مراقبة القدرات والأداء: قراءة المقاييس والتخطيط للمستقبل

المكاسب:

• القدرة على تفسير المقاييس بشكل صحيح بدعم الذكاء الاصطناعي باستخدام النسبة المئوية (p95/p99) وخط الأساس بدلاً من المتوسط
• القدرة على فصل الموسمية عن الاتجاه وإنتاج إسقاطات للقدرة كنطاق متفائل متشائم بدلاً من رقم واحد
• فهم أن الاستثمار في الموارد وقرارات عتبة الإنذار هي قرارات بشرية، إلى جانب المهلة الزمنية للموارد وسياق الأعمال.

مراقبة القدرات والأداء: قراءة المقاييس باستخدام الذكاء الاصطناعي والتخطيط للمستقبل

لا يمكنك رؤية صحة النظام بأم عينيك؛ أنت تفهم ذلك من خلال المقاييس. المقياس هو قيمة رقمية تعتمد على الوقت لخاصية قابلة للقياس للنظام: استخدام وحدة المعالجة المركزية، وإشغال الذاكرة، والمساحة الخالية على القرص، وزمن وصول الشبكة، والطلبات في الثانية. تقوم مراقبة الأداء بجمع هذه المقاييس بشكل مستمر وتجيب على السؤال "هل النظام جيد الآن؟" ويذهب تخطيط القدرات إلى أبعد من ذلك: فهو يجيب على السؤال "بهذا المعدل، متى سأصبح غير كاف، ومتى يجب أن أشتري موارد جديدة؟" هنا، يعد الذكاء الاصطناعي بمثابة مساعد ذو مهارات عالية في تفسير أكوام المقاييس، ووضع علامات على الحالات الشاذة، وقراءة الاتجاه وإنتاج التوقعات المستقبلية. ولكن هناك تحذير واحد يسود قبل كل شيء: الذكاء الاصطناعي يستخرج الأنماط من البيانات التاريخية؛ أنت الشخص الذي يتخذ قرارات الاستثمار في الموارد والقياس والتنبيه مع السياق.

في هذه الوحدة، يتم رصد مفاهيم مثل خط الأساس (خط السلوك الطبيعي)، والشذوذ (الانحراف عن الطبيعي)، والمئوي (المئوي)؛ التفسير المتري باستخدام الذكاء الاصطناعي؛ توقعات الاتجاه والنمو. وسوف تتعلم كيفية ضبط عتبة التنبيه الصحيحة.

المتوسط ​​يكذب: لماذا المئوي؟

الخطأ الأكثر شيوعًا في التتبع هو قياس كل شيء بمتوسط. لنفترض أن وقت الاستجابة الخاص بك هو 200 مللي ثانية في المتوسط. ًيبدو جيدا. لكن 5% من المستخدمين قد ينتظرون 8 ثوانٍ؛ المتوسط ​​يخفي هذا. ولهذا السبب يستخدم المحترفون النسبة المئوية: p95 = "95% من الطلبات أقل من هذه الفترة الزمنية." إذا كان وقت الاستجابة p95 هو 8 ثوانٍ، فإن واحدًا من كل عشرين مستخدمًا يمر بتجربة مروعة - والمتوسط ​​لا يظهر ذلك أبدًا. عند إعطاء مقاييس للذكاء الاصطناعي، كن واضحًا بشأن الإحصائية التي تريدها: "فسر لي p50 وp95 وp99، وليس المتوسط." هذه العادة تكشف مشاكل خفية.

نصيحة: انظر إلى النسبة المئوية لكل مقياس يتعلق بتجربة المستخدم (زمن الاستجابة، وزمن الاستجابة)؛ p95/p99 بدلاً من المتوسط ​​يوصلك إلى الأقلية الحقيقية التي تعاني. في مقاييس الموارد (وحدة المعالجة المركزية، الذاكرة)، انظر إلى قيم الذروة والقيم المستدامة.

لا يوجد شذوذ دون خط الأساس

قبل أن تتمكن من معرفة ما إذا كان المقياس "غير طبيعي"، عليك أن تعرف "عادي". خط الأساس هو النطاق السلوكي النموذجي للنظام في الأيام الصحية: "عادةً ما تكون وحدة المعالجة المركزية هذه في فترة الظهيرة في أيام الأسبوع 40-60%". بدون خط الأساس، لا يمكنك معرفة ما إذا كانت قيمة 70% مخيفة أم طبيعية. يمكنك تعيين خط أساس من خلال تقديم بيانات صحية تاريخية إلى الذكاء الاصطناعي والقول "استخرج النطاق الطبيعي والنمط اليومي/الأسبوعي لهذا المقياس". ثم تقوم بتفسير البيانات الجديدة وفقًا لخط الأساس هذا: "أين توجد هذه القيمة بشكل طبيعي؟" الشذوذ هو انحراف كبير ومستدام عن خط الأساس - غالبًا ما تكون القفزة المفاجئة ضوضاء.

خطوة بخطوة: إسقاط القدرات

1. جمع تاريخ نظيف وكاف. يتطلب الاتجاه بضعة أسابيع على الأقل من البيانات، ويفضل أن تكون شهرية. إن الإسقاط الذي يتم باستخدام القليل من البيانات هو تخمين وليس تنبؤًا.
2. موسمية منفصلة. تنخفض حركة المرور في عطلة نهاية الأسبوع، وتزداد في نهاية الشهر، وتنفجر أثناء الحملة. أخبر الذكاء الاصطناعي بهذه الدورات حتى لا يخلط بين النمو والتقلبات الموسمية.
3. خلع الاتجاه. "كم عدد الجيجابايت التي زادها هذا القرص في المتوسط ​​أسبوعيًا خلال الأسابيع الثمانية الماضية؟" الذكاء الاصطناعي يحسب معدل النمو.
4. اطلب الإسقاط، قم بتفريغه. "بهذا المعدل، متى سيمتلئ القرص بنسبة 90%؟" - ولكن اسأل عن نطاق متفائل/متشائم، وليس تاريخًا واحدًا. المستقبل غير مؤكد. الرقم الفردي هو دقة خاطئة.
5. تحديد عتبة القرار مع الناس. إذا كان التوقع يقول "سيتم الانتهاء منه في غضون 6 أسابيع"، عليك أن تأخذ في الاعتبار وقت تحديد المصدر (الشراء، الموافقة) وتقرر ما إذا كنت ستتخذ الإجراء اليوم أم لا.
6. ضبط المنبه بشكل صحيح. إنذار حساس للغاية ينتج عنه ضوضاء وإجهاد إنذار؛ فضفاضة جدا التنبيه سوف تفوت الحدث. احصل على توصية بالحد الأدنى من الذكاء الاصطناعي، ولكن حدد الحد الأدنى من خلال قدرتك على تحمل المخاطر.

ثلاث حالات صغيرة

الحالة 1 - المتوسط المخفي، أظهر ص 99. اعتقد أحد الفرق أن واجهة برمجة التطبيقات (API) الخاصة بهم كانت "180 مللي ثانية في المتوسط، وهذا جيد." عندما قمت بتغذية المقاييس إلى الذكاء الاصطناعي وطلبت تفسيرًا مئويًا، اتضح أن p99 كان 6400 مللي ثانية - وكان واحد من كل مائة طلب أبطأ من 6 ثوانٍ. كان السبب الجذري هو استعلام قاعدة بيانات بطيء. وبينما بدا المتوسط ​​بصحة جيدة، كانت الأقلية تعاني من تجربة مروعة.

الحالة 2 - تم تحذير الإسقاط قبل 3 أسابيع. أعطى المسؤول بيانات إشغال قرص السجل إلى الذكاء الاصطناعي. استنتج الذكاء الاصطناعي اتجاه نمو أسبوعيًا يصل إلى 7 غيغابايت تقريبًا وتوقع أنه بالمعدل الحالي، سيتم الوصول إلى 90% في غضون 19 يومًا، مع نطاق متفائل متشائم يتراوح بين 16-23 يومًا. وبما أن توفير الأقراص الجديدة استغرق 10 أيام، فقد أمر الفريق بذلك على الفور ومنع الانقطاع قبل حدوثه.

الحالة 3 - العودة من الشذوذ الكاذب. انطلق إنذار المراقبة كل ليلة أحد ليخبرنا أن وحدة المعالجة المركزية ترتفع إلى 95٪. قبل أن يشعر بالذعر، طلب المهندس من الذكاء الاصطناعي رفع خط الأساس: كانت هذه القفزة عبارة عن مهمة احتياطية مخططة تحدث في نفس الوقت كل أسبوع، لذلك كانت جزءًا من القاعدة. لم تكن حالة شاذة. كان خط الأساس مفقودًا. تم تصحيح عتبة التنبيه لتلك الفترة الزمنية وتمت إزالة عمليات الاستيقاظ الليلية غير الضرورية.

أربعة قوالب قابلة للنسخ

1) التفسير المتري (المئوي):

فيما يلي مقاييس وقت استجابة [الخدمة] (مقنعة). التعليق لي ص50،ص95،ص99، وليس المتوسط. ماذا يعني الفرق بين p99 وp50، وما هي مشكلة تجربة المستخدم التي يشير إليها؟ لا تضف قيمًا مختلقة، فقط قم بتفسير البيانات التي أقدمها لك. البيانات: [المقاييس]

2) الطرح الأساسي:

فيما يلي البيانات [المتري] الصحية للأسابيع الأربعة الماضية. استخرج (1) النطاق الطبيعي (2) للنمط اليومي والأسبوعي (على سبيل المثال، أدنى مستوى ليلاً، وارتفاع عند الظهر) لهذا المقياس. ثم سأعطي قيمة جديدة واحدة؛ تصنيفها على أنها "طبيعية/تحذير/غير طبيعية" بناءً على خط الأساس هذا. البيانات: [المقياس التاريخي]

3) إسقاط السعة (مع النطاق):

فيما يلي آخر 8 أسابيع من بيانات الإشغال [المورد]. (1) احسب متوسط ​​معدل النمو الأسبوعي، (2) أشر إلى التأثيرات الموسمية، (3) قدر الوقت اللازم للوصول إلى عتبة 90% بالمعدل الحالي، مع نطاقات متفائلة ومتشائمة. حدد تاريخًا واحدًا، وحدد نطاقًا، واكتب افتراضاتك. البيانات: [السلسلة الزمنية]

4) توصية عتبة الإنذار:

خط الأساس الخاص بي لـ [المتري] هو [النطاق]. هدفي هو تقليل الإنذارات الكاذبة دون فقدان المشاكل الحقيقية. أعطني توصية بشأن (1) التحذير و(2) العتبة الحرجة، مع تبرير كل منهما وتقييم مخاطر إجهاد الإنذار. سأحدد العتبة النهائية.

موجه ضعيف / موجه قوي

حث ضعيف:

هل الخادم الخاص بي بطيء؟

لا يوجد سياق ولا مقاييس ولا خط أساس. لا يعرف الذكاء الاصطناعي تعريف "بطيء" ولا يملك قيمة عادية لمقارنته بها. الجواب هو تخمين خامل.

مطالبة قوية:

دورك: أخصائي تخطيط القدرات. فيما يلي آخر 14 يومًا من وقت الاستجابة p95 والطلبات/البيانات الثانية لواجهة برمجة التطبيقات (مقنعة). خط الأساس الخاص بي هو 250-400 مللي ثانية لـ p95. أخبرني (1) حدد الأيام التي خرجت عن خط الأساس في آخر 14 يومًا، (2) أخبرني ما إذا كانت هناك علاقة واضحة بين وقت الاستجابة وتحميل الطلب (كفرضية)، (3) توقع أين سيذهب p95 خلال 30 يومًا إذا استمر هذا الاتجاه. البيانات: [السلسلة الزمنية]

نوع متري

قياس خاطئ

قياس دقيق

وقت الاستجابة

فقط فى المتوسط

ص50، ص95، ص99

وحدة المعالجة المركزية/الذاكرة

قيمة لحظية

الذروة + المستدامة + خط الأساس

نمو القرص

إشغال اليوم

الاتجاه الأسبوعي + الإسقاط

شذوذ

ترتد واحدة

الانحراف المستمر عن خط الأساس

إنذار

عتبة واحدة تعسفية

تحذير مسبب + عتبة حرجة

الأخطاء الشائعة

• قياس كل شيء بمتوسط. فالمتوسط ​​يخفي التجربة السيئة للقلة؛ انظر المئوية.
• البحث عن الحالات الشاذة دون خط الأساس. لا يمكنك القول بأن القيمة غير طبيعية دون معرفة ما هو الطبيعي؛ قمت بإنشاء إنذار كاذب.
• الخلط بين الموسمية والاتجاه. إن التعامل مع ذروة الحملة كنمو دائم وأخذ الموارد غير الضرورية يكلف المال.
• الاعتماد على إسقاط الأعداد الفردية. "19 يومًا بالضبط" دقة زائفة؛ استخدم النطاق المتفائل المتشائم.
• نسيان وقت المصادر. الفريق الذي لا يأخذ في الاعتبار حد الإسقاط وشراء الوقت معًا سوف يقع في براثن الانقطاع.

تحذير: يفترض إسقاط اتجاه الذكاء الاصطناعي أن الماضي سيستمر في المستقبل. إن إطلاق منتج جديد، أو ترحيل العملاء، أو التغيير المعماري يعطل هذا الافتراض. إن مهمتك هي تصحيح الإسقاط مع السياق الخاص بك.

في ملخص

مراقبة الأداء تجيب على السؤال "هل هو جيد الآن؟" وتخطيط القدرات يجيب على السؤال "متى لا يكفي؟" يعد الذكاء الاصطناعي شريكًا قويًا في تفسير المقاييس، وإنشاء خطوط الأساس، وتحديد الحالات الشاذة، وتوقع الاتجاهات. لكن المتوسط ​​يكذب — استخدم النسبة المئوية؛ بدون خط الأساس لا توجد حالة شاذة - قم بتحديد الوضع الطبيعي أولاً؛ فصل الموسمية عن الاتجاه؛ وخذ الإسقاط كنطاق، وليس كرقم واحد. إن قرارات استثمار الموارد وعتبة التنبيه هي قرارات بشرية، إلى جانب المهلة الزمنية للموارد وسياق الأعمال.

مهمة التطبيق

خذ بيانات الأسابيع القليلة الماضية لمورد (القرص، الذاكرة، وقت الاستجابة) من أنظمتك وقم بإخفاء المناطق الحساسة. اطرح النطاق الطبيعي والنمط باستخدام قالب "الطرح الأساسي" أعلاه. ثم اطلب من نموذج "توقعات السعة" التنبؤ بالوقت الذي ستصل فيه إلى الحد الأدنى، مع نطاق متفائل ومتشائم. قم أيضًا بتفسير مقياس وقت الاستجابة الخاص بك باستخدام قالب "النسبة المئوية" ومعرفة ما إذا كان هناك أي شيء يخفيه المتوسط. قم بتدوين النتائج التي توصلت إليها والإجراء الذي ستتخذه في 5 عناصر.

قائمة مرجعية

• [ ] هل نظرت إلى p95/p99 بدلاً من المتوسط في مقاييس وقت الاستجابة؟
• [ ] هل قمت بإنشاء خط أساس من البيانات السليمة قبل البحث عن الحالات الشاذة؟
• [ ] هل قمت بتمييز التقلبات الموسمية عن الاتجاه الدائم؟
• [ ] هل أخذت هذا التوقع على أنه نطاق متفائل ومتشائم وليس تاريخًا واحدًا؟
• [ ] هل قمت بتقييم وقت التوريد مع حد التوقع؟
• [ ] هل قمت بتعيين حد الإنذار بناءً على درجة تحملي للمخاطر وليس بناءً على توصية الذكاء الاصطناعي؟