文档中心

日志服务

请输入

机器学习函数

阈值推荐函数

本文介绍日志服务支持的阈值函数语法及常见场景的使用示例。

说明

目前，机器学习函数正处于公测阶段。

ts_threshold_recommendation

使用传统的人工配置告警规则方式监控 SLA 相关指标，存在许多不足，包括指标覆盖不全、告警阈值不准确等。如果异常检测的阈值配置的太过宽松，会导致故障主动发现率低，进而产生的用户流失和赔付就会增多。如果将异常检测的阈值配置的太过严格，会导致大量误报的产生，致使运维团队没有时间处理真正出现的异常。

ts_threshold_recommendation 函数支持对历史时序数据进行聚类分析，快速从历史数据中找到正常数据的分布情况，自动推荐异常检测阈值，可用于告警阈值设置等场景。

函数语法

语法格式

select ts_threshold_recommendation(x, y, metricType)

参数说明

参数	数据类型	说明
x	double	时间列，从小到大排列，格式为 Unixtime 时间戳，单位为秒。
y	double	数值列，对应某时间到数值，数组长度需与 x 相同，且数组长度至少为 500。
metricType	varchar	SuccessRate：成功率，要求 y 的输入范围为 0~1，小于推荐阈值则为异常。 SuccessRate100：成功率，要求 y 的输入范围为 0~100，小于推荐阈值则为异常 ErrorRate：错误率，要求 y 的输入范围为 0~1，大于推荐阈值则为异常。 ErrorRate100：错误率，要求 y 的输入范围为 0~100，大于推荐阈值则为异常。 Count：数量统计，要求 y 的输入范围为整数，小于推荐阈值则为异常。 ErrorCount：指标含义为错误数量统计，要求 y 的输入范围为整数数，大于推荐阈值则为异常。 Latency：毫秒级别的时延，要求 y 的输入类型为浮点数，且单位为毫秒，大于推荐阈值则为异常。 LatencySecond：秒级别的时延，要求 y 的输入类型为浮点数，且单位为秒，大于推荐阈值则为异常。 ResourceUtilizationRate：资源使用率，要求 y 的前入取值范围为 0~1，大于推荐阈值则为异常。 ResourceUtilizationRate100：资源使用率，要求 y 的输入取值范围为0~100，大于推荐阈值则为异常。 Throughput：吞吐量，要求 y 的输入类型为浮点数，大于推荐阈值则为异常。说明 xxxRate 和 xxxRate100 的区别在于：数据中存在小数时，选择xxxRate，数据为整数时，选择 xxxRate100。

返回值说明

返回值为 Double 类型。

函数示例

场景

根据时间和请求大小，计算毫秒级别的时延阈值。

检索与分析语句

*|select ts_threshold_recommendation(stamp, value, 'Latency') from (select __time__ as stamp, ReqSize as value limit 1000)

检索与分析结果

最近更新时间：2026.10.20 10:15:04

这个页面对您有帮助吗？

有用

无用