同比环比与异常检测
异常检测（Anomaly）计算事件 PV/UV 的环比涨跌，并基于 7 日均值基线做异常预警，回答"数据有没有异常波动"。对应后端 AnalyticsService.Anomaly。
一、它能回答什么问题
- 昨天某事件的 PV/UV 环比涨跌多少？
- 某事件今天的量是否跌破 7 日基线的异常阈值？（预警）
- 近期哪些事件出现了异常（骤降/骤升）？
二、关键指标
每个 AnomalyPoint（按事件 × 日期）含：
| 指标 | 含义 |
|---|---|
| PV / UV | 当日事件量 / 去重用户数 |
| baseline | 7 日均值（基线） |
| wow_change | 环比昨日涨跌（正为涨，0-1） |
| is_anomaly | 是否异常（当日 PV < baseline × 阈值，默认 0.5） |
三、后端接口
gRPC：AnalyticsService.Anomaly
| 字段 | 类型 | 说明 |
|---|---|---|
time_range | TimeRange | 时间范围（建议取近 8+ 天以算 7 日基线） |
app_id | uint32（可选） | 按应用过滤 |
event_name | string（可选） | 事件名过滤（空 = 全部事件聚合） |
响应 AnomalyResponse：points[]（各 AnomalyPoint）、anomaly_count（异常事件数，去重）。
HTTP（admin 转发）
POST /admin/v1/analytics/anomaly
Content-Type: application/json
{
"timeRange": { "startMs": 1717564800000, "endMs": 1718774399000 }
}
四、异常判定逻辑
- 基线：某事件前 7 天的 PV 均值。
- 环比：当日 PV 相对昨日的变化率。
- 异常：当日 PV 低于
baseline × 阈值（默认 0.5，即跌破基线一半）时标记is_anomaly=true。
主要用于骤降预警（如埋点丢失、服务故障导致数据断崖）。骤升异常需结合
wow_change人工判断。
五、典型场景
数据质量监控
每日查 anomaly_count：若有事件被标记异常，第一时间排查是埋点丢失、上报故障还是真实业务下跌。
事件健康巡检
按 event_name 单独查核心事件（如 pay_success、register），看其环比与基线，确保核心转化事件数据正常。
节后/活动后回归
大促或节假后，用 Anomaly 区分"业务自然回落"与"异常下跌"——回落通常平稳且不破基线阈值，异常则断崖。
六、注意事项
- 时间范围要够长：算 7 日基线需要至少 8 天数据，
time_range太短则基线不准。 - 阈值默认 0.5：跌破基线 50% 才算异常，较宽松；严苛监控可关注
wow_change显著为负的点。 - 侧重骤降：当前
is_anomaly主要捕获骤降（PV 远低于基线），骤升不会自动标异常。 - 新事件无基线：新上线的事件历史不足 7 天，基线不稳，初期异常判定参考性低。