介绍 TDgpt 内置时序数据异常检测模型
TDengine 中定义了异常（状态）窗口来提供异常检测服务。异常窗口可以视为一种特殊的事件窗口（Event Window），即异常检测算法确定的连续异常时间序列数据所在的时间窗口。与普通事件窗口区别在于，时间窗口的起始时间和结束时间均由分析算法识别确定，不通过用户给定的表达式进行判定。因此，在 WHERE 子句中使用 ANOMALY_WINDOW 关键词即可调用时序数据异常检测服务，同时窗口伪列（_WSTART、_WEND、_WDURATION）也能够像其他时间窗口一样用于描述异常窗口的起始时间 (_WSTART)、结束时间 (_WEND)、持续时间 (_WDURATION)。例如：
--- 使用异常检测算法 IQR 对输入列 col_val 进行异常检测。同时输出异常窗口的起始时间、结束时间、以及异常窗口内 col 列的和。
SELECT _wstart, _wend, SUM(col)
FROM foo
ANOMALY_WINDOW(col_val, "algo=iqr");
如下图所示，Anode 将返回时序数据异常窗口 [10:51:30, 10:53:40]
在此基础上，用户可以针对异常窗口内的时序数据进行查询聚合、变换处理等操作。
语法
ANOMALY_WINDOW(column_name, option_expr)option_expr: {"
algo=expr1
[,wncheck=1|0]
[,expr2]
"}
column_name：进行时序数据异常检测的输入数据列，当前只支持单列，且只能是数值类型，不能是字符类型（例如：NCHAR、VARCHAR、VARBINARY等类型），不支持函数表达式。options：字符串。其中使用 K=V 调用异常检测算法及与算法相关的参数。采用逗号分隔的 K=V 字符串表示，其中的字符串不需要使用单引号、双引号、或转义号等符号，不能使用中文及其他宽字符。例如：algo=ksigma,k=2表示进行异常检测的算法是 ksigma，该算法接受的输入参数是 2。- 异常检测的结果可以作为外层查询的子查询输入，在
SELECT子句中使用的聚合函数或标量函数与其他类型的窗口查询相同。 - 输入数据默认进行白噪声检查，如果输入数据是白噪声，将不会有任何（异常）窗口信息返回。
参数说明
| 参数 | 含义 | 默认值 |
|---|---|---|
| algo | 异常检测调用的算法 | iqr |
| wncheck | 对输入数据列是否进行白噪声检查，取值为 0 或 1 | 1 |
示例
--- 使用 iqr 算法进行异常检测，检测列 i32 列。
SELECT _wstart, _wend, SUM(i32)
FROM foo
ANOMALY_WINDOW(i32, "algo=iqr");--- 使用 ksigma 算法进行异常检测，输入参数 k 值为 2，检测列 i32 列
SELECT _wstart, _wend, SUM(i32)
FROM foo
ANOMALY_WINDOW(i32, "algo=ksigma,k=2");taos> SELECT _wstart, _wend, count(*) FROM foo ANOMAYL_WINDOW(i32);_wstart | _wend | count(*) |
====================================================================2020-01-01 00:00:16.000 | 2020-01-01 00:00:17.000 | 2 |
Query OK, 1 row(s) in set (0.028946s)
内置异常检测算法
分析平台内置了 6 个异常检查模型，分为 3 个类别，分别是 基于统计学的算法、基于数据密度的算法、以及基于机器学习的算法。在不指定异常检测使用的方法的情况下，默认调用 IQR 进行异常检测。
)
