› › ›

API получения снимков моделей

Получает информацию о моментальных снимках модели.

Запрос

GET _ml/anomaly_detectors/<job_id>/model_snapshots

GET _ml/anomaly_detectors/<job_id>/model_snapshots/<snapshot_id>

Предварительные условия

Требуется привилегия кластера monitor_ml. Данная привилегия включена в встроенную роль machine_learning_user.

Параметры пути

<job_id>

(Обязательно, строка) Идентификатор задания обнаружения аномалий.

<snapshot_id>

(Необязательно, строка) Числовая строка, уникально идентифицирующая моментальный снимок модели.

Вы можете получить информацию о нескольких моментальных снимках, используя список, разделенный запятыми, или выражение с подстановкой. Вы можете получить все моментальные снимки, используя _all, указав * в качестве идентификатора моментального снимка или опустив идентификатор моментального снимка.

Параметры запроса

desc: (Необязательно, логическое значение) Если значение true, результаты сортируются в порядке убывания. По умолчанию значение равно false.
end: (Необязательно, дата) Возвращает моментальные снимки с отметками времени, предшествующими указанному времени. По умолчанию не установлено, что означает, что результаты не ограничены определёнными отметками времени.
from: (Необязательно, целое число) Пропускает указанное количество моментальных снимков. По умолчанию значение равно 0.
size: (Необязательно, целое число) Указывает максимальное количество моментальных снимков для получения. По умолчанию значение равно 100.
sort: (Необязательно, строка) Указывает поле сортировки для запрашиваемых моментальных снимков. По умолчанию моментальные снимки сортируются по отметке времени.
start: (Необязательно, строка) Возвращает моментальные снимки с отметками времени, последующими за указанным временем. По умолчанию не установлено, что означает, что результаты не ограничены определёнными отметками времени.

Тело запроса

Вы также можете указать параметры запроса в теле запроса; исключениями являются from и size, используйте page вместо этого:

page

Свойства page

from: (Необязательно, целое число) Пропускает указанное количество моментальных снимков. По умолчанию значение равно 0.
size: (Необязательно, целое число) Указывает максимальное количество моментальных снимков для получения. По умолчанию значение равно 100.

Тело ответа

API возвращает массив объектов моментальных снимков модели, которые имеют следующие свойства:

description: (строка) Необязательное описание задания.
job_id: (строка) Числовая строка, уникально идентифицирующая задание, для которого был создан моментальный снимок.
latest_record_time_stamp: (дата) Отметка времени последней обработанной записи.
latest_result_time_stamp: (дата) Отметка времени последнего результата ведра.
min_version: (строка) Минимальная версия, необходимая для восстановления моментального снимка модели.

model_size_stats

(объект) Сводная информация, описывающая модель.

Свойства model_size_stats

assignment_memory_basis

(строка) Указывает, где найти требования к памяти, которые используются для определения места выполнения задания. Возможные значения:

model_memory_limit: Требования к памяти задания рассчитываются на основе того, что объем памяти модели увеличится до значения model_memory_limit, указанного в analysis_limits его конфигурации.
current_model_bytes: Требования к памяти задания рассчитываются на основе того, что текущий размер памяти модели хорошо отражает то, каким он будет в будущем.
peak_model_bytes: Требования к памяти задания рассчитываются на основе того, что максимальный размер памяти модели хорошо отражает будущий размер модели.

bucket_allocation_failures_count

(длинное целое) Количество ведер, для которых сущности не были обработаны из-за ограничений по памяти.

categorized_doc_count

(длинное целое) Количество документов, для которых было категоризовано поле.

categorization_status

(строка) Состояние категоризации для этого задания. Содержит одно из следующих значений.

ok: Категоризация работает приемлемо (или вообще не используется).
warn: Категоризация обнаруживает распределение категорий, которое предполагает, что входные данные непригодны для категоризации. Проблемы могут заключаться в том, что существует только одна категория, более 90% категорий являются редчайшими, количество категорий больше 50% от количества категоризованных документов, нет часто встречающихся совпадений по категориям или более 50% категорий являются неактивными.

dead_category_count

(длинное целое) Количество категорий, созданных категоризацией, которые больше никогда не будут присваиваться, потому что определение другой категории делает её надмножеством неактивной категории. (Неактивные категории — побочный эффект того, что категоризация не проходит предварительной подготовки.)

failed_category_count

(длинное целое) Количество раз, когда категоризация хотела создать новую категорию, но не смогла, потому что задание достигло своего model_memory_limit. Этот счётчик не отслеживает, какие конкретные категории не были созданы. Поэтому вы не можете использовать это значение для определения количества уникальных категорий, которые были пропущены.

frequent_category_count

(длинное целое) Количество категорий, соответствующих более чем 1% категоризованных документов.

job_id

(строка) Идентификатор задания обнаружения аномалий.

log_time

(дата) Отметка времени, когда model_size_stats были записаны, по серверному времени.

memory_status

(строка) Состояние памяти по отношению к её model_memory_limit. Содержит одно из следующих значений.

hard_limit: Внутренние модели требуют больше места, чем установленный лимит памяти. Некоторые входящие данные не могли быть обработаны.
ok: Внутренние модели остались ниже установленного значения.
soft_limit: Внутренние модели требуют более 60% установленного лимита памяти, и будет выполнено более агрессивное обрезание, чтобы попытаться освободить место.

model_bytes

(длинное целое) Приблизительный объём ресурсов памяти, необходимых для этого анализа.

model_bytes_exceeded

(длинное целое) Количество байтов сверх верхнего лимита использования памяти при последней ошибке выделения памяти.

model_bytes_memory_limit

(длинное целое) Верхний предел использования памяти, проверяемый при увеличении значений.

peak_model_bytes

(длинное целое) Максимально зарегистрированное значение использования памяти модели.

rare_category_count

(длинное целое) Количество категорий, соответствующих одному категоризованному документу.

result_type

(строка) Внутреннее. Это значение всегда model_size_stats.

timestamp

(дата) Отметка времени, когда model_size_stats были записаны, согласно отметке времени ведра данных.

total_by_field_count

(длинное целое) Количество анализируемых значений поля by. Обратите внимание, что они подсчитываются отдельно для каждого детектора и раздела.

total_category_count

(длинное целое) Количество категорий, созданных категоризацией.

total_over_field_count

(длинное целое) Количество анализируемых значений поля over. Обратите внимание, что они подсчитываются отдельно для каждого детектора и раздела.

total_partition_field_count

(длинное целое) Количество анализируемых значений поля partition.

retain

(логическое значение) Если true, этот моментальный снимок не будет удалён во время автоматической очистки моментальных снимков старше model_snapshot_retention_days. Однако этот моментальный снимок будет удалён при удалении задания. Значение по умолчанию равно false.

snapshot_id

(строка) Числовая строка, уникально идентифицирующая моментальный снимок модели.

snapshot_doc_count

(длинное целое) Только для внутренних целей.

timestamp

(дата) Отметка времени создания моментального снимка.

Примеры

GET _ml/anomaly_detectors/high_sum_total_sales/model_snapshots
{
  "start": "1575402236000"
}

В этом примере API возвращает один результат:

{
  "count" : 1,
  "model_snapshots" : [
    {
      "job_id" : "high_sum_total_sales",
      "min_version" : "6.4.0",
      "timestamp" : 1575402237000,
      "description" : "State persisted due to job close at 2019-12-03T19:43:57+0000",
      "snapshot_id" : "1575402237",
      "snapshot_doc_count" : 1,
      "model_size_stats" : {
        "job_id" : "high_sum_total_sales",
        "result_type" : "model_size_stats",
        "model_bytes" : 1638816,
        "model_bytes_exceeded" : 0,
        "model_bytes_memory_limit" : 10485760,
        "total_by_field_count" : 3,
        "total_over_field_count" : 3320,
        "total_partition_field_count" : 2,
        "bucket_allocation_failures_count" : 0,
        "memory_status" : "ok",
        "categorized_doc_count" : 0,
        "total_category_count" : 0,
        "frequent_category_count" : 0,
        "rare_category_count" : 0,
        "dead_category_count" : 0,
        "categorization_status" : "ok",
        "log_time" : 1575402237000,
        "timestamp" : 1576965600000
      },
      "latest_record_time_stamp" : 1576971072000,
      "latest_result_time_stamp" : 1576965600000,
      "retain" : false
    }
  ]
}

© 2023-2025 Elasticsearch
As of September 2024, Elasticsearch is available under a choice of three licenses: the Server Side Public License (SSPL), the Elastic License, or the AGPLv3 (OSI approved).
Elasticsearch and the Elasticsearch logo are trademarks of Elasticsearch B.V., registered in the U.S. and in other countries.
https://www.elastic.co/guide/en/elasticsearch/reference/7.17/ml-get-snapshot.html