Rilevamento anomalie in Real-Time Intelligence (Anteprima)

Questo articolo illustra come configurare il rilevamento anomalie in Real-Time Intelligence per identificare automaticamente modelli e outlier insoliti nelle tabelle eventhouse. Il sistema fornisce modelli consigliati e consente di configurare il monitoraggio continuo con azioni automatizzate.

Le funzionalità principali includono:

• Raccomandazioni sui modelli: suggerisce gli algoritmi e i parametri migliori per i dati.
• Esplorazione interattiva delle anomalie: Visualizzare le anomalie rilevate e regolare la sensibilità del modello.
• Monitoraggio continuo: configurare il rilevamento anomalie in tempo reale con notifiche automatizzate.
• Rialisi con nuovi dati: aggiornare i modelli man mano che arrivano nuovi dati per migliorare l'accuratezza.

Il rilevamento anomalie viene eseguito in modo nativo nelle tabelle eventhouse senza copiare i dati, operando direttamente sui set di dati live per l'analisi in tempo reale. L'analisi e il monitoraggio continuo vengono eseguiti all'interno di Eventhouse, riducendo al minimo lo spostamento dei dati.

Prerequisiti

• Un spazio di lavoro con una capacità abilitata a Microsoft Fabric.

• Ruolo di Amministratore, Membro o Collaboratore nell'area di lavoro.

• Un modulo Eventhouse nell'area di lavoro con un database di tipo KQL.

• Plug-in Python abilitato nella stessa eventhouse.

  1. Per abilitare il plugin, vai su Eventhouse.
  2. Nella barra degli strumenti superiore selezionare Plug-in e quindi abilitare l'estensione del linguaggio Python.
  3. Selezionare il plug-in DL Python 3.11.7 e selezionare Fine.

  

• Rileva anomalie nell'intelligence in tempo reale abilitata nel tuo spazio di lavoro.

  1. Per abilitare il rilevamento delle anomalie, vai nel tuo spazio di lavoro.
  2. Aggiorna a una prova gratuita di Microsoft Fabric o assicurati che il tuo spazio di lavoro abbia una licenza Microsoft Fabric.
  3. Contatta il tuo amministratore per attivare l'opzione di anteprima oppure vai sul portale Admin e attiva Rileva anomalie in Real-Time Intelligence (Anteprima).

Come configurare il rilevamento anomalie

Come iniziare

È possibile avviare il rilevamento anomalie in tre modi:

Visualizza le configurazioni esistenti di rilevamento delle anomalie

Prima di creare un nuovo rilevatore di anomalie, verifica se esiste già una configurazione di rilevamento anomalie per la fonte dati selezionata. Questa visuale ti offre una rapida visibilità su come il rilevamento delle anomalie è attualmente configurato per quella fonte di dati. Ti aiuta a evitare il lavoro duplicato e a capire meglio come gli altri usano i dati.

1. Nell'elenco delle fonti dati, seleziona l'ellissi (...) per la fonte dati che vuoi analizzare, poi seleziona Rilevatore di anomalie esistenti.

   

2. In Visualizza anomalie rilevate, puoi visualizzare tutte le configurazioni esistenti di rilevamento anomalie per la fonte dati selezionata ed esplorare i dettagli di ciascuna.

   1. Dal pannello di navigazione sinistro, seleziona una configurazione per esplorare le anomalie rilevate, oppure seleziona Apri per visualizzarla a schermo intero.

   2. Se le configurazioni esistenti non soddisfano le tue esigenze, seleziona Nuovo per creare una nuova configurazione di rilevamento anomalie.

   

Questa esperienza ti aiuta a passare rapidamente dall'esplorazione all'azione, senza uscire dal contesto della tua fonte dati.

Configurare le colonne di input per l'analisi

Specificare le colonne da analizzare e come raggruppare i dati.

1. Nel riquadro di configurazione aggiungere la colonna Value to watch contenente i dati numerici da monitorare per individuare le anomalie.

   

   Annotazioni

   Verificare che la colonna selezionata contenga valori numerici, perché per il rilevamento anomalie sono supportati solo i dati numerici.

2. Scegliere la colonna Raggruppa per per specificare la modalità di partizionamento dei dati per l'analisi. Questa colonna rappresenta in genere entità come dispositivi, posizioni o altri raggruppamenti logici.

   

3. Selezionare la colonna Timestamp che rappresenta l'ora in cui è stato registrato ogni punto dati. Questa colonna è fondamentale per il rilevamento anomalie delle serie temporali e garantisce un'analisi accurata delle tendenze nel tempo.

   

4. Selezionare Esegui analisi per avviare la valutazione automatica del modello.

Attendere il completamento dell'analisi

Il sistema analizza i dati per trovare i modelli di rilevamento anomalie migliori.

Durante l'analisi, il sistema:

• Esempi dei dati della tabella per un'elaborazione efficiente
• Verifica più algoritmi di rilevamento anomalie
• Valuta diverse configurazioni dei parametri
• Identifica i modelli più efficaci per i modelli di dati specifici

Esaminare i modelli e le anomalie consigliati

Al termine dell'analisi, esaminare i risultati ed esplorare le anomalie rilevate.

1. Aprire i risultati del rilevamento anomalie selezionando la notifica ricevuta o tornando alla tabella e selezionando Visualizza risultati anomalie.

2. La pagina dei risultati fornisce le informazioni dettagliate seguenti:

   • Visualizzazione dei dati con anomalie evidenziate chiaramente.
   • Elenco di algoritmi consigliati, classificati in base alla loro efficacia per i dati.
   • Impostazioni di riservatezza per modificare le soglie di rilevamento.
   • Tabella dettagliata delle anomalie rilevate nell'intervallo di tempo selezionato.

3. Usare il selettore di modello per confrontare le prestazioni di algoritmi consigliati diversi e scegliere quello più adatto alle proprie esigenze.

4. Modificare le impostazioni di sensibilità per perfezionare i risultati del rilevamento anomalie.

   • Le opzioni includono livelli di attendibilità bassi, medi e elevati.
   • Provare a usare queste impostazioni per bilanciare tra il rilevamento di più anomalie e la riduzione dei falsi positivi.

5. Interagire con gli oggetti visivi e le tabelle per ottenere informazioni più approfondite sulle anomalie rilevate e comprendere i modelli nei dati. È anche possibile aprire il contesto di analisi delle anomalie in un notebook di Fabric per esplorare ulteriormente i dati e rilevare anomalie usando KQL, SQL, Python o Spark, abilitando trasformazioni avanzate e Machine Learning nella stessa base dati.

6. Salvare il rilevatore anomalie per mantenere la configurazione e rivederla in un secondo momento.

7. Publish le anomalie rilevate nell'hub Real-Time per consentire il monitoraggio continuo dei dati in tempo reale in ingresso nella governance Fabric, senza duplicare il set di dati. È anche possibile configurare azioni downstream, ad esempio l'invio di avvisi a Activator.

Esaminando e ottimizzando i risultati, è possibile assicurarsi che la configurazione del rilevamento anomalie sia ottimizzata per il caso d'uso specifico.

Rianalisire i modelli di rilevamento anomalie con nuovi dati

Mantenere aggiornati i modelli di rilevamento anomalie man mano che diventano disponibili nuovi dati.

Seguire questa procedura per rianalisi del modello con nuovi dati:

1. Vai al tuo elemento di rilevamento delle anomalie.
2. Nel pannello Modifica modificare uno dei campi compilati in precedenza in base alle esigenze.
3. Selezionare Esegui analisi. Questa azione avvia una nuova analisi in base agli input aggiornati.

Esplorare gli eventi di rilevamento anomalie e impostare gli avvisi

Dopo aver pubblicato i risultati del rilevamento anomalie, è possibile esplorare le anomalie rilevate nell'hub Real-Time e configurare gli avvisi per notificare eventuali anomalie future.

Gli eventi di anomalia possono anche essere collegati agli agenti dati di Fabric per consentire il ragionamento automatizzato e l’esecuzione di azioni sia sui dati degli eventi in tempo reale sia su quelli storici. Gli agenti possono elaborare eventi di anomalia e orchestrare flussi di lavoro a valle, a complemento degli avvisi basati su Activator.

Eseguire query sui risultati delle anomalie con l'endpoint SQL

Eventhouse fornisce un endpoint SQL gestito allineato al modello di dati eventhouse e alla governance Fabric. È possibile eseguire query su output di rilevamento anomalie e tabelle o viste correlate tramite SQL per l'analisi downstream e le integrazioni. Per trovare i dettagli della connessione all'endpoint SQL, passare all'elemento Eventhouse nell'area di lavoro Fabric.

Per altre informazioni, vedere:

• Esplorare gli eventi di rilevamento anomalie
• Impostare avvisi per gli eventi di rilevamento anomalie

Limitazioni e considerazioni

Tenere presente queste limitazioni:

• Il rilevamento anomalie è disabilitato se la tabella di input non corrisponde allo schema richiesto (colonna valore numerico, colonna datetime e colonna stringa).
• I dati cronologici sufficienti migliorano le raccomandazioni e l'accuratezza del modello.
• Ogni rilevatore di anomalie supporta solo una singola configurazione del modello.

Esecuzione di più operazioni nel rilevamento delle anomalie

Quando si interagisce con il rilevamento anomalie, Eventhouse esegue query Python in background per supportare l'analisi in tempo reale. tra cui:

• L'esecuzione del rilevamento delle anomalie o di altri tipi di analisi.
• Passaggio tra i modelli consigliati.
• Modifica dell'intervallo di tempo o degli ID visualizzati.
• Monitoraggio continuo dei dati in ingresso per le anomalie impostando avvisi.

Eventhouse supporta fino a otto query simultanee per ogni eventhouse. Se si supera questo limite, il sistema riprova a eseguire le query, ma non accoda query extra e queste potrebbero fallire senza notifica. I messaggi di errore che forniscono maggiore chiarezza sono in fase di sviluppo.

Per evitare problemi:

• Consentire il completamento di ogni query prima di avviarne una nuova.
• Se le prestazioni sembrano lente o non rispondono, ridurre il numero di query simultanee.

Per altre informazioni, vedere Plug-in Python.

Tempi di attesa per abilitare il plugin Python

Quando inizi l'analisi dei dati, il rilevatore di anomalie abilita automaticamente il plugin Python sul tuo Eventhouse. L'abilitazione del plug-in può richiedere fino a un'ora. Una volta abilitata, l'analisi viene avviata automaticamente.

Per altre informazioni, vedere Abilitare il plug-in Python in Real-Time Intelligence.

Passaggi successivi

Dopo aver configurato il rilevamento anomalie, è possibile:

• Esplorare gli eventi di rilevamento anomalie
• Impostare avvisi per gli eventi di rilevamento anomalie
• Configurare Activator per le risposte automatizzate
• Informazioni sul rilevamento anomalie multivariato
• Creare avvisi da un insieme di query KQL

Contenuti correlati

• Informazioni di riferimento sulle query KQL
• Documentazione del Dashboard in Tempo Reale
• Panoramica di Activator