网站设计大全,做网站需要服务器查询吗,什么是网站镜像,调用wordpress栏目列表页上篇文章介绍了查询模式中如何发现趋势#xff0c;这篇博文将介绍StreamInsight中如何检测异常。 测试数据准备 为了方便测试查询#xff0c;我们首先准备一个静态的测试数据源#xff1a;var now DateTime.Parse(09/12/2011 8:57:00 PM);
var input new[]
{n…上篇文章介绍了查询模式中如何发现趋势这篇博文将介绍StreamInsight中如何检测异常。 测试数据准备 为了方便测试查询我们首先准备一个静态的测试数据源var now DateTime.Parse(09/12/2011 8:57:00 PM);
var input new[]
{new { Time now TimeSpan.FromSeconds(1), Value 20},new { Time now TimeSpan.FromSeconds(2), Value 30},new { Time now TimeSpan.FromSeconds(3), Value 120},new { Time now TimeSpan.FromSeconds(4), Value 200},new { Time now TimeSpan.FromSeconds(5), Value 20},new { Time now TimeSpan.FromSeconds(6), Value 110},new { Time now TimeSpan.FromSeconds(7), Value 110},new { Time now TimeSpan.FromSeconds(8), Value 210},new { Time now TimeSpan.FromSeconds(9), Value 120},new { Time now TimeSpan.FromSeconds(10), Value 130},new { Time now TimeSpan.FromSeconds(11), Value 20},new { Time now TimeSpan.FromSeconds(12), Value 30},
};接下去将上述数据源转变为点类型复杂事件流var inputStream input.ToPointStream(Application, t PointEvent.CreateInsert(t.Time.ToLocalTime(), new { Value t.Value }),AdvanceTimeSettings.IncreasingStartTime);异常检测 问题怎样每秒1次的计算过去5秒内Value字段值超过阈值100的事件数超过事件总数目80%的异常事件 首先我们定义一下结果事件流中的负载类型SpikeEvent如下struct SpikeEvent
{public double Ratio { get; set; }
} 我们最终希望调用查询的方式如下int threshold 100;
double ratio 0.8;var resultStream DetectSpikes(inputStream,threshold, // 指定阈值超过该阈值的事件被认为是“特殊事件”ratio, // “特殊事件”占事件总数的百分比TimeSpan.FromSeconds(5), // 窗口大小TimeSpan.FromSeconds(1), // 跳跃大小e e.Value); // 指定的比较字段因此最关键的部分就是如何实现DetectSpikes。阅读过 《StreamInsight查询系列十五——查询模式之窗口比率》文章的读者应该对此类查询并不陌生。 这里不加过多描述地给出DetectSpikes的实现/// summary
/// 在输入流中检测异常
/// /summary
/// typeparam nameTInput输入流事件类型/typeparam
/// param nameinputStream输入流/param
/// param namethreshold异常定义阈值/param
/// param nameratio异常事件占事件总数的百分比/param
/// param namewindowSize衡量事件数目的窗口大小/param
/// param namehopSize跳跃大小/param
/// param namefieldSelector选择输入事件中的某个字段来检测事件类型/param
/// returnsquery that detects the spikes/returns
private static CepStreamSpikeEvent DetectSpikesTInput(CepStreamTInput inputStream, int threshold, double ratio,TimeSpan windowSize, TimeSpan hopSize,ExpressionFuncTInput, int fieldSelector)
{// 统计跳跃窗口内所有事件的数目var totalValues from w in inputStream.HoppingWindow(windowSize,hopSize,HoppingWindowOutputPolicy.ClipToWindowEnd)select new{Count w.Count(),};// 构造包含过滤条件的LINQ语句var parameter fieldSelector.Parameters.First();var field fieldSelector.Body;ExpressionFuncTInput, bool filterExpression (ExpressionFuncTInput, bool)Expression.Lambda(Expression.GreaterThan(field, Expression.Constant(threshold)),parameter);// 统计跳跃窗口内异常事件的数目var bigValues from w in inputStream.Where(filterExpression).HoppingWindow(windowSize,hopSize,HoppingWindowOutputPolicy.ClipToWindowEnd)select new{Count w.Count(),};// 选择异常事件数目超过事件总数一定百分比的事件var output from total in totalValues.ToPointEventStream()join big in bigValues.ToPointEventStream()on true equals truewhere big.Count * 1.0 / total.Count ratioselect new SpikeEvent { Ratio big.Count * 1.0 / (total.Count) };return output;
}输出结果如下 下一篇将介绍StreamInsight查询模式中如何检测间隙事件。转载于:https://www.cnblogs.com/StreamInsight/archive/2011/09/12/StreamInsight-Query-Series-Part19-Query-Patterns-Detect-Spikes.html
