Grail ve Davis AI Anomali Dedektör Algoritmaları
Dynatrace Grail™ data lakehouse, birleşik gözlemlenebilirlik, güvenlik ve iş verileri için bağlamsal analizler sağlar.
Dynatrace Notebooks ile çalışarak, kuruluşunuzun verilerindeki anlatıları ortaya çıkarmak için keşif analizlerinin çok önemlidir. Görsel veri analizi ve geliştirme, güvenlik ve iş ekiplerinden gelen işbirliği girdilerinden yararlanarak, bu tür içgörüler şeffaf hale gelir ve işletmeniz üzerindeki etkileri hakkında anında anlaşılma ve harekete geçmeyi sağlar. Ayrıca, işletmenizin risk altında olup olmadığını belirlemek için anormallik algılamayı proaktif olarak kullanmak için otomatik eylemlerde bulunmak esastır. Bu tür bir anormallik tespiti, bu blog gönderisinde açıklandığı gibi basit adımlarla uygulanmalıdır.
Dynatrace Grail™ data lakehouse, birleşik gözlemlenebilirlik, güvenlik ve iş verileri için bağlamsal analizler sağlar. Dynatrace Query Language’ı (DQL) kullanarak verileri istediğiniz zaman sorgulamanıza ve birleştirmenize olanak tanır. Bu, keşifsel veri analizini ve iş arkadaşlarınızla sonuçlar üzerinde görsel olarak işbirliği yapma yeteneğini sağlar.
Dynatrace-Notebooks ve anormallik tespiti:
Günlük işinizde muhtemelen “neden” sorularıyla karşılaşırsınız. Neden bir kesinti yaşadık? Sistem neden farklı davrandı? Neden bir uyarı aldım? Bu sorular, gerekli verileri kolayca derleyip bir zaman serisine bölebileceğiniz Dynatrace Notebooks’ta etkili bir şekilde araştırılabilir. Bununla birlikte, aşağıdaki zaman serisi örneğinde, örnek Travel Mobile uygulamamıza erişim denemelerinin sayısının normal mi yoksa anormal mi olduğunu belirlemeliyiz.
Çoğu durumda, zaman serisi verilerine bakarak geçmiş deneyimlerinize dayanarak, bir şeyin anormallik olup olmadığı açıktır. Ancak uzmanlığınızı nasıl otomatikleştirebilirsiniz? Bu tür bir otomasyon, sizin ve meslektaşlarınızın anormallikler içerip içermediklerini belirlemek için zaman serilerini manuel olarak izlemek zorunda kalmamasını sağlayabilir.
Davis® AI, kutudan çıkar çıkmaz bu tür otomatik anormallik tespiti sağlar. Yine de, işletmeniz, örneğin tespit edilen bir anormalliğe dayalı olarak otomatik olarak bir Davis sorunu oluşturmak için özel gereksinimlerinize göre anormallikleri tespit etmek için Davis AI’nın esnekliğini gerektirir. Bu amaçla, belirli bir analizörü seçmenize olanak tanıyan Davis AI Analizörünü sağlıyoruz. Her biri verilerinizdeki normdan önemli ölçüde sapan anormallikleri tespit etmek için benzersiz mekanizmalarla donatılmış üç anormallik tespit analizörü mevcuttur.
- Statik eşik anormallik tespiti
- Otomatik uyarlanabilir eşik anormalliği tespiti
- Mevsimsel temel anomali tespiti
Davis AI Analyzer’ın benzersiz bir özelliği, kökeni ne olursa olsun, olaylardan, iş olaylarından, günlüklerden veya diğer kaynaklardan veya farklı zaman serilerinin birleştirilmesinden makeTimeseries ile oluşturulmuş olsun, herhangi bir zaman serisinde çalışmasıdır. Aşağıdaki ekran görüntüsünde görebileceğiniz gibi, Davis AI Analyzer DQL’nin tüm gücünü kazanarak Davis anormallik tespitini her zamankinden daha esnek ve güçlü hale getiriyor. Bu güç, Dizüstü Bilgisayarlar veya Gösterge Tablolarında istenen Davis anormallik algılama analizörünü seçerek kolayca deneyimlenebilir.
Davis AI, mevsimsel temel analizörü seçerek, bu örnekte uygulamaya erişim denemelerinin sayısının aynı dönemdeki geçmiş verilere dayanarak normdan sapmadığını fark eder. Zaman serisi mevsimsel yeşil güven bandına girer. Zaman serisi bu bandın dışına düşerse potansiyel bir uyarı görsel olarak simüle edilir.
Bu anormallik dedektörü, dakikada deneme erişim sayısını gözlemler ve anormallikler tespit edildiğinde bir olayı tetikler. Birkaç basit adımda benzer bir Davis anomali dedektörü oluşturabilirsiniz.
Davis Anomali Algılama ile deneyiminizi otomatikleştirin
Notebook’da, birlikte aç’ı seçin ve Davis Anomali Algılama’yı seçin; bir anormallik dedektörü oluşturmak için gereken tüm ayarlar taşınacaktır.
Yeni anormallik dedektörü dört adımda oluşturulur; ilk iki adım Notebook’lardan otomatik olarak taşınır. Anormallik dedektörünüz için bir başlık ve yapılandırma için bir açıklama tanımladığınız en basit adım olan Başlayın.
Sonraki iki adım, belirtildiği gibi, Defterlerden önceden doldurulmuştur. Sorgunuzu yapılandırın adımında, önceden tanımladığınız DQL sorgusunu bulacaksınız ve parametreleri özelleştir adımında seçtiğiniz anormallik algılama analizörünü bulacaksınız. Son önemli adım olan Etkinlik şablonu oluşturma adımı kalır. Burada, etkinliğiniz için şablonu tanımlayabilir ve sonraki süreç için gerekli tüm bilgileri açıklayabilirsiniz.
Bu şablonu olağanüstü kılan şey, etkinlikle ilgili metne ek bağlam eklemek için {yer tutucu} ipuçlarını kullanabilmenizdir. Örneğin, ihlalin değeri veya anormalliğin tespit edildiği kaynak varlık. Bu, etkinlikle ilgili tüm temel bilgilerin Site Güvenilirlik Mühendisi (SRE) tarafından hemen görünür olmasını sağlar. Dört adımı da tamamladıktan sonra, Oluştur’u seçerek Davis anormallik dedektörü oluşturabiliriz. Anormallik dedektörü, tanımlanmış zaman serilerinizi her dakika otomatik olarak izleyecek ve bir anormallik tespit edildiğinde belirtilen olayı tetikleyecektir.
Yeni anormallik dedektörü şimdi Davis Anomali Algılama’da listelenmiştir. Burada tüm anormallik dedektörü yapılandırmalarını bulacaksınız ve bunları özel kriterlerinize göre filtreleyebilirsiniz. Ek olarak, bu tabloyu anormallik dedektörlerinin en son ne zaman değiştirildiği gibi yapılandırmalar hakkında ek bilgilerle genişletebilirsiniz.
Tabii ki, tüm yapılandırma ayarlarının taşındığı Notebook’larda bir anormallik dedektörünü doğrudan yeniden açma seçeneğiniz her zaman vardır. Ayrıca anormallik dedektörünüzün bir önizlemesini doğrudan Davis Anomali Algılama’da görüntüleme seçeneğiniz de vardır.
Heyecan verici zorluk, Grail ve DQL analiz yeteneklerini kullanarak günlük “neden” sorularınıza cevap bulmaktır. Cevap bir zaman serisinde başarıyla tanımlanırsa ve sonucu anormallik algılama ile otomatikleştirmek istiyorsanız, bu sadece birkaç adımda yapılabilir. Notebook’lardaki yeni Davis Anomali Algılama analizörünü keşfetmenizi öneririz; birçok kullanımını hızlı bir şekilde keşfedeceğinizden eminiz.
