고급 기계 학습 설정

고급 기계 학습 설정

이러한 설정은 고급 사용 사례를위한 것입니다. 일반적으로 기본값이면 충분합니다.

xpack.ml.enable_config_migration( 동적 ) 예약 됨.

xpack.ml.max_anomaly_records( 동적 ) 버킷 당 출력되는 최대 레코드 수입니다. 기본값은 500입니다.

xpack.ml.max_lazy_ml_nodes ( 동적 ) 느리게 회전 된 기계 학습 노드의 수입니다. 첫 번째 기계 학습 작업이 열릴 때까지 기계 학습 노드가 필요하지 않은 상황에서 유용합니다. 기본값은 0이며 허용되는 최대 값은 3입니다. 현재 머신 러닝 노드 수가이 설정보다 크거나 같으면 원하는 노드 수가 이미 프로비저닝되었으므로 사용 가능한 지연 노드가 더 이상 없다고 가정합니다. 작업이 열려 있고이 설정의 값이 0보다 크고 작업을 수락 할 수있는 노드가없는 OPENING경우 새 기계 학습 노드가 클러스터에 추가되고 작업이 실행되도록 할당 될 때까지 작업이 상태로 유지됩니다 . 그 노드.

이 설정은 일부 외부 프로세스가 클러스터에 기계 학습 노드를 추가 할 수 있다고 가정합니다. 이 설정은 이러한 외부 프로세스와 함께 사용할 때만 유용합니다.

xpack.ml.process_connect_timeout( 동적 ) Elasticsearch JVM과 별도로 실행되는 기계 학습 프로세스의 연결 제한 시간입니다. 기본값은 10s. 일부 기계 학습 처리는 Elasticsearch JVM에 대해 별도로 실행되는 프로세스에 의해 수행됩니다. 이러한 프로세스가 시작되면 Elasticsearch JVM에 연결해야합니다. 이러한 프로세스가이 설정에 지정된 시간 내에 연결되지 않으면 프로세스가 실패한 것으로 간주됩니다. 기본값은 10s. 이 설정의 최소값은 5s입니다.

기계 학습 회로 차단기 설정

breaker.model_inference.limit( 동적 ) 모델 추론 차단기에 대한 제한으로, 기본값은 JVM 힙의 50 %입니다. 상위 회로 차단기가 JVM 힙의 50 % 미만이면 대신 해당 제한에 바인드됩니다. 회로 차단기 설정을 참조하십시오 .

breaker.model_inference.overhead( Dynamic ) 최종 추정을 결정하기 위해 모든 회계 추정에 곱해지는 상수입니다. 기본값은 1 입니다. 회로 차단기 설정을 참조하십시오 .

breaker.model_inference.type( 정적 ) 회로 차단기의 기본 유형입니다. 두 가지 유효한 옵션이 있습니다. noop및 memory. noop회로 차단기가 너무 많은 메모리 사용을 방지하기 위해 아무것도하지 않음을 의미합니다. memory회로 차단기가 추론 모델에서 사용하는 메모리를 추적하고 잠재적으로 OutOfMemory오류를 방지하고 차단할 수 있음을 의미 합니다. 기본값은 memory입니다.