パターンは標準的な探査よりもはるかにシンプルです。パターンを使用する場合、興味深い結果を得るには、いくつかのキー・フィールドを指定する必要があります。パターンを作成すると、他の探査のように「カタログ」に表示されます。パターンを使用して、新しい探査を作成できます。
パターンは、ビジネス・ロジックがすでに組み込まれている、Oracle Stream Analyticsアプリケーションのテンプレートです。イベント・ストリームの視覚表現は、選択するキー・フィールドに基づいて、様々なパターン・タイプを持ちます。パターンを使用すると、共通のビジネス・シナリオに基づくイベント・ストリームを簡単に調査できます。左側のフィルタを使用して様々なカテゴリのパターンを表示し、このパターンを使用をクリックして探査を作成します。それぞれのパターンが含まれるボックスをクリックすることにより、パターンの詳細な説明が表示され、詳しい情報を知ることができます。追加情報を非表示にするには、再度クリックします。
パターンは、共通のビジネス・シナリオに基づくライブ出力ストリームの形式に結果を表示します。
注意:
特定のパターンのフィールドにデータを入力する際、入力するデータがフィールドのデータ型に一致していることを確認してください。入力されたデータとデータ型が一致しない場合、パターンは不正な結果を生み出します。「表示」下の左側のパネルの「すべて表示」リンクを使用して、カテゴリに基づいてパターンを包含または除外できます。「すべて表示」をクリックすると、隣にティック・マークが表示され、すべてのパターンがページに表示されます。
いくつかの選択したパターンのみを表示するには、「すべて表示」の選択を解除し、個別にパターンを選択します。選択されたパターンのみがカタログに表示されます。
次の表は、パターンを分類しています。
表7-1 パターンのカテゴリ
カテゴリ | パターン | 新規/既存 |
---|---|---|
一般 |
変更検出 |
新規 |
Bが後に続くA |
新規 |
|
Bが後に続かないA |
新規 |
|
下位N |
既存 |
|
重複の検出 |
既存 |
|
下降トレンド |
既存 |
|
重複排除 |
既存 |
|
変動 |
既存 |
|
逆W |
既存 |
|
存在しないハートビートの検出 |
新規 |
|
上位N |
既存 |
|
上昇トレンド |
既存 |
|
W |
既存 |
|
論理和 |
新規 |
|
左外部結合 |
新規 |
|
機械学習 |
K平均法異常検出 |
新規 |
空間 |
空間一般 |
新規 |
統計 |
中央値 |
新規 |
相関 |
新規 |
|
分位 |
新規 |
|
標準偏差 |
新規 |
Oracle Stream Analyticsは、様々なパターンを提供しています。
一般
機械学習
空間
統計
このダイアログには、カテゴリ別にすべてのパターンがリスト表示されます。それぞれのパターンの上にカーソルを置くと、その説明が表示されます。
パターンを作成する手順は、次のとおりです。
「パターン」をクリックし、使用するパターン・タイルのこのパターンを使用を選択してもパターンを作成できます。
このパターンを使用して、ウィンドウ範囲の最初のN個のイベントを取得します。
「上位N」パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
下位Nパターンを使用して、ウィンドウ範囲の最後のN個のイベントを取得します。
この項では、「下位N」パターンを作成する方法を説明します。
「下位N」パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、数値イベント・フィールドが、いつ指定された傾向の変化(値の上昇)を示すかを検出します。たとえば、このパターンを使用して、センサー・デバイスからの温度値がいつ連続的に上昇し始めるかを特定します。
上昇傾向パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、数値イベント・フィールドが、いつ指定された傾向の変化(値の低下)を示すかを検出します。たとえば、このパターンを使用して、センサー・デバイスからの温度値がいつ連続的に低下し始めるかを特定します。
下降傾向パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、イベント・データ・フィールド値が、特定の時間ウィンドウの範囲内で、いつ特定の上方向または下方向への変更を示すかを検出します。たとえば、このパターンを使用して、油圧値の多様な変化が許容範囲内に保たれていることを特定します。
振動パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、イベント・ストリームの重複イベントを排除する探査を作成します。
重複の除去パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、指定された期間内のいつ、イベント・データ・フィールドが重複値を持つかを検出します。たとえば、このパターンを使用して、いつ、同じ順序が1日のうちに2回発生するかを検出します。
重複の検出パターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、指定された時刻ウィンドウ内のいつ、イベント・データ・フィールド値が上昇および下降してWを描くかを検出します。たとえば、市場データ・フィードの株価の動きをモニタリングして買/売/ホールドの評価を決定する場合に、このパターンを使用します。
Wパターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、ライブ出力ストリームの逆Wパターンを検出します。
逆Wパターンを作成する手順:
パターンは、入力/選択したデータに基づいて、視覚的に表されます。
このパターンを使用して、Aの後の指定された期間内のいつ、Bが発生しないかを検出します。
このパターンを使用して、指定された期間内のいつ、イベントAの後に続いてイベントBが発生するかを検出します。中間イベントが存在していても可能です。
このパターンを使用して、選択された値と期待値との標準偏差を計算します。
このパターンを使用して、ライブ出力ストリームの2つの監視可能なパラメータの相関を計算します。
このパターンを使用して、特定のパラメータに関するイベント・ストリームの中央値を計算します。
このパターンを使用して、2つのストリームからイベントの論理和を作成します。両方のストリームのイベントの形状が同一である必要があります。
このパターンを使用して、指定された期間内に変更された1つまたは複数のパラメータを検出します。
Oracle Stream Analyticsは、指定した期間内の変更を検知し、期間の終わりまたは変更がこの先起こらなくなったときに、出力イベント(アラート)を送信します。次のグラフを例として考えてみます。
指定した期間がAからCの間隔に等しいと仮定します。緑色の例では、AからCの期間で、値はAからBにかけて継続的に変更します。しかし、Bの時点以降は値は変化しなくなります。そのため、B1の時点でアラートを受け取ります。
青色の例では、AからCの期間全体で値が継続的に変更します。指定した期間であるAからCの終わり、Cの時点でアラートを受け取ります。
変更の発生直後にアラートを受け取る必要がある場合があります。緑色および青色の例の両方において、A1の時点で値が変化するため、アラートを受信し、緑色の例ではBの時点まで、青色の例ではCの時点までアラートを受信し続けます。
対策として、ウィンドウの値を最小限にすることで、変更が起こった直後にイベントを受信できます。
このパターンを使用して、データ・クラスタを探索し、異常を検出します。K平均法は、データ探査用の監督なしの機械学習アルゴリズムとして広く使用されています。K平均法は、低密度クラスタ(メンバがきわめて少ないクラスタ)を識別することによる異常検出に使用されますが、あまり一般的な方法ではありません。Oracle Stream Analyticsでは、監視のための2次元(2D)空間がサポートされています。
このパターンを使用して、地理ロケーション・データを含むストリームを分析し、イベントがマップに事前定義されたジオフェンスにどのように関係するかを判断します。