計量建議程式常用詞彙和概念的字彙
重要
從 2023 年 9 月 20 日起，您將無法建立新的計量建議程式資源。 計量建議程式服務將於 2026 年 10 月 1 日淘汰。
本文件說明計量建議程式中使用的技術字詞。 使用本文來瞭解使用服務時可能會遇到的常見概念和物件。
資料摘要
注意
多個計量可以共用相同的資料來源，甚至是相同的資料摘要。
資料摘要是計量建議程式從資料來源擷取的內容，例如 Azure Cosmos DB 或 SQL Server。 資料摘要包含下列資料列：
- 時間戳記
- 零或多個維度
- 一或多個量值。
間隔
必須根據商務需求以特定細微性對計量進行監視。 例如，會以每日細微性對業務關鍵效能指標 (KPI) 進行監視。 不過，通常會以分鐘/小時的細微性對服務效能計量進行監視。 因此，從來源收集計量資料的頻率是不同的。
計量建議程式會在每個時間間隔持續擷取計量資料，間隔等於計量的資料粒度。每次，計量建議程式都會執行您已在此特定間隔寫入擷取資料的查詢。 根據此資料擷取機制，查詢指令碼 不應該傳回於資料庫中存在的所有計量資料，但必須將結果限制為單一間隔。
計量
計量是可量化的量值，用以監視及評估特定商務程序的狀態。 此量值可由分割成維度的多個時間序列值組合而成。 例如，Web 健康情況計量可包含使用者計數和美國市場的維度。
維度
維度是一或多個類別值。 這些值的組合會識別特定的單變數時間序列 (例如國家/地區、語言和租用戶)。
多維度計量
什麼是多維度計量？ 讓我們使用兩個範例。
企業營收
假設您有業務營收的資料。 時間序列資料看起來可能會像這樣：
| 時間戳記 | 類別 | Market | 營收 |
|---|---|---|---|
| 2020-6-1 | Food (食物) | 美國 | 1000 |
| 2020-6-1 | 服裝 | 美國 | 2000 |
| 2020-6-2 | Food (食物) | 英國 | 800 |
| ... | ... | ... | ... |
在此範例中，類別和市場是維度。 營收是關鍵效能指標 (KPI)，可分割成不同的類別和/或市場，也可以彙總。 例如，所有市場食物的營收。
複雜應用程式的錯誤計數
假設您有在應用程式中記錄的錯誤數目資料。 時間序列資料看起來可能會像這樣：
| 時間戳記 | 應用程式元件 | 區域 | 錯誤計數 |
|---|---|---|---|
| 2020-6-1 | 員工資料庫 | 西歐 | 9000 |
| 2020-6-1 | 訊息佇列 | 美國東部 | 1000 |
| 2020-6-2 | 訊息佇列 | 美國東部 | 8000 |
| ... | ... | ... | ... |
在此範例中，應用程式元件和區域是維度。 錯誤計數是 KPI，可分割成不同的類別和/或市場，也可以彙總。 例如，所有區域中訊息佇列的錯誤計數。
量值
量值是基本或單位特定的字詞，也是可量化的計量值。
時間序列
時間序列是以時間順序編製索引 (或列出或繪出) 的一系列資料點。 通常，時間序列是以連續、平均間距時間點採用的序列。 其是離散時間資料的序列。
在計量建議程式中，特定維度組合上一個計量的值稱為一個序列。
資料粒度
細微性表示在資料來源產生資料點的頻率。 例如每日、每小時。
內嵌資料起算時間 (UTC)
內嵌資料起算時間 (UTC) 是您希望計量建議程式開始從資料來源擷取資料的時間。 您的資料來源必須在指定的擷取開始時間擁有資料。
信賴度界限
注意
信賴度界限不是用來尋找異常的唯一度量。 偵測模型可能會將此界限以外的資料點標示為正常。
在計量建議程式中，信賴度界限代表所使用的演算法敏感度，並用來篩選出過度敏感的異常。 在入口網站上，信賴度界線會顯示為透明藍色帶。 藍色帶內的所有點都會被視為一般點。
計量建議程式提供工具來調整所使用的演算法敏感度。 如需詳細資訊，請參閱如何：設定計量和微調偵測設定。
勾點
計量建議程式可讓您建立及訂閱即時警示。 這些警示是使用勾點透過網際網路傳送。
異常事件
將偵測設定套用至計量之後，每當其中的任何序列有異常時，就會產生事件。 在大型資料集中，這可能很困難，因此計量建議程式會將計量內的一系列異常分組成事件。 服務也會評估嚴重性，並提供診斷事件的工具。
診斷樹狀結構
在計量建議程式中，您可以對計量套用異常偵測，然後計量建議程式會自動監視所有維度組合的所有時間序列。 每當偵測到任何異常時，計量建議程式會將異常彙總成事件。 發生事件之後，計量建議程式會提供診斷樹狀結構，其中包含導致異常的階層，並找出影響最大的異常。 每個事件都有根本原因異常，這是樹狀結構的最上層節點。
異常群組
計量建議程式提供使用類似模式尋找相關時間序列的功能。 其也可以提供對其他維度影響更深入的深入解析，並讓異常相互關聯。
時間序列比較
您可以挑選多個時間序列來比較單一視覺效果中的趨勢。 這提供清楚且深入的方法來檢視和比較相關的序列。
偵測設定
注意
偵測設定只會套用在個別計量內。
在計量建議程式入口網站中，檢視計量時，左側面板中會列出偵測設定 (例如敏感度、自動延遲和方向)。 參數可以調整並套用至此計量內的所有序列。
每個時間序列都需要偵測設定，並判斷時間序列中的某個時間點是否為異常。 當您第一次將資料上線時，計量建議程式會設定整個計量的預設設定。
您也可以在序列群組或特定序列上套用微調參數，以進一步精簡設定。 只有一個設定會套用至時間序列：
- 套用至特定序列的設定將會覆寫群組的設定
- 群組的設定將會覆寫在整個計量套用的設定。
計量建議程式提供數種偵測方法，而且您可以使用邏輯運算子結合使用這些方法。
智慧偵測
使用多個機器學習演算法的異常偵測。
敏感度：用來調整異常偵測容錯的數值。 以視覺化方式，值越高，時間序列的上限和下限越窄。
硬式閾值
超出上限或下限的值是異常狀況。
最小值：下限
最大值：上限
變更閾值
使用先前的點值來判斷這個點是否為異常。
變更百分比：相較於前一個點，如果變更百分比超過此參數，則目前的點是異常的。
點的變更：要回溯的點數。
Common parameters
方向：只有在偏差以向上、向下或兩者的方向發生偏差時，點才會是異常。
直到以下時間之前不是有效異常：如果先前點的指定百分比也是異常，則資料點只是異常。
警示設定
警示設定會決定哪些異常應該觸發警示。 您可以使用不同的設定來設定多個警示。 例如，您可以針對對業務影響較低的異常建立警示，針對重要性更高的警示建立另一個警示。
您也可以跨計量建立警示。 例如，只有在兩個指定的計量有異常時才會觸發的警示。
警示範圍
警示範圍是指警示套用的範圍。 有四個選項：
所有序列的異常：系統會針對計量內所有序列中的異常觸發警示。
序列群組中的異常：只會針對序列群組的特定維度中的異常觸發警示。 指定的維度數目應該小於維度總數。
我的最愛序列中的異常：只會針對新增為我的最愛的異常觸發警示。 您可以選擇一組序列做為每個偵測設定的我的最愛。
所有序列前 N 個異常：只會針對前 N 個序列中的異常觸發警示。 您可以設定參數來指定要考慮的時間戳記數目，以及其中必須有多少異常才能傳送警示。
嚴重性
嚴重性是計量建議程式用來描述事件的嚴重性等級，包括高、中和低。
目前，計量建議程式會使用下列因素來測量警示嚴重性：
- 計量中異常的值比例和數量比例。
- 異常的信賴度。
- 您最愛的設定也會影響嚴重性。
自動延遲
某些異常是暫時性問題，特別是針對小型細微性計量。 您可以延遲特定時間點數目的警示。 如果在指定的點數內發現異常，將不會觸發任何警示。 您可以在計量等級或序列等級上設定自動延遲的行為。
您可以在計量等級或序列等級上設定延遲的行為。
資料摘要設定
擷取時間位移
根據預設，會根據細微性 (例如每日) 擷取資料。 藉由使用正整數，您可以依指定的值延遲資料的擷取。 使用負數，您可以依指定的值進行進階擷取。
每分鐘的擷取上限
如果您的資料來源支援有限的並行，請設定此參數。 否則，請保留預設設定。
在以下時間之後停止重試
如果資料擷取失敗，計量建議程式會在一段時間後自動重試。 期間的開頭是發生第一次資料擷取的時間。 重試期間長度會根據細微性來定義。 如果您使用預設值 (-1)，則會根據細微性來決定重試期間：
| 資料粒度 | 在以下時間之後停止重試 |
|---|---|
| 每日、自訂 (> = 1 天)、每週、每月、每年 | 7 天 |
| 每小時、自訂 (< 1 天) | 72 小時 |
重試間隔下限
您可以在重試從來源提取資料時指定間隔下限。 如果您使用預設值 (-1)，則會根據細微性來決定重試間隔：
| 資料粒度 | 重試間隔下限 |
|---|---|
| 每日、自訂 (> = 1 天)、每週、每月 | 30 分鐘 |
| 每小時、自訂 (< 1 天) | 10 分鐘 |
| 每年 | 1 天 |
寬限期
注意
寬限期從一般擷取時間開始，加上指定的擷取時間位移。
寬限期是一段時間，計量建議程式會繼續從資料來源擷取資料，但不會引發任何警示。 如果在寬限期之後未擷取任何資料，將會觸發無法使用的資料摘要警示。
在以下時間後延遲警示
當此選項設定為零時，具有 [無法使用] 的每個時間戳記都會觸發警示。 當設定為零以外的值時，如果未擷取任何資料，則會延遲指定數目的 [無法使用] 警示。
資料摘要權限
管理資料摘要權限有兩個角色：系統管理員和檢視人員。
系統管理員可完全控制其中的資料摘要和計量。 其可以啟動、暫停、刪除資料摘要，以及更新摘要和設定。 系統管理員通常是計量的擁有者。
檢視人員能夠檢視資料摘要或計量，但無法進行變更。