简介：智能异常分析的检测结果通过 SLS 告警功能输出到用户配置的通知渠道。在智能巡检场景中，单个任务往往会巡检大量的实体对象，涉及到的对象规则很多，我们通过SLS新版告警可以实现较好的对于巡检事件的管理。
智能异常分析的检测结果通过 SLS 告警功能输出到用户配置的通知渠道。在智能巡检场景中，单个任务往往会巡检大量的实体对象，涉及到的对象规则很多，我们通过SLS新版告警可以实现较好的对于巡检事件的管理。
巡检事件基础结构
在这里，我们先简单看下巡检任务的基本逻辑：
对于单个巡检作业而言，内部包含N个实体的巡检，每个巡检实体对应一个巡检模型，其中任意一个异常事件产生后，都会通过告警系统通知到用户，因此我们需要有能力通过不同的方式将结果进行分发和管理。
我们先看下巡检事件的基础结构，具体的内置模板如下所示：
## 数据源
+ Project: ${results[0].project}
+ LogStore: ${results[0].store}
## 异常对象
+ Entity: ${labels}
## 异常程度
+ Score: ${annotations.anomaly_score}
## 异常时序图
[[数据详情](${query_url})]
[[作业详情](${alert_url})]
[[确认](${annotations.__ensure_url__})]
[[误报](${annotations.__mismatch_url__})]我们一起来看下具体的告警消息的样例，接下来我们所有的描述都会根据对应的如下结果进行描述。
{
"results": [
{
"store_type": "log",
"region": "cn-chengdu",
"project": "sls-ml-demo",
"store": "machine_metric_logtail",
"start_time": 1641361140,
"end_time": 1641361200
}
],
"labels": {
"ip": "192.168.1.5",
"name": "load_avg"
},
"annotations": {
"__ensure_url__": "$url_path",
"__mismatch_url__": "$url_path",
"__plot_image__": "$url_path",
"alert_msg_type": "ml_anomaly_msg",
"anomaly_score": "0.8000",
"anomaly_type_id": "1",
"anomaly_type_name": "STAB_TYPE",
"job_id": "29030-2bbf5beba0110fa869339708a8217b67",
"model_id": "9c0f0d5ad4879eb75237e2ec8494f5f1",
"title": "metric-logtail-sql"
},
"severity": 8,
"drill_down_url": "$url_path"
}
典型场景配置
场景一
目标：过滤特定实体的异常
操作步骤
寻找到某个巡检任务的【行动策略ID】，这里要根据用户自己的实际配置来确定，具体的路径如下：
在行动策略中，添加对应的条件
根据上述提供的告警字段而言，我们假设目前只将【标签】中字段为【ip】且值为【192.168.1.5】的告警消息发送到特定的【钉钉机器人】中
场景二
目标：过滤特定分数的异常
操作步骤
找到特定的【行动策略ID】，添加【条件】
配置【异常分数】超过【0.9】分数以上的告警到特定的渠道
- 【名称】- anomaly_score
- 【正则】- ^((1.0)|(0.9[0-9]))$
场景三
目标：过滤特定实体的特定分数的异常
操作步骤
找到特定的【行动策略ID】，添加【条件】
配置【特定实体】的【异常分数】超过【0.9】分数以上的告警到特定的渠道
- 【标注】的名称设置为 anomaly_score，【正则】- ^((1.0)|(0.9[0-9]))$
- 【标签】的名称设置为 ip，对应的实体内容是 192.168.1.5
场景四
目标：过滤特定异常类型的异常
操作步骤
找到特定的【行动策略ID】，添加【条件】
配置【特定异常形态】
- 配置【标注】anomaly_type_id，根据对应的值进行判别，具体的内容可以参考[异常类型说明]
(https://help.aliyun.com/docum...) - 这里只接受特定的【向上漂移类型的异常】anomaly_type_id = 7
场景五
目标：根据巡检事件和根因事件类型进行分发
操作步骤
找到特定的【行动策略ID】，添加【条件】
配置【智能告警的事件类型】
- 配置【标注】alert_msg_type，对应的值是 ml_anomaly_msg （这个字段表示的是智能巡检的告警）
原文链接
本文为阿里云原创内容，未经允许不得转载。