Publicado: Nov 2, 2017
O Amazon Kinesis Analytics permite a detecção de anomalias em streaming de dados em tempo real. Hoje, lançamos dois novos recursos que oferecem explicações sobre as anomalias, facilitando a execução da análise de causa raiz. Saiba quais campos dos seus dados resultam em altas pontuações de anomalias e identifique tendências associadas à anomalia.
O Kinesis Analytics utiliza o algoritmo Random Cut Forest para analisar um ou mais campos numéricos e gerar pontuações para identificar anomalias em streaming de dados. Quando registros em streaming de dados possuem um grande número de campos, pode ser difícil determinar manualmente quais campos resultam em altas pontuações de anomalias, principalmente quando os dados são volumosos, se movem de forma rápida e são alterados frequentemente. O Kinesis Analytics agora oferece explicações em tempo real sobre as pontuações de anomalias usando atribuição e direcionalidade. A atribuição explica a contribuição dos campos de entrada para a pontuação total, e a direcionalidade oferece informações sobre as tendência, como altos e baixos em cada campo. Para obter mais informações e um código de exemplo, acesse RANDOM_CUT_FOREST_WITH_EXPLANATION na Referência SQL do Amazon Kinesis Analytics.
O Kinesis Analytics é a maneira mais fácil de processar dados em streaming em tempo real com o SQL sem a necessidade de aprender novas linguagens de programação ou estruturas de processamento. O Kinesis Analytics permite que você crie queries de dados de streaming ou crie aplicações completas de streaming usando o SQL, para que você possa ter insights de ação e responder às suas necessidades comerciais e a de seus clientes de forma imediata. O Kinesis Analytics está disponível nas regiões Leste dos EUA (Norte da Virgínia), Oeste dos EUA (Oregon) e UE (Irlanda).