发布于: Nov 2, 2017
利用 Amazon Kinesis Analytics，您可以实时检测流数据中的异常情况。现在，我们推出了两项新功能，它们提供了对异常情况的解释，让您能够轻松执行根本原因分析。您可以了解数据中的哪些字段导致了高异常分数，并标识与异常情况相关的趋势。
Kinesis Analytics 使用随机森林砍伐算法来分析一个或多个数字字段，并生成分数以标识数据流中的异常情况。当数据流中的记录具有大量字段时，难以手动确定哪些字段导致了高异常分数，特别是在数据较大、移动速度快且频繁变化的情况下。Kinesis Analytics 现在使用归因和方向性来提供对异常分数的实时解释。归因说明了输入字段对总分数的贡献，而方向性提供了有关趋势的信息（例如，每个字段中的低值和峰值）。有关更多信息和示例代码，请参阅《Amazon Kinesis Analytics SQL 参考》中的随机森林砍伐算法及解释。
Kinesis Analytics 是使用 SQL 实时处理流数据的最简单的方法，无需学习新的编程语言或处理框架。通过 Kinesis Analytics，您能够使用 SQL 查询流数据或构建整个流式处理应用程序，以便您获取可执行的见解并及时响应您的业务和客户需求。Kinesis Analytics 目前在美国东部（弗吉尼亚北部）、美国西部（俄勒冈）和欧洲（爱尔兰）区域可用。