# 盘古时序异常检测大模型-V2 #### 功能介绍 基于盘古时序异常检测基模型（V2）实现零样本推理，兼容单变量与多变量时序数据，针对点异常、区间异常、趋势异常、周期异常等常见时序异常场景，提供时间点级异常概率评分。 #### 授权信息 账号具备所有API的调用权限，如果使用账号下的IAM用户调用当前API，该IAM用户需具备调用API所需的权限，具体权限要求请参见[权限和授权项](https://support.huaweicloud.com/productdesc-pangulm/pangulm_01_0020.html)。 #### URI POST / 获取URI方式请参见[请求URI](https://support.huaweicloud.com/api-pangulm/pangulm_05_0004.html)。 #### 请求参数 使用[Token认证](https://support.huaweicloud.com/api-pangulm/pangulm_05_0009.html#pangulm_05_0009__section94702116509)方式的请求Header参数见[表1]。 表1请求Header参数（Token认证） | 参数 | 是否必选 | 参数类型 | 描述 | |:---|:---|:---|:---| | X-Auth-Token | 是 | String | **参数解释：** 用户Token。 用于获取操作API的权限。如[图4](https://support.huaweicloud.com/api-pangulm/pangulm_05_0009.html#pangulm_05_0009__fig10797003103)中响应消息头中X-Subject-Token的值即为Token。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** 不涉及 | | Content-Type | 是 | String | **参数解释：** 发送的实体的MIME类型。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** application/json | 使用[API Key认证](https://support.huaweicloud.com/api-pangulm/pangulm_05_0009.html#pangulm_05_0009__section148602501261)方式的请求Header参数见[表2] 。 表2请求Header参数（API Key认证） | 参数 | 是否必选 | 参数类型 | 描述 | |:---|:---|:---|:---| | X-Apig-AppCode | 是 | String | **参数解释：** API Key值。 用于获取操作API的权限。[API Key认证](https://support.huaweicloud.com/api-pangulm/pangulm_05_0009.html#pangulm_05_0009__section148602501261)响应消息头中X-Apig-AppCode的值即为API Key。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** 不涉及 | | Content-Type | 是 | String | **参数解释：** 发送的实体的MIME类型。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** application/json | 表3请求Body参数 | 参数 | 是否必选 | 参数类型 | 描述 | |:---|:---|:---|:---| | data | 是 | Array | **参数解释：** 时序异常检测批处理数据。 **约束限制：** 盘古时序预测分类任务的输入数据内容，用字典承载。输入数据字典中，键对应特征列名，值为列表承载的序列数据具体内容，单条时序数据窗口长度区间为\[2, 10000\]。 | | mode | 否 | String | **参数解释：** 模型选择策略指定，可选择模式包括\["auto"，"uni", "multi"\]，默认启用auto： 1. "auto"：自动匹配------单变量任务用单变量模型，多变量任务用多变量模型。 2. "uni"：强制单变量------多变量数据拆分为独立通道，逐通道处理。 3. "multi"：强制多变量------单变量数据仍走单变量模型，多变量数据走多变量模型。 **约束限制：** 无 **取值范围：** {"auto", "uni", "multi"} **默认取值：** "auto" | | use_scaler | 否 | bool | **参数解释：** 是否启用归一化： 1. true：服务内部对输入数据进行标准化处理。 2. false：跳过归一化，适用于数据已在外部完成预处理的场景。 **约束限制：** 无 **取值范围：** true/false **默认取值：** true | | batch_size | 否 | int | **参数解释：** 批处理大小：单次推理的样本数量。若设置过大导致内存不足(OOM)，服务内有防呆设计，会自动清空缓存并将batch_size减半重试，最低降至1。 **约束限制：** 无 **取值范围：** 该模型推理规格受显存上限影响，受到batch_size/context_length/num_cols影响： 1) 与batch_size的关系：成正比。 2) 与context_length的关系：成平方关系。 3) 与num_cols的关系：成平方关系。 对于单卡310P，需满足batch_size \* (num_cols)\^2 \* (context_length)\^2 \< 5\^2\*2\^30。 **默认取值：** 32 | | get_logit | 否 | bool | **参数解释：** 是否返回异常原始得分： 1. false：仅返回异常概率(0\~1)。 2. true：同时返回原始logits，用于精细分析（返回数据量较大，为防止返回体过大默认置为false）。 **约束限制：** 无 **取值范围：** true/false **默认取值：** false | | get_reconstruction | 否 | bool | **参数解释：** 是否返回重构值： 1. false：不返回重构序列。 2. true：返回模型重构的时序数据，用于对比原始值与重构值的差异（返回数据量较大，为防止返回体过大默认置为false）。 **约束限制：** 无 **取值范围：** true/false **默认取值：** false | #### 响应参数 **状态码： 200** 表4响应Body参数 | 参数 | 参数类型 | 描述 | |:---|:---|:---| | data | LIST\ | **参数解释：** 盘古时序异常检测预置/预训练大模型返回结果。 1. "anomaly_prob": 异常概率，每个时间点的异常置信度(0\~1) 1) 单变量任务或多变量任务mode≠"uni"时返回List\[Float\]。 2) 多变量任务且mode="uni"时返回Dict（按通道分别输出）。 2. "anomaly_logit": 异常原始得分，softmax前的logits差值（仅当get_logit=true时返回） 1) 单变量任务或多变量任务mode≠"uni"时返回List\[Float\]。 2) 多变量任务且mode="uni"时返回Dict（按通道分别输出）。 3. "reconstruction"：重构序列，模型重建的时序数据（仅当get_reconstruction=true时返回），key为通道名。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** 不涉及 | | time_cost | JSON | **参数解释：** 当启动服务时，本次请求服务各阶段耗时情况。 **约束限制：** 不涉及 **取值范围：** 不涉及 **默认取值：** 不涉及 | **状态码： 400** 表5响应Body参数 | 参数 | 参数类型 | 描述 | |:---|:---|:---| | error_code | String | 错误码。 | | error_msg | String | 错误信息。 | #### 请求示例 ``` { "mode": "auto", #可选模式包括["auto"，"uni", "multi"] "use_scaler": true, #是否启用归一化,默认为true开启归一化 "batch_size": 32, #批处理大小指定 "get_logit": false, #是否返回异常logit(原始得分) "get_reconstruction": false, #是否返回重构值 "data": [ { "context": { "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...] } }, { "context": { "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...] } }, {...}, {...} ] } ``` #### 响应示例 ``` ## 若指定计算模式为返回异常分（option∈["重构误差"，"重构方差", "重构误差+方差"]） { "data": [ { ## 异常概率 # 默认返回List[Float]，对应每个时间点的异常概率 "anomaly_prob":[ 0.0123, 0.0234, 0.9765, ...], # 若为多通道任务却开启了单通道预测模式（mode=uni）,每个通道的异常概率单独返回。 "anomaly_prob":{ "feature_0": [ 0.0123, 0.0234, 0.9765, ...], "feature_1": [ 0.0123, 0.0234, 0.9765, ...], "feature_2": [ 0.0123, 0.0234, 0.9765, ...], "feature_3": [ 0.0123, 0.0234, 0.9765, ...], }, ## 异常logits(原始得分):当get_logit为true时返回 # 默认返回List[Float]，对应每个时间点的异常logits(原始得分) "anomaly_logit":[ -10.32, -9.329, 9.234, ...]， # 若为多通道任务却开启了单通道预测模式（mode=uni）,每个通道的异常logits(原始概率)单独返回。 "anomaly_logit":{ "feature_0": [ -10.32, -9.329, 9.234, ...], "feature_1": [ -10.32, -9.329, 9.234, ...], "feature_2": [ -10.32, -9.329, 9.234, ...], "feature_3": [ -10.32, -9.329, 9.234, ...], }, # 重构结果：当get_reconstruction为true时返回，每个通道的重构值 "reconstruction":{ "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...], "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...] }, }, {...}, {...}, {...} ], "time_cost": { "infer_cost_time": "82.609 ms", "postprocess_cost_time": "0.29 ms", "preprocess_cost_time": "0.1332 ms", "service_cost_total_time": "84.965 ms" } } ``` #### 状态码 请参见[状态码](https://support.huaweicloud.com/api-pangulm/pangulm_05_0019.html)。 #### 错误码 请参见[错误码](https://support.huaweicloud.com/api-pangulm/pangulm_05_0020.html)。