阿里云开发工程师悟冥带来日志服务在CDN流量指标中的异常检测实战的分享，悟冥负责日志服务平台中时序异常和时序预测的算法研发，提升系统发现异常、处理异常的能力，致力于让算法更好的协助开发和运维人员。本次专题围绕以实时的视频流媒体数据为例，介绍常用时序异常检测算法、异常维度分析的具体应用。

云存储网关预付费购买指引

本篇覆盖日志服务数据加工最佳实践: 从其他logstore拉取数据做富化的各种场景, 包括定期刷新拉取所有, 拉取部分数据, 拉取后再过滤数据, 调整返回表格结构等

日志服务数据加工最佳实践: 字符串动态键值对的提取, 详细讲解e_kv, e_kv_delimit与e_regex在各种场景下的用法与推荐.

日志服务索引那些事儿 简介 日志是排查问题最基本也是最重要的信息，排查问题原始的方式是登录机器查看日志，分布式场景下登录所有的机器代价太大，不利于问题排查。所以需要将日志集中采集，而且要快速查询到问题日志。

一、相关算法研究 1.1 常见的开源算法 Yahoo：EGADS FaceBook：Prophet Baidu：Opprentice Twitter：Anomaly Detection Redhat：hawkular Ali+Tsinghua：Donut Tencent：Metis Numen...

本文列举了阿里云对象存储 OSS 的常见问题，帮助您快速了解 OSS。

日志服务数据加工系列培训资料汇总: 扫平日志分析路上障碍, 实时海量日志加工实践

随着小步快跑、快速迭代的开发模式被越来越多的企业认同和采用，应用的发布、升级频率变得越来越频繁。进入云原生时代后，越来越多的应用被容器化，如何方便地对容器类应用进行平稳的发布和升级受到了广泛关注。

阿里云文件存储NAS，提供简单、弹性扩展、高性能的文件存储服务。它可简单快速的创建和配置文件系统，并与阿里云的各种计算服务，或者IDC本地资源配合使用。支持在不中断应用程序的情况下，按需弹性扩展，在创建或删除文件时自动增加或缩减容量。

Log4j是Apache的一个开放源代码项目，通过使用Log4j，您可以控制日志信息输送的目的地是控制台、文件、GUI组件、甚至是套接口服务器、NT的事件记录器、UNIX Syslog守护进程等；您也可以控制每一条日志的输出格式；通过定义每一条日志信息的级别，您能够更加细致地控制日志的生成过程。

OSS 支持设置对Bucket设置标签，并按标签查询Bucket，以及结合访问控制RAM，按标签进行授权

您使用阿里云产品和服务踩过哪些坑？有哪些经验？欢迎把您的亲身实践写（录）下来与大家分享，优秀内容将发布到阿里云官网文档，有署名、积分等奖励哦！

对数据系统核心组件进行拆解，介绍每个组件下对应的开源组件以及云上产品。

概述 阿里云OSS提供了海量低成本高可靠的对象存储，非常适合于存储文件，图像，视频等非结构化数据，同时也提供了丰富的SDK生态给开发者集成使用。但是对于开发资源有限的小企业或者个人用户而言，直接使用OSS存储还是存在诸多不便。

阿里云OSS存储是由阿里云提供的高可用，大容量的对象存储系统，用户使用OSS来存储图片，视频，日志和其它的静态的数据文件。而很多用OSS存放文件的用户都希望能够在ECS或者线下的环境中直接挂载访问OSS中的数据。

交易数据的实时统计是电商网站一个核心功能，可以帮助用户实时统计网站的整体销售情况，快速验证“新销售策略”的效果。我们今天介绍一个基于表格存储(Tablestore)实现交易数据的实时计算，给大家提供一个新使用方式。

日志服务用户，您好！ 针对日志生命周期内存在的各种数据规整、分发、富化、清洗场景需求，阿里云日志服务（SLS）新推出了“数据加工”功能。 推荐在日志服务上进行数据规整、加工或联合其它数据源做分析的数据工程师使用。

随着数据上云大潮愈演愈烈，越来越多的客户使用阿里云对象存储服务做为其在云上的数据存储仓库。阿里云OSS可以提供海量的存储空间，具有稳定可靠的特点，从而受到客户的广泛认可。为了确保数据的万无一失，防止一些人为的操作失误，很多客户都有强烈的需求能够对OSS Bucket里面的数据进行备份。

1.背景     云计算已经成为行业发展趋势，越来越多的企业将生产系统、数据库等关键业务迁移到云上。由于基础架构发生变化，传统的备份软件/备份一体机方式并不适合云上ECS以及RDS等数据备份以及容灾场景。

阿里云日志服务（Log Service）于八月上线新版控制台，相较于旧版的控制台，我们致力于提供更加清晰快捷的功能入口，方便用户快速接入数据和管理资源项

日志服务数据加工：错误排查指南, 覆盖数据加工各个环节的错误与排查实践

日志服务数据加工最佳实践: 任务状态监控与告警, 介绍如何监控数据加工的任务状态, 并配置相应的监控.

日志服务数据加工功能提供托管的自动伸缩的实时可靠数据加工服务，本次系列培训从实战案例角度完整介绍数据加工的主要场景. 包括功能语法、数据分发、结构与非结构化数据清洗、外部资源关联、并发可靠性与排错等，解决实日志数据在接入、分析、投递、对接时存在各种数据加工需求与问题。

从EMR-3.21.0 版本开始将提供Spark Streaming SQL的预览版功能，支持使用SQL来开发流式分析作业。结果数据可以实时写入Tablestore。 本文以LogHub为数据源，收集ECS上的日志数据，通过Spark Streaming SQL进行聚合后，将流计算结果数据实时写入Tablestore，展示一个简单的日志监控场景。

本文介绍日志服务数据加工最佳实践: 日期时间处理, 覆盖日志互转实践, 时区转换, 日期偏移等

20+篇日志服务数据加工最佳实践的实战汇总 (持续更新)

典型映射方式不能满足富化需求时, 可以使用搜索映射, 搜索映射与传统方式映射的区别在于匹配方式不同. 本篇介绍日志服务数据加工最佳实践: 使用搜索映射做高级数据富化.

本篇覆盖日志服务数据加工最佳实践: 从RDS-MySQL拉取数据做富化的各种场景, 包括定期刷新拉取所有, 拉取部分数据, 拉取后再过滤数据, 调整返回表格结构等

本篇介绍日志服务数据加工最佳实践: 构建字典与表格做数据富化, 覆盖多种方式: 直接, 任务配置, 字典表格函数, RDS-MySQL, 其他Logstore等

许多程序的数据结构是一个复杂的包括多层数组嵌套的对象, 本篇介绍使用日志服务数据加工处理多层数组对象嵌套的复杂JSON.

程序构建的日志经常会以一种统计性质的JSON格式写入, 通常其包含一个基础信息, 以及多个子健为数组的形式. 本篇如何使用日志服务数据加工处理多子键为数组的复杂JSON.

本篇介绍日志服务数据加工最佳实践: 解析CSV格式的日志

本篇介绍日志服务数据加工最佳实践: 使用正则表达式与grok解析Ngnix日志, 使用grok自带的400+模式实现最简化解析

本篇介绍日志服务数据加工最佳实践: 解析syslog各种标准格式的整体结构, 覆盖RFC524, RFC3164以及RSyslog的标准配置格式: TraditionalFormat, FileFormat, RSYSLOG_SyslogProtocol23Format, RSYSLOG_Debug.

本篇介绍日志服务数据加工: 跨账号多源logstore数据汇总最佳实践

本篇介绍日志服务数据将: 跨账号多目标logstore数据分发最佳实践, 覆盖如何动态多目标灵活分发.

本篇介绍日志服务数据加工: 事件判断最佳实践汇总

本篇介绍日志服务数据加工最佳实践: 函数调用汇总, 如何绕开相关的坑等

1.背景     阿里云提供自动快照策略，用户可以根据实际情况创建不同类型的快照策略，并附加到指定的云盘上。这个功能非常强大，定制化能力强，适合于各种云盘保护场景。但是自动快照策略操作不太灵活，需要用户先创建快照策略，然后在勾选指定的云盘。

前言 表格存储Tablestore是阿里云自研的面向海量结构化数据存储的Serverless NoSQL多模型数据库。在处理海量数据时，方案设计非常重要，合理的设计才能够发挥出数据库的性能水平。本文主要介绍Tablestore在表设计方面的一些实践经验，供大家参考。

日志服务数据加工: 介绍数据加工用到的JMES的语法

本文提供日志服务数据加工的ETL语言中完整语法, 200+函数与400+GROK模式等完整手册下载.持续更新.

表格存储（Tablestore）入门指南内容简介了表格存储（Tablestore）是阿里云自研的 NoSQL 多模型数据库，提供海量结构化数据存储以及快速的查询和分析服务。

前言 表格存储Tablestore是阿里云自研的面向海量结构化数据存储的Serverless NoSQL多模型数据库。Tablestore在阿里云官网上有各种文档介绍，也发布了很多场景案例文章，这些文章收录在这个合集中《表格存储Tablestore权威指南》。