Python 时间序列异常检测 ADTK - 文章 - 开发者社区

picture.image

adtk简介

智能运维AIOps的数据基本上都是时间序列形式的，而异常检测告警是AIOps中重要组成部分。笔者最近在处理时间序列数据时有使用到adtk这个python库，在这里和大家做下分享。

什么是adtk?

adtk（Anomaly Detection Toolkit）是无监督异常检测的python工具包，它提供常用算法和处理函数：

简单有效的异常检测算法（detector）
异常特征加工（transformers）
处理流程控制（Pipe）

安装


          
pip install adtk

adtk数据要求

时间序列的数据主要包括时间和相应的指标（如cpu，内存，数量等）。python中数据分析一般都是pandas的DataFrame，adtk要求输入数据的索引必须是 DatetimeIndex 。

pandas提供了时间序列的时间生成和处理方法。

pd.date_range


                
stamps = pd.date_range("2012-10-08 18:15:05", periods=4, freq="D")  
# DatetimeIndex(['2012-10-08 18:15:05', '2012-10-09 18:15:05',  
#           '2012-10-10 18:15:05', '2012-10-11 18:15:05'],  
#          dtype='datetime64[ns]', freq='D')

pd.Timestamp


                
tmp = pd.Timestamp("2018-01-05") + pd.Timedelta("1 day")  
print(tmp, tmp.timestamp(), tmp.strftime('%Y-%m-%d'))  
# 2018-01-06 00:00:00 1515196800.0 2018-01-06  
pd.Timestamp( tmp.timestamp(), unit='s', tz='Asia/Shanghai')  
# Timestamp('2018-01-06 08:00:00+0800', tz='Asia/Shanghai')

pd.to_datetime

adtk提供是 validate\_series 来验证时间序列数据的有效性，如是否按时间顺序


          
import pandas as pd  
from adtk.data import validate_series  
from adtk.visualization import plot  
df = pd.read_csv('./data/nyc\_taxi.csv', index_col="timestamp", parse_dates=True)  
df = validate_series(df)  
plot(df)

picture.image

异常特征加工（transformers）

adtk中 transformers 提供了许多时间序列特征加工的方法：

一般我们获取时间序列的特征，通常会按照时间窗口在滑动，采集时间窗口上的统计特征；
还有对于季节性趋势做分解，区分哪些是季节性的部分，哪些是趋势的部分
时间序列降维映射：对于细粒度的时间序列数据，数据量大，对于检测算法来说效率不高。降维方法能保留时间序列的主要趋势等特征同时，降低维数，提供时间效率。这个对于用CNN的方式来进行时间序列分类特别有效，adtk主要提供基于pca的降维和重构方法,主要应用于多维时间序列。

4.1 滑动窗口

atdk提供单个宽口 RollingAggregate 和2个窗口 DoubleRollingAggregate 的滑动方式。统计特征支持均值，中位数，汇总，最大值，最小值，分位数，方差，标准差，偏度，峰度，直方图等， ['mean', 'median', 'sum', 'min', 'max', 'quantile', 'iqr', 'idr', 'count', 'nnz', 'nunique', 'std', 'var', 'skew', 'kurt', 'hist'] 其中

'iqr': 是分位数 75% 和 25%差值
'idr': 是分位数 90% 和 10%插值
RollingAggregate


                
import pandas as pd  
from adtk.data import validate_series  
from adtk.transformer import RollingAggregate  
from adtk.transformer import DoubleRollingAggregate  
s = pd.read_csv('./data/nyc\_taxi.csv', index_col="timestamp", parse_dates=True)  
s = validate_series(s)  
  
s_transformed = RollingAggregate(agg='quantile',agg_params={"q": [0.25, 0.75]}, window=5).transform(s)

picture.image

DoubleRollingAggregate 提供了两个窗口之间统计特征的差异特征，如前5分钟和后5分钟，均值的差值等。 agg 参数和RollingAggregate中一致，新增的参数 diff 主要衡量差距的函数：


                
import pandas as pd  
from adtk.data import validate_series  
from adtk.transformer import DoubleRollingAggregate  
s = pd.read_csv('./data/ec2\_cpu\_utilization\_53ea38.csv', index_col="timestamp", parse_dates=True)  
s = validate_series(s)  
  
s_transformed = DoubleRollingAggregate(  
    agg="median",  
    window=5,  
    diff="diff").transform(s)

'diff': 后减去前
'rel_diff': Relative difference between values of aggregated metric (right minus left divided left). Only applicable if the aggregated metric is scalar.
'abs_rel_diff': （后-前）/前，相对差值
'l1': l1正则
'l2': l2正则

picture.image

4.2 季节性拆解

时间序列可拆解成趋势性，季节性和残差部分。atdk中 ClassicSeasonalDecomposition 提供了这三个部分拆解，并移除趋势和季节性部分，返回残差部分。

freq: 设置季节性的周期
trend：可以设置是否保留趋势性


          
from adtk.transformer import ClassicSeasonalDecomposition  
  
s = pd.read_csv('./data/nyc\_taxi.csv', index_col="timestamp", parse_dates=True)  
s = validate_series(s)  
  
s_transformed = ClassicSeasonalDecomposition().fit_transform(s)

picture.image


          
s_transformed = ClassicSeasonalDecomposition(trend=True).fit_transform(s)

picture.image

4.3 降维和重构

adtk提供的pca对数据进行降维到主成分 PcaProjection 和重构方法 PcaReconstruction 。


          
df = pd.read_csv('./data/generator.csv', index_col="Time", parse_dates=True)  
df = validate_series(df)  
  
from adtk.transformer import PcaProjection  
s = PcaProjection(k=1).fit_transform(df)  
plot(pd.concat([df, s], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), "pc0"]);

picture.image


          
from adtk.transformer import PcaReconstruction  
df_transformed = PcaReconstruction(k=1).fit_transform(df).rename(columns={"Speed (kRPM)": "Speed reconstruction (kRPM)", "Power (kW)": "Power reconstruction (kW)"})  
plot(pd.concat([df, df_transformed], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), ("Speed reconstruction (kRPM)", "Power reconstruction (kW)")]);  
../_images/notebooks_demo_99_0.png

picture.image

异常检测算法（detector）

adtk提供的主要是无监督或者基于规则的时间序列检测算法，可以用于常规的异常检测。

检测离群点离群点是和普通数据差异极大的数据点。adtk主要提供了包括 adtk.detector.ThresholdAD adtk.detector.QuantileAD adtk.detector.InterQuartileRangeAD adtk.detector.GeneralizedESDTestAD的检测算法。

ThresholdAD


                
adtk.detector.ThresholdAD(low=None, high=None)  
参数：  
low：下限，小于此值，视为异常  
high：上限，大于此值，视为异常  
原理：通过认为设定上下限来识别异常  
总结：固定阈值算法


                
from adtk.detector import ThresholdAD  
threshold_ad = ThresholdAD(high=30, low=15)  
anomalies = threshold_ad.detect(s)

picture.image


        
 * QuantileAD

adtk.detector.QuantileAD(low=None, high=None)参数：low：分位下限，范围(0,1)，当low=0.25时，表示Q1high：分位上限，范围(0,1)，当low=0.25时，表示Q3原理：通过历史数据计算出给定low与high对应的分位值Q_low,Q_high，小于Q_low或大于Q_high，视为异常总结：分位阈值算法

from adtk.detector import QuantileADquantile_ad = QuantileAD(high=0.99, low=0.01)anomalies = quantile_ad.fit_detect(s)

picture.image


        
 * InterQuartileRangeAD

adtk.detector.InterQuartileRangeAD(c=3.0)参数：c：分位距的系数，用来确定上下限，可为float，也可为(float,float)原理：当c为float时，通过历史数据计算出 Q3+cIQR 作为上限值，大于上限值视为异常当c=(float1,float2)时，通过历史数据计算出 (Q1-c1IQR, Q3+c2*IQR) 作为正常范围，不在正常范围视为异常总结：箱线图算法

from adtk.detector import InterQuartileRangeADiqr_ad = InterQuartileRangeAD(c=1.5)anomalies = iqr_ad.fit_detect(s)

picture.image


        
 * GeneralizedESDTestAD

adtk.detector.GeneralizedESDTestAD(alpha=0.05)参数：alpha：显著性水平 (Significance level)，alpha越小，表示识别出的异常约有把握是真异常原理:将样本点的值与样本的均值作差后除以样本标准差，取最大值，通过t分布计算阈值，对比阈值确定异常点计算步骤简述：设置显著水平alpha，通常取0.05指定离群比例h，若h=5%，则表示50各样本中存在离群点数为2计算数据集的均值mu与标准差sigma，将所有样本与均值作差，取绝对值，再除以标准差，找出最大值，得到esd_1在剩下的样本点中，重复步骤3，可以得到h个esd值为每个esd值计算critical value: lambda_i (采用t分布计算)统计每个esd是否大于lambda_i，大于的认为你是异常

from adtk.detector import GeneralizedESDTestADesd_ad = GeneralizedESDTestAD(alpha=0.3)anomalies = esd_ad.fit_detect(s)

picture.image

突变：Spike and Level Shift 异常的表现形式不是离群点，而是通过和临近点的比较，即突增或者突降。adtk提供 adtk.detector.PersistAD 和 adtk.detector.LevelShiftAD 检测方法

PersistAD


                
adtk.detector.PersistAD(window=1, c=3.0, side='both', min_periods=None, agg='median')  
参数：  
window：参考窗长度，可为int, str  
c：分位距倍数，用于确定上下限范围  
side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测  
min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值  
agg：参考窗中的统计量计算方式，因为当前值是与参考窗中产生的统计量作比较，所以得将参考窗中的数据计算成统计量，默认'median'，表示去参考窗的中位值  
  
原理：  
用滑动窗口遍历历史数据，将窗口后的一位数据与参考窗中的统计量做差，得到一个新的时间序列s1;  
计算s1的(Q1-c*IQR, Q3+c*IQR) 作为正常范围；  
若当前值与它参考窗中的统计量之差，不在2中的正常范围内，视为异常。  
  
调参：  
window：越大，模型越不敏感，不容易被突刺干扰  
c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小  
min_periods：对缺失值的容忍程度，越大，越不允许有太多的缺失值  
agg：统计量的聚合方式，跟统计量的特性有关，如 'median'不容易受极端值影响  
总结：先计算一条新的时间序列，再用箱线图作异常检测


                
from adtk.detector import PersistAD  
persist_ad = PersistAD(c=3.0, side='positive')  
anomalies = persist_ad.fit_detect(s)

picture.image


        
 * LevelShiftAD

adtk.detector.LevelShiftAD(window, c=6.0, side='both', min_periods=None)参数：window：支持(10,5)，表示使用两个相邻的滑动窗，左侧的窗中的中位值表示参考值，右侧窗中的中位值表示当前值c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值原理：该模型用于检测突变情况，相比于PersistAD，其抗抖动能力较强，不容易出现误报

from adtk.detector import LevelShiftADlevel_shift_ad = LevelShiftAD(c=6.0, side='both', window=5)anomalies = level_shift_ad.fit_detect(s)

picture.image

季节性

adtk.detector.SeasonalAD


                
adtk.detector.SeasonalAD(freq=None, side='both', c=3.0, trend=False)  
SeasonalAD主要是根据ClassicSeasonalDecomposition来处理，判断。  
参数：  
freq：季节性周期  
c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0  
side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测  
trend： 是否考虑趋势


                
from adtk.detector import SeasonalAD  
seasonal_ad = SeasonalAD(c=3.0, side="both")  
anomalies = seasonal_ad.fit_detect(s)  
plot(s, anomaly=anomalies, ts_markersize=1, anomaly_color='red', anomaly_tag="marker", anomaly_markersize=2);

picture.image

pipe 组合算法


              
from adtk.pipe import Pipeline  
steps = [  
    ("deseasonal", ClassicSeasonalDecomposition()),  
    ("quantile\_ad", QuantileAD(high=0.995, low=0.005))  
]  
pipeline = Pipeline(steps)  
anomalies = pipeline.fit_detect(s)  
plot(s, anomaly=anomalies, ts_markersize=1, anomaly_markersize=2, anomaly_tag="marker", anomaly_color='red');