Azure.AI.MetricsAdvisor.Models |
Modèle de conseiller en métriques IA avec Azure |
|---|---|
| Azure SDK for .NET (C#) | Espaces de nom |
Description
Cet espace de nom permet de définir les modèles de données utilisés dans le SDK Metrics Advisor, comme les séries chronologiques, les anomalies détectées, les configurations d'analyse, et les diagnostics associés aux alertes.
Liste des classes
| Nom | Description |
|---|---|
| AnomalyAlert | Cette classe permet de représenter une alerte générée lorsqu'une ou plusieurs anomalies sont détectées par les configurations définies. |
| AnomalyAlertConfiguration | Cette classe permet de définir la configuration d'un système d'alerte déclenché lors de la détection d'anomalies sur une ou plusieurs métriques. |
| AnomalyDetectionConfiguration | Cette classe permet de définir les règles de détection d'anomalies appliquées à des données provenant d'un flux configuré. |
| AnomalyIncident | Cette classe permet de représenter un incident regroupant plusieurs anomalies détectées sur une même métrique et au cours d'une période spécifique. |
| ChangeThresholdCondition | Cette classe permet de configurer une condition de détection d'anomalie fondée sur un seuil de variation des valeurs métriques. |
| DataFeed | Cette classe permet de représenter une source de données connectée au service Metrics Advisor, qui est configurée pour ingérer périodiquement des données à surveiller. |
| DataFeedDimension | Cette classe permet de définir une dimension des données au sein d'un flux, utilisée pour structurer ou filtrer les métriques. |
| DataFeedGranularity | Cette classe permet de configurer la granularité temporelle avec laquelle les données sont ingérées à partir d'une source, comme par minute, heure, jour,... |
| DataFeedIngestionProgress | Cette classe permet de fournir des informations sur l'avancement de l'ingestion des données dans un flux donné, en indiquant les plages temporelles couvertes. |
| DataFeedIngestionSettings | Cette classe permet de configurer la stratégie d'ingestion d'un flux de données, incluant la fréquence, les plages temporelles, et les politiques de redémarrage. |
| DataFeedIngestionStatus | Cette classe permet de représenter l'état de l'ingestion de données pour une période donnée dans un flux configuré. |
| DataFeedMetric | Cette classe permet de définir une métrique extraite d'un flux de données, sur laquelle des règles d'analyse et de détection peuvent être appliquées. |
| DataFeedMissingDataPointFillSettings | Cette classe permet de configurer la stratégie utilisée pour traiter les points de données manquants lors de l'ingestion, comme l'interpolation ou l'utilisation de constantes. |
| DataFeedRollupSettings | Cette classe permet de spécifier comment un flux de données doit gérer les données agrégées (ou rollup) avant de les analyser à la recherche d'anomalies. |
| DataFeedSchema | Cette classe permet de spécifier les éléments (comme les métriques et les dimensions) qui seront extraits et ingérés depuis la source de données. |
| DataPointAnomaly | Cette classe permet de représenter une anomalie détectée à un point précis dans une série temporelle d'une métrique donnée. |
| DimensionKey | Cette classe permet d'identifier un groupe de dimensions associé à une série temporelle spécifique dans les données surveillées. |
| EnrichmentStatus | Cette classe permet de fournir des informations sur l'état de l'enrichissement des données, comme le résultat des transformations appliquées avant l'analyse. |
| HardThresholdCondition | Cette classe permet de définir une condition de détection d'anomalie basée sur des seuils fixes au-dessus ou en dessous desquels une valeur est considérée comme anormale. |
| IncidentRootCause | Cette classe permet de représenter une cause racine identifiée pour un incident d'anomalie, sur la base de l'analyse des données. |
| MetricAlertConfiguration | Cette classe permet de configurer les conditions d'alerte pour une métrique spécifique dans le cadre de la surveillance des anomalies. |
| MetricAnomalyAlertConditions | Cette classe permet de définir des conditions supplémentaires que doit remplir une anomalie pour déclencher une alerte. |
| MetricAnomalyAlertScope | Cette classe permet de définir la portée des séries temporelles à prendre en compte pour qu'une anomalie soit incluse dans une alerte. |
| MetricAnomalyAlertSnoozeCondition | Cette classe permet de configurer les règles de temporisation des alertes, afin d'éviter des notifications répétées pour des anomalies similaires. |
| MetricBoundaryCondition | Cette classe permet de spécifier une condition de détection d'anomalie fondée sur des bornes dynamiques ou relatives appliquées aux valeurs métriques. |
| MetricEnrichedSeriesData | Cette classe permet de représenter une série temporelle enrichie avec les résultats d'analyse, tels que les anomalies détectées et les métadonnées associées. |
| MetricsAdvisorModelFactory | Cette classe permet de créer des instances des modèles utilisés dans les bibliothèques Azure.AI.MetricsAdvisor et Azure.AI.MetricsAdvisor.Administration, notamment à des fins de test ou de simulation. |
| MetricSeriesData | Cette classe permet de représenter les données d'une série temporelle spécifique associée à une métrique, comprenant les horodatages et les valeurs. |
| MetricSeriesDefinition | Cette classe permet de définir les métadonnées d'une série temporelle de métrique, y compris les combinaisons de dimensions qui la caractérisent. |
| MetricSeriesGroupDetectionCondition | Cette classe permet de configurer les conditions de détection d'anomalies à appliquer à un groupe de séries temporelles défini par des valeurs de dimensions communes. |
| MetricSingleSeriesDetectionCondition | Cette classe permet de spécifier les paramètres de détection d'anomalies pour une seule série temporelle identifiée par un jeu de dimensions. |
| MetricWholeSeriesDetectionCondition | Cette classe permet de définir les règles de détection d'anomalies applicables à l'ensemble des séries d'une métrique, sans filtrage par dimension. |
| SeverityCondition | Cette classe permet de filtrer les anomalies en fonction de leur niveau de gravité, afin de déclencher des alertes plus sélectives. |
| SmartDetectionCondition | Cette classe permet de configurer une détection intelligente des anomalies en utilisant des modèles statistiques et d'apprentissage automatique. |
| SuppressCondition | Cette classe permet de spécifier des règles de suppression afin de limiter le déclenchement d'alertes trop fréquentes ou redondantes pour des anomalies similaires. |
| TopNGroupScope | Cette classe permet de définir une portée de surveillance basée sur les N groupes principaux de séries temporelles, triés selon des critères comme la valeur ou la variation. |
Dernière mise à jour : Mardi, le 5 mai 2025