モデルメモリを推定（Estimate model memory）

異常検出ジョブモデルのメモリAPIの推定

異常検出ジョブモデルのメモリ使用量を推定します。これは、ジョブの分析設定の詳細と、参照するフィールドの基数推定に基づいています。

リクエスト

POST _ml/anomaly_detectors/_estimate_model_memory

前提条件

manage_ml クラスター権限が必要です。この権限は、machine_learning_admin ビルトインロールに含まれています。

リクエストボディ

• analysis_config
• (必須、オブジェクト) このAPIのボディの analysis_config コンポーネントで指定できるプロパティのリストについては、analysis_config を参照してください。
• max_bucket_cardinality
• (必須、オブジェクト) ジョブがデータを分析する期間において、インフルエンサーのフィールドに対して観測される単一バケット内の最高基数の推定値。良い回答を得るためには、すべてのインフルエンサーのフィールドに対して値を提供する必要があります。influencers としてリストされていないフィールドに対して値を提供しても、推定には影響しません。 influencers がない場合は、リクエストから省略できます。
• overall_cardinality
• (必須、オブジェクト) ジョブがデータを分析する全期間にわたって観測されるフィールドの基数の推定値。良い回答を得るためには、任意の検出器の by_field_name、over_field_name、および partition_field_name で参照されるフィールドに対して値を提供する必要があります。他のフィールドに対して値を提供しても、推定には影響しません。 by_field_name、over_field_name、または partition_field_name を持つ検出器がない場合は、リクエストから省略できます。

例

Python

resp = client.ml.estimate_model_memory(
   analysis_config={
   "bucket_span": "5m",
   "detectors": [
   {
   "function": "sum",
   "field_name": "bytes",
   "by_field_name": "status",
   "partition_field_name": "app"
   }
   ],
   "influencers": [
   "source_ip",
   "dest_ip"
   ]
   },
   overall_cardinality={
   "status": 10,
   "app": 50
   },
   max_bucket_cardinality={
   "source_ip": 300,
   "dest_ip": 30
   },
)
print(resp)

Ruby

response = client.ml.estimate_model_memory(
  body: {
   analysis_config: {
   bucket_span: '5m',
   detectors: [
   {
   function: 'sum',
   field_name: 'bytes',
   by_field_name: 'status',
   partition_field_name: 'app'
   }
   ],
   influencers: [
   'source_ip',
   'dest_ip'
   ]
   },
   overall_cardinality: {
   status: 10,
   app: 50
   },
   max_bucket_cardinality: {
   source_ip: 300,
   dest_ip: 30
   }
  }
)
puts response

Js

const response = await client.ml.estimateModelMemory({
  analysis_config: {
   bucket_span: "5m",
   detectors: [
   {
   function: "sum",
   field_name: "bytes",
   by_field_name: "status",
   partition_field_name: "app",
   },
   ],
   influencers: ["source_ip", "dest_ip"],
  },
  overall_cardinality: {
   status: 10,
   app: 50,
  },
  max_bucket_cardinality: {
   source_ip: 300,
   dest_ip: 30,
  },
});
console.log(response);

コンソール

POST _ml/anomaly_detectors/_estimate_model_memory
{
  "analysis_config": {
   "bucket_span": "5m",
   "detectors": [
   {
   "function": "sum",
   "field_name": "bytes",
   "by_field_name": "status",
   "partition_field_name": "app"
   }
   ],
   "influencers": [ "source_ip", "dest_ip" ]
  },
  "overall_cardinality": {
   "status": 10,
   "app": 50
  },
  "max_bucket_cardinality": {
   "source_ip": 300,
   "dest_ip": 30
  }
}

推定は次の結果を返します:

コンソール-結果

{
  "model_memory_estimate": "21mb"
}