从 Amazon Lookout for Metrics 迁移
重点摘要
亚马逊决定于 2025 年 10 月 10 日终止对 Amazon Lookout for Metrics 的支持。新客户已无法注册该服务，但现有客户仍可正常使用，直到支持结束。推荐用户移转至其他具有异常检测功能的 AWS 服务，例如 Amazon OpenSearch、Amazon CloudWatch 和 Amazon QuickSight。Amazon Lookout for Metrics 是一项完全托管的服务，利用机器学习ML检测几乎任何时间序列商业或操作指标中的异常情况，例如收入表现、交易购买以及客户获取和保留率，且无需任何 ML 经验。这项服务于 2021 年 3 月推出，早于几款流行的 AWS 异常检测产品，如 Amazon OpenSearch、Amazon CloudWatch、AWS Glue Data Quality、Amazon Redshift ML 和 Amazon QuickSight。
经过仔细考虑，我们决定于 2025 年 10 月 10 日结束对 Amazon Lookout for Metrics 的支持。 此外，从今天开始，新客户注册将不再可用。现有客户将在 2025 年 10 月 10 日之前能够正常使用该服务，届时我们将终止对 Amazon Lookout for Metrics 的支持。
魔方加速器安卓版在本文中，我们提供了一些可供客户考虑迁移工作负载的替代 AWS 服务，以便进行异常检测。
具有异常检测功能的 AWS 服务
我们建议客户使用 Amazon OpenSearch、Amazon CloudWatch、Amazon Redshift ML、Amazon QuickSight 或 AWS Glue Data Quality 服务作为 Amazon Lookout for Metrics 的替代方案。这些 AWS 服务提供易于使用的、基于 ML 的异常检测功能，无需任何 ML 专业知识。以下是每项服务的简要概述。
使用 Amazon OpenSearch 进行异常检测
Amazon OpenSearch 服务拥有高性能的集成异常检测引擎，能够实时识别流数据和历史数据中的异常。您可以将异常检测与 OpenSearch 中的内置报警功能配合使用，以便在检测到异常时发送通知。要开始在 OpenSearch 上使用异常检测，首先需要将数据索引到 OpenSearch，之后可以在 OpenSearch Dashboards 中启用异常检测。了解更多信息，请查看文档。
使用 Amazon CloudWatch 进行异常检测
Amazon CloudWatch 支持在特定的 Amazon CloudWatch 日志组上创建异常检测器，通过对 CloudWatch 指标应用统计和 ML 算法来实现。可以根据指标的预期值创建异常检测报警。这类报警无需静态阈值，而是基于异常检测模型将指标值与预期值进行比较。要开始使用 CloudWatch 异常检测，首先您需要将数据导入到 CloudWatch，然后启用异常检测。
使用 Amazon Redshift ML 进行异常检测
Amazon Redshift ML 使创建、训练和应用机器学习模型变得简单，能够使用在 Amazon Redshift 数据仓库中熟悉的 SQL 命令。通过 Redshift ML，可以对分析数据进行异常检测，使用包括 XGBoost 模型类型在内的模型，或者与 Amazon SageMaker 一起使用本地模型或远程模型。使用 Redshift ML，您无需成为机器学习专家，仅需为 SageMaker 模型的训练费用付费，使用 Redshift ML 进行异常检测无需额外成本。了解更多信息，请参见文档。
使用 Amazon QuickSight 进行异常检测
Amazon QuickSight 是一项快速、基于云的商务智能服务，能为组织内的每一位员工提供洞见。作为一项完全托管的服务，QuickSight 使客户能够创建和发布包含 ML 洞察的交互式仪表板。QuickSight 支持高性能、集成的异常检测引擎，利用经过验证的 Amazon 技术在数百万个指标上持续运行 ML 驱动的异常检测，以发现隐藏的趋势和数据中的离群值。该工具使客户能够在不依赖手动分析、定制开发或 ML 领域专业知识的情况下，获得深度洞察。了解更多信息，请参考 文档。
使用 AWS Glue Data Quality 进行异常检测
数据工程师和分析师可以使用 AWS Glue Data Quality 来测量和监控他们的数据。 AWS Glue Data Quality 采用基于规则的方法，适合已知数据模式，并提供 ML 基于的建议以帮助您入门。您可以查看建议并增强来自 25 种数据质量规则中的规则。为了捕获意想不到的、较少明显的数据模式，您可以启用异常检测。要使用此功能，您可以编写规则或分析器，然后在 AWS Glue ETL 中启用异常检测。AWS Glue Data Quality 收集规则和分析器中指定的列的统计信息，应用 ML 算法检测异常，并生成可视化观察结果以解释检测到的问题。客户可以使用推荐的规则捕获异常模式，并反馈以调整 ML 模型，从而更准确地检测。欲了解更多信息，可查看博客文章、观看入门视频或查看文档。
使用 Amazon SageMaker Canvas 进行异常检测测试版功能
Amazon SageMaker Canvas团队计划为 Amazon SageMaker Canvas 提供异常检测用例的支持。我们创建了一种基于AWS CloudFormation模板的解决方案，为客户提供底层异常检测功能的早期访问。客户可以使用此 CloudFormation 模板启动一个应用程序堆栈，该堆栈接收来自 Amazon Managed Streaming for Apache KafkaAmazon MSK流源的时间序列数据，并在流数据中进行近实时的异常检测。想了解更多关于 beta 版的内容，请查看 使用在线学习检测流时间序列数据中的异常。
常见问题解答
目前客户的截止日期是什么？我们创建了一个允许列表，其中包含在过去 30 天内使用 Amazon Lookout for Metrics 的账户 ID，并在该服务中有活动的 Amazon Lookout for Metrics 资源包括检测器。如果您是现有客户并在使用该服务时遇到困难，请通过 AWS Customer Support 联系我们以获取帮助。
在关停日期之前，访问权限将如何变化？现有客户可以继续执行以前的所有操作。唯一的变化是非当前客户无法在 Amazon Lookout for Metrics 中创建任何新资源。
我的 Amazon Lookout for Metrics 资源在关停日期之后会怎样？在 2025 年 10 月 10 日之后，所有对 AWS Lookout for Metrics 模型和资源的引用将会被删除。您将无法通过 AWS 管理控制台找到或访问 Amazon Lookout for Metrics，调用 Amazon Lookout for Metrics API 的应用程序将不再有效。
在 2025 年 10 月 10 日之后，我会因账号中留存的 Amazon Lookout for Metrics 资源被收取费用吗？由 Amazon Lookout for Metrics 内部创建的资源将在 2025 年 10 月 10 日后被删除。客户需负责删除他们所创建的输入数据源，如 Amazon Simple Storage Service (Amazon S3) 桶、Amazon Redshift 集群等。
我该如何删除我的 Amazon Lookout for Metrics 资源？
打开 Lookout for Metrics 控制台从列表中选择检测器。选择 删除。对每个检测器重复这些步骤。
我如何在删除资源之前导出异常数据？可以通过使用 Amazon Lookout for Metrics API 下载每个指标的异常数据。 导出异常 解释了如何连接到检测器、查询异常并将其下载为可供后续使用的格式。
结论
在这篇博客文章中，我们概述了使用 Amazon OpenSearch、Amazon CloudWatch 及基于 CloudFormation 模板的解决方案创建异常检测器的方法。
资源链接：
使用 Amazon OpenSearch 进行异常检测 创建一个 异常检测器、配置模型、设置检测器作业并使用 Amazon OpenSearch 观察结果。使用 Amazon CloudWatch 进行异常检测 探索 Amazon CloudWatch 异常检测并使用 AWS 管理控制台、AWS 命令行界面 (AWS CLI) 或 AWS CloudFormation 进行设置。根据异常检测创建 CloudWatch 报警 创建基于异常检测的 CloudWatch 报警，并修改或删除异常检测模型。AWS Glue Data Quality 中的异常检测 使用强大的基于 ML 的异常检测算法来检测您数据中的意外问题。利用 AWS Glue Data Quality 来理解异常并提供反馈，以便调整 ML 模型实现准确检测。关于作者
Nirmal Kumar 是 Amazon SageMaker 服务的高级产品经理。他致力于拓宽 AI/ML 的可访问性，推动无代码和低代码机器学习解决方案的开发。在工作之外，他喜欢旅行和阅读非虚构类书籍。
加载评论
