Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
Observação
Este tutorial faz parte de uma série. Para a secção anterior, consulte: Tutorial do Real-Time Intelligence parte 6: Criar um Dashboard em Tempo Real.
Nesta parte do tutorial, constróis um fluxo de trabalho de dados em tempo real que deteta anomalias nos dados em streaming. Utiliza-se uma tabela Eventhouse para analisar dados de séries temporais e identificar padrões invulgares.
Criar um detetor de anomalias
Abra a tabela Eventhouse criada no tutorial anterior.
No painel de navegação esquerdo, selecione Tempo Real.
Em Dados em Streaming, selecione a tabela TransformedData.
Na página de detalhes da tabela, selecione Detetar anomalias na barra de ferramentas.
Criar um detector para analisar os dados em busca de anomalias.
No painel do detector de Nova Anomalia :
- Introduza um nome para o detector.
- Selecione o seu espaço de trabalho Fabric.
- Selecione Criar.
Configurar a deteção de anomalias
Configure os atributos usados para detetar anomalias.
Na secção Editar configuração , defina os seguintes valores:
Campo Valor Valor a observar Sem_Bicicletas Agrupar por Rua Data e Hora Data e Hora Selecione Guardar.
Escolha um modelo de deteção de anomalias
Na secção Encontrar modelos , selecione Analisar os meus dados para encontrar o melhor modelo de deteção de anomalias para os seus dados.
Revise os modelos recomendados e escolha aquele que melhor se adequa às suas necessidades. Para este tutorial, selecione o modelo recomendado de Local Pattern Detector .
Selecione Guardar.
Rever os resultados de anomalias
Após a conclusão da análise, reveja as anomalias detetadas.
Veja os resultados da anomalia no painel de resultados do Detetor .
Inspecione o gráfico e a saída tabular para identificar padrões invulgares.