用途：面向 Dynatrace 可观测性数据做前瞻性分析，包括容量饱和预测、成本估算、主动告警、趋势识别与异常检测。
主要能力：提供五类分析工具——timeseries-forecast（单变量时间序列预测）、timeseries-novelty-detection（检测信号特征变化，如尖峰、阶跃、趋势起始、波动性变化）、adaptive-anomaly-detector（学习正常分布并标记持续越界）、seasonal-baseline-anomaly-detector（考虑时段与星期模式）、static-threshold-analyzer（固定阈值告警）；另可用 execute-dql 执行 DQL 查询。
使用方式：先判断问题类型。含“变化、偏移、尖峰、下降、何时开始”等语义时用 timeseries-novelty-detection，无需预设阈值；问“当前谁最高、谁越界、是否超过 X”时用异常检测器。典型 DQL 模式包括移动平均趋势、饱和风险分级、距饱和天数预测与异常评分，需注意 timeseries 返回数组、用 arrayLast/arrayFirst 取值、排序前过滤 isNotNull、Long 字段相除用 toLong()，实体字段用 dt.smartscape.*。
适用场景：主机 CPU/内存/磁盘与 Kubernetes 节点饱和预测、服务请求量预测、错误率异常排查、周同比基线对比、告警前信号画像。
限制：Dynatrace Forecast Analyzer 仅支持单变量预测，多变量预测需借助 Python、R 或 Azure AutoML 等外部工具；DQL 无原生预测函数，前瞻预测须用 timeseries-forecast；结果须直接基于原始工具输出分析汇总，并以结构化表格加关键发现呈现。具体参数、区间与预测上限等细节暂未提供。