你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

教程：使用批量检测和 Power BI 将异常可视化（单变量）

项目
09/04/2024

重要

从 2023 年 9 月 20 日开始，将无法创建新的异常检测器资源。异常检测器服务将于 2026 年 10 月 1 日停用。

使用本教程查找设置为批的时序数据中的异常。使用 Power BI Desktop 时，需获取一个 Excel 文件，为异常检测器 API 准备数据，然后将其中的统计异常可视化。

本教程介绍以下操作：

使用 Power BI Desktop 导入和转换时序数据集
将 Power BI Desktop 与异常检测器 API 集成，以便进行批量异常检测
将在数据中发现的异常可视化，其中包括预期的和看到的值，以及异常检测边界。

先决条件

Azure 订阅
免费提供的 Microsoft Power BI Desktop。
一个 Excel 文件 (.xlsx)，其中包含时序数据点。
拥有 Azure 订阅后，可在 Azure 门户中创建异常检测器资源来获取密钥和终结点。
- 需要从创建的资源获取密钥和终结点，以便将应用程序连接到异常检测器 API。稍后会在本快速入门中执行此操作。

注意

为了在使用异常检测器 API 时达到最佳效果，JSON 格式的时间序列数据应包括：

以相同间隔分隔的数据点，缺少的所需点数不超过 10%。
如果数据不具有明确的季节性模式，则至少有 12 个数据点。
如果数据具有明确的季节性模式，则至少有 4 个模式匹配项。

加载时序数据并设置其格式

打开 Power BI Desktop 并加载你在先决条件部分下载的时序数据即可开始。此 Excel 文件包含一系列协调世界时 (UTC) 时间戳和值对。

注意

Power BI 可以使用各种源（例如 .csv 文件、SQL 数据库、Azure Blob 存储等）提供的数据。

在 Power BI Desktop 主窗口中，选择“开始”功能区。在功能区的“外部数据”组中，打开“获取数据”下拉菜单，然后选择“Excel”。

对话框出现以后，导航到下载了示例 .xlsx 文件的文件夹，然后将其选中。在“导航器”对话框出现以后，选择“Sheet1”，然后选择“编辑”。

Power BI 中数据源“导航器”屏幕的图像

Power BI 会将第一列中的时间戳转换为 Date/Time 数据类型。这些时间戳必须转换为文本才能发送到异常检测器 API。如果 Power Query 编辑器没有自动打开，请选择主页选项卡上的“编辑查询”。

选择 Power Query 编辑器中的“转换”功能区。在“任何列”组中，打开“数据类型:”下拉菜单，然后选择“文本”。

数据类型下拉列表的图像

获得有关更改列类型的通知后，请选择“替换当前项”。然后，在“主页”功能区中选择“关闭并应用”或“应用”。

创建一个函数来发送数据并设置响应的格式

若要设置数据文件的格式并将其发送到异常检测器 API，可以调用一个在上面创建的表的查询。在 Power Query 编辑器的“主页”功能区中，打开“新建源”下拉菜单并选择“空白查询”。

确保选中新的查询，然后选择“高级编辑器”。

“高级编辑器”屏幕的图像

在高级编辑器中，使用以下 Power Query M 代码片段从表中提取列并将其发送到 API。然后，查询会根据 JSON 响应创建一个表并将其返回。将 apiKey 变量替换为有效的异常检测器 API 密钥，并将 endpoint 替换为终结点。将查询输入高级编辑器以后，选择“完成”。

(table as table) => let

    apikey      = "[Placeholder: Your Anomaly Detector resource access key]",
    endpoint    = "[Placeholder: Your Anomaly Detector resource endpoint]/anomalydetector/v1.0/timeseries/entire/detect",
    inputTable = Table.TransformColumnTypes(table,{{"Timestamp", type text},{"Value", type number}}),
    jsontext    = Text.FromBinary(Json.FromValue(inputTable)),
    jsonbody    = "{ ""Granularity"": ""daily"", ""Sensitivity"": 95, ""Series"": "& jsontext &" }",
    bytesbody   = Text.ToBinary(jsonbody),
    headers     = [#"Content-Type" = "application/json", #"Ocp-Apim-Subscription-Key" = apikey],
    bytesresp   = Web.Contents(endpoint, [Headers=headers, Content=bytesbody, ManualStatusHandling={400}]),
    jsonresp    = Json.Document(bytesresp),

    respTable = Table.FromColumns({

                     Table.Column(inputTable, "Timestamp")
                     ,Table.Column(inputTable, "Value")
                     , Record.Field(jsonresp, "IsAnomaly") as list
                     , Record.Field(jsonresp, "ExpectedValues") as list
                     , Record.Field(jsonresp, "UpperMargins")as list
                     , Record.Field(jsonresp, "LowerMargins") as list
                     , Record.Field(jsonresp, "IsPositiveAnomaly") as list
                     , Record.Field(jsonresp, "IsNegativeAnomaly") as list

                  }, {"Timestamp", "Value", "IsAnomaly", "ExpectedValues", "UpperMargin", "LowerMargin", "IsPositiveAnomaly", "IsNegativeAnomaly"}
               ),

    respTable1 = Table.AddColumn(respTable , "UpperMargins", (row) => row[ExpectedValues] + row[UpperMargin]),
    respTable2 = Table.AddColumn(respTable1 , "LowerMargins", (row) => row[ExpectedValues] -  row[LowerMargin]),
    respTable3 = Table.RemoveColumns(respTable2, "UpperMargin"),
    respTable4 = Table.RemoveColumns(respTable3, "LowerMargin"),

    results = Table.TransformColumnTypes(

                respTable4,
                {{"Timestamp", type datetime}, {"Value", type number}, {"IsAnomaly", type logical}, {"IsPositiveAnomaly", type logical}, {"IsNegativeAnomaly", type logical},
                 {"ExpectedValues", type number}, {"UpperMargins", type number}, {"LowerMargins", type number}}
              )

 in results

调用数据工作表上的查询，方法是：在“输入参数”下选择 Sheet1，然后选择“调用”。

调用函数的图像