API для сброса задач

POST _ml/anomaly_detectors/<job_id>/_flush

Требуется привилегия кластера manage_ml. Эта привилегия включена в встроенную роль machine_learning_admin.

API для сброса задач применимо только при отправке данных для анализа с помощью API отправки данных в задачи. В зависимости от содержимого буфера, могут быть дополнительно рассчитаны новые результаты.

Операции сброса и закрытия схожи, однако сброс более эффективен, если ожидается отправка большего объема данных для анализа. При сбросе задача остается открытой и доступна для продолжения анализа данных. Операция закрытия дополнительно обрезает и сохраняет состояние модели на диске, и задачу необходимо открыть повторно перед анализом дополнительных данных.

Вы также можете указать параметры запроса (например, advance_time и calc_interim) в теле запроса.

resp = client.ml.flush_job(
    job_id="low_request_rate",
    calc_interim=True,
)
print(resp)

const response = await client.ml.flushJob({
  job_id: "low_request_rate",
  calc_interim: true,
});
console.log(response);

POST _ml/anomaly_detectors/low_request_rate/_flush
{
  "calc_interim": true
}

При успешном выполнении операции вы получите следующие результаты:

{
  "flushed": true,
  "last_finalized_bucket_end": 1455234900000
}

last_finalized_bucket_end содержит отметку времени (в миллисекундах с начала эпохи) конца последнего обработанного ведра.

Если вы хотите сбросить задачу до определенной отметки времени, можно использовать параметры advance_time или skip_time. Например, для продвижения до 11 часов по Гринвичу 1 января 2018 года:

resp = client.ml.flush_job(
    job_id="total-requests",
    advance_time="1514804400000",
)
print(resp)

const response = await client.ml.flushJob({
  job_id: "total-requests",
  advance_time: 1514804400000,
});
console.log(response);

POST _ml/anomaly_detectors/total-requests/_flush
{
  "advance_time": "1514804400000"
}

При успешном выполнении операции вы получите следующие результаты:

{
  "flushed": true,
  "last_finalized_bucket_end": 1514804400000
}