使用的方法的情況下，默認調用 IQR 進行異常檢測。
)
