InfluxDB 기반 실시간 비정상 데이터 예측 검출 Tool
To set AnoMa environment:
env_tenplate을 통해 .env를 생성 후 하위 폴더들에 .env 파일을 복사함.
cp env_template .env
vi .env # make chanege Anoma environment
sh copy_env.sh
Grafana dashboard와 InfluxDB Docker container를 생성함.
To set Grafana influxDB:
mkdir anoam_grafana
mkdir anoma_influx_db
To launch grafana influx db:
docker-compose -f docker-compose.yml up -d
Set up docker file:
docker build --tag mad_anoma .
To launch anomaly train:
train interval에 따라 모델 학습이 이뤄지는 Docker container 생성
docker-compose -f docker-compose-mad.yml -p MAD_ANOMA up -d
To launch anomaly deploy:
실시간으로 DB의 최신 값을 불러와 Anomaly 예측이 이뤄지는 Docker container 생성
docker-compose -f docker-compose-mad-deploy.yml -p MAD_ANOMADEPLOY up -d
Docker 환경변수
| 변수 | 내용 | Default |
|---|---|---|
| FLT_INFL_URL | InfluxDB URL 주소 | |
| FLT_RETRAINING_INTERVAL_MINUTES | 스케쥴러 내장 함수를 통한 재학습 주기, 단위 : 분 | default = 120 |
| FLT_ROLLING_TRAINING_WINDOW_SIZE | Train 데이터 구간의 크기, 현재로 부터 몇일 뒤의 데이터를 불러올 것인지 결정 |
default = 3d |
| FLT_DATABASE_NAME | 사용하는 InfluxDB의 DB 이름 | |
| FLT_DATABASE_PORT | InfluxDB의 포트, .env 환경변수 설정 파일로 부터 INFLUX_DB_PORT 변수 값을 가져옴 |
|
| FLT_DATABASE_USERNAME | InfluxDB의 ID, .env 환경변수 설정 파일로 부터 INFLUX_DB_USER_NAME 변수 값을 가져옴 |
|
| FLT_DATABASE_PASSWORD | InfluxDB의 Password, .env 환경변수 설정 파일로 부터 INFLUX_DB_PASSWORD 변수 값을 가져옴 |
|
| FLT_ALL_TABLES | 전체 테이블을 불러오는 경우(True) | default = False |
| FLT_TABLE_LIST | 특정 테이블 사용시 테이블 이름들을 세미콜론(;) 으로 구분하여 작성 ex. some_metric;ano_metric |
|
| FLT_ALL_COLUMNS | 테이블의 전체 컬럼들을 불러오는 경우(True) | default = False |
| FLT_COLUMN_LIST | 테이블의 특정 컬럼을 사용시 컬럼이름들을 dict형태로 작성 ex. {'some_metric':['val1', 'val2'],'ano_metric':['val11', 'val22']} |
|
| MODEL_DIR | marker-anomaly-detector 폴더 하위에 모델이 저장될 폴더 이름 경로상 폴더가 없을시 자동생성 |
prometheus-anomaly-detector [github page]
Variational-Lstm-Autoencoder [github page]
docker-influxdb-grafana [github page]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent