刷新作业 API
新版 API 参考
有关最新的 API 详情，请参阅 机器学习异常检测 API。
强制作业处理所有缓冲数据。
请求
POST _ml/anomaly_detectors/<job_id>/_flush
前置条件
- 需要
manage_ml集群权限。此权限包含在machine_learning_admin内置角色中。
描述
刷新作业 API 仅适用于使用推送数据 API 发送数据进行分析的情况。根据缓冲区的内容，它可能还会计算新的结果。
刷新和关闭操作类似，但如果你预期会发送更多数据进行分析，刷新更高效。刷新时，作业保持打开状态，可以继续分析数据。关闭操作还会修剪模型状态并持久化到磁盘，且作业必须重新打开才能继续分析数据。
路径参数
<job_id>（必需，字符串）异常检测作业的标识符。
查询参数
advance_time（可选，字符串）指定推进到特定时间值。结果将被生成，模型将根据指定时间间隔的数据进行更新。
calc_interim（可选，布尔值）如果为
true，计算最近桶或延迟期内所有桶的临时结果。end（可选，字符串）与
calc_interim和start结合使用时，指定计算临时结果的桶范围。skip_time（可选，字符串）指定跳到特定时间值。不生成结果，模型不根据指定时间间隔的数据进行更新。
start（可选，字符串）与
calc_interim结合使用时，指定计算临时结果的桶范围。
请求体
你也可以在请求体中指定查询参数（如 advance_time 和 calc_interim）。
示例
POST _ml/anomaly_detectors/low_request_rate/_flush
{
"calc_interim": true
}
操作成功后，你收到以下结果：
{
"flushed": true,
"last_finalized_bucket_end": 1455234900000
}
last_finalized_bucket_end 提供最后一个已处理桶结束的时间戳（自纪元以来的毫秒数）。
如果要将作业刷新到特定时间戳，可以使用 advance_time 或 skip_time 参数。例如，要推进到 2018 年 1 月 1 日 GMT 时间上午 11 点：
POST _ml/anomaly_detectors/total-requests/_flush
{
"advance_time": "1514804400000"
}
操作成功后，你收到以下结果：
{
"flushed": true,
"last_finalized_bucket_end": 1514804400000
}