Kapasiteetin ja suorituskyvyn seuranta: mittareiden lukeminen ja tulevaisuuden suunnittelu

Voitot:

• Kyky tulkita mittareita oikein tekoälyn tuella käyttämällä prosenttipistettä (p95/p99) ja perustasoa keskiarvon sijaan
• Kyky erottaa kausivaihtelu trendistä ja tuottaa kapasiteettiennuste optimistis-pessimistisenä vaihteluvälinä yksittäisen numeron sijaan
• Ymmärtäminen, että resurssien investointi- ja hälytyskynnyspäätökset ovat inhimillisiä, samoin kuin resurssien läpimenoaika ja liiketoimintakonteksti.

Kapasiteetin ja suorituskyvyn seuranta: Mittareiden lukeminen tekoälyn avulla ja tulevaisuuden suunnittelu

Et voi nähdä järjestelmän terveyttä omin silmin; Ymmärrät sen mittareilla. Mittari on ajasta riippuva numeerinen arvo järjestelmän mitattavissa olevalle ominaisuudelle: suorittimen käyttö, muistin käyttöaste, vapaa levytila, verkon latenssi, pyynnöt sekunnissa. Suorituskyvyn seuranta kerää jatkuvasti näitä mittareita ja vastaa kysymykseen "onko järjestelmä nyt kunnossa?" Kapasiteetin suunnittelu menee askeleen pidemmälle: se vastaa kysymykseen "milloin minusta tulee tällä vauhdilla riittämätön, milloin minun pitäisi ostaa uusia resursseja?" Täällä tekoäly on erittäin ammattitaitoinen apulainen tulkitsemaan mittaripinoja, merkitsemään poikkeavuuksia, lukemaan trendejä ja luomaan tulevaisuuden ennusteita. Mutta yksi varoitus vallitsee ennen kaikkea: AI poimii kuvioita historiallisista tiedoista; Sinä teet resurssiinvestointeja, skaalausta ja hälytyskynnystä koskevia päätöksiä kontekstin kanssa.

Tässä yksikössä seurantakäsitteet, kuten perusviiva (normaali käyttäytymisviiva), poikkeama (poikkeama normaalista), prosenttipiste (prosenttipiste); Metrinen tulkinta tekoälyllä; suuntaus- ja kasvuennuste; ja opit asettamaan oikean hälytyskynnyksen.

Keskiarvo valehtelee: miksi prosenttipiste?

Yleisin virhe seurannassa on mitata kaikkea keskiarvolla. Oletetaan, että vastausaikasi on keskimäärin 200 ms. Kuulostaa hyvältä. Mutta 5 % käyttäjistä saattaa odottaa 8 sekuntia; Keskimääräinen piilottaa tämän. Siksi ammattilaiset käyttävät prosenttipistettä: p95 = "95 % pyynnöistä on tämän ajanjakson alapuolella." Jos p95:n vasteaika on 8 sekuntia, yhdellä kahdestakymmenestä käyttäjästä on kauhea kokemus – keskiarvo ei koskaan osoita sitä. Kun annat mittareita tekoälylle, tee selväksi, minkä tilaston haluat: "tulkitkaa minulle p50, p95 ja p99, älä keskiarvoa." Tämä yksi tapa paljastaa piilotetut ongelmat.

Vinkki: tarkastele jokaisen käyttökokemusta koskevan mittarin prosenttipistettä (vasteaika, latenssi). p95/p99 keskiarvon sijaan vie sinut todelliseen kärsivään vähemmistöön. Resurssimittareissa (CPU, muisti) katso sekä huippu- että jatkuvia arvoja.

Anomaliaa ei ole ilman perusviivaa

Ennen kuin voit kertoa, onko mittari "epänormaali", sinun on tiedettävä "normaali". Perustaso on tyypillinen järjestelmän käyttäytymisalue terveinä päivinä: "tämän palvelun arkipäivän keskipäivän CPU on tyypillisesti 40–60 %". Ilman perusarvoa et voi tietää, onko 70 %:n arvo pelottava vai normaali. Voit asettaa perustason antamalla tekoälylle historiallisia terveitä tietoja ja sanomalla "poimi tämän mittarin normaali vaihteluväli ja päivittäinen/viikkokuvio". Sitten tulkitset uudet tiedot tämän lähtötilanteen mukaan: "missä tämä arvo on normaalissa?" Poikkeama on merkittävä ja jatkuva poikkeama lähtötasosta – yksi äkillinen hyppy on usein melua.

Askel askeleelta: kapasiteetin ennakointi

1. Kerää puhdas ja riittävä historia. Trendi vaatii vähintään muutaman viikon tietoja, mieluiten kuukausittain. Pienellä tiedolla tehty projektio on arvaus, ei ennuste.
2. Erillinen kausivaihtelu. Liikenne laskee viikonloppuisin, lisääntyy kuun lopussa ja räjähtää kampanjan aikana. Kerro tekoälylle nämä syklit, jotta se ei sekoita kasvua kausivaihteluihin.
3. Ota trendi pois. "Kuinka monta gigatavua tämä levy on kasvanut keskimäärin viikossa viimeisen 8 viikon aikana?" AI laskee kasvunopeuden.
4. Pyydä projektiota, välitä se. "Milloin levy on 90 % täynnä tällä nopeudella?" - mutta pyydä optimistista/pessimististä vaihteluväliä, ei yhtä päivämäärää. Tulevaisuus on epävarma; pariton luku on väärä tarkkuus.
5. Päätä päätöskynnys ihmisten kanssa. Jos ennusteessa lukee "Se valmistuu 6 viikossa", otat huomioon hankinta-ajan (osto, hyväksyntä) ja päätät, ryhdytkö toimenpiteisiin tänään.
6. Aseta hälytys oikein. Erittäin herkkä hälytys aiheuttaa melua ja hälyttimen väsymistä; liian löysä hälytys jää tapahtumasta väliin. Hanki kynnyssuositus tekoälyltä, mutta määritä lopullinen kynnys oman riskinsietokykysi mukaan.

kolme minilaukkua

Tapaus 1 – Keskiarvo piilotettu, s.99 esitetty. Eräs tiimi ajatteli, että heidän API oli "keskimäärin 180 ms, ihan hyvin." Kun syötin mittarit tekoälylle ja pyysin prosenttipisteen tulkintaa, kävi ilmi, että p99 oli 6 400 ms – yksi sadasta pyynnöstä oli hitaampi kuin 6 sekuntia. Syynä oli hidas tietokantakysely. Vaikka keskiarvo vaikutti terveeltä, vähemmistöllä oli kauhea kokemus.

Tapaus 2 – Projektio varoitettu 3 viikkoa etukäteen. Järjestelmänvalvoja antoi lokilevyn käyttöastetiedot tekoälylle. Tekoäly päätteli viikoittaiseksi kasvutrendiksi ~7 Gt ja ennusti, että nykyisellä vauhdilla 90 % saavutettaisiin 19 päivässä ja optimistis-pessimistinen vaihteluväli 16–23 päivää. Koska uusien levyjen toimittaminen kesti 10 päivää, tiimi tilasi välittömästi ja esti katkoksen ennen kuin se tapahtui.

Tapaus 3 – Paluu väärästä poikkeamasta. Valvontahälytys soi joka sunnuntai-ilta kertoen CPU:n nousevan 95 prosenttiin. Ennen paniikkia insinööri antoi tekoälyn nostaa perusviivaa: tämä hyppy oli suunniteltu varmuuskopiointityö, joka tapahtui samaan aikaan joka viikko, joten se oli osa normaalia. Se ei ollut poikkeama; perusviiva puuttui. Hälytyskynnystä on korjattu tälle ajanjaksolle ja turhat yöherätykset ovat poissa.

Neljä kopioitavaa mallia

1) Mittarin tulkinta (prosenttipiste):

Alla on [palvelun] vasteaikamittarit (naamioitu). Kommentoi minulle p50, p95 ja p99, ei keskiarvoa. Mitä ero p99:n ja p50:n välillä tarkoittaa, mihin käyttökokemusongelmaan se viittaa? Älä lisää keksittyjä arvoja, vaan tulkitse antamani tiedot. Tiedot: [metrics]

2) Perustason vähennys:

Alla on terveet [metriset] tiedot viimeisten 4 viikon ajalta. Poimi (1) normaalin alueen (2) päivittäinen ja viikoittainen kuvio (esim. yön alhainen, keskipäivän korkein) tästä mittarista. Sitten annan yhden uuden arvon; luokittele se "normaaliksi/varovaiseksi/epänormaaliksi" tämän lähtötilanteen perusteella.Tiedot: [historiallinen mittari]

3) Kapasiteetin projektio (etäisyyden kanssa):

Alla on viimeisten 8 viikon [resurssi] käyttöastetiedot. (1) Laske viikoittainen keskimääräinen kasvuvauhti, (2) osoita kausiluonteisia vaikutuksia, (3) arvioi aika 90 %:n kynnyksen saavuttamiseen nykyisellä vauhdilla, OPTIMISTILLA ja PESIMISTISTÄ vaihteluvälillä. Anna yksittäinen päivämäärä, anna vaihteluväli ja kirjoita oletuksesi. Tiedot: [aikasarja]

4) Hälytyskynnyksen suositus:

Perustasoni [mittari] on [alue]. Tavoitteeni on minimoida väärät hälytykset ilman, että todellisia ongelmia jää huomaamatta. Anna minulle suositus (1) varoituksesta ja (2) kriittisestä kynnysarvosta, perustele kumpikin ja arvioi hälytyksen väsymisriskiä. Päätän lopullisen kynnyksen.

Heikko kehote / Vahva kehote

Heikko kehote:

Onko palvelimeni hidas?

Ei ole kontekstia, ei mittareita eikä perustasoa. Tekoäly ei tiedä "hidas" määritelmää eikä sillä ole normaalia arvoa verrata sitä. Vastaus on turha arvaus.

Tehokas kehotus:

Tehtäväsi: kapasiteetin suunnittelun asiantuntija. Alla on viimeiset 14 päivää p95-vastausajasta ja API-pyynnöt/sekunti (naamioitu). Perusviivani on 250-400 ms p95:lle. Kerro minulle (1) merkitse päivät, jotka menivät lähtötasosta viimeisen 14 päivän aikana, (2) kerro, onko vasteajan ja pyyntökuorman välillä näkyvä suhde (oletuksena), (3) ennusta mihin p95 menee 30 päivän kuluttua, jos tämä trendi jatkuu. Tiedot: [aikasarja]

Metrinen tyyppi

väärä mittaus

tarkka mittaus

vasteaika

Vain keskimäärin

s. 50, s. 95, s. 99

CPU/muisti

hetkellinen arvo

Huippu + jatkuva + perusviiva

levyn kasvu

Tämän päivän täyttöaste

Viikkotrendi + ennuste

Anomalia

yksittäinen pomppiminen

Jatkuva poikkeama lähtötasosta

hälytys

Mielivaltainen yksittäinen kynnys

Perusteltu varoitus + kriittinen kynnys

Yleisiä virheitä

• Mittaa kaikki keskiarvolla. Keskiarvo piilottaa harvojen huonot kokemukset; Katso prosenttipiste.
• Etsitään poikkeavuuksia ilman lähtökohtaa. Et voi sanoa, että arvo on epänormaali tietämättä mikä on normaalia; Luot väärän hälytyksen.
• Ymmärtää kausivaihtelun trendiksi. Kampanjan huipun käsitteleminen pysyvänä kasvuna ja turhien resurssien vieminen maksaa.
• Parittoman numeron projektioon luottaminen. "Täsmälleen 19 päivää" on väärä tarkkuus; Käytä optimisti-pessimististä vaihteluväliä.
• Hankinta-aika unohtuu. Tiimi, joka ei ota huomioon projektiokynnystä ja ostoaikaa yhdessä, jää keskeytyksen piiriin.

Varoitus: AI:n trendiennuste olettaa, että menneisyys jatkuu tulevaisuuteen. Uuden tuotteen lanseeraus, asiakkaan siirtyminen tai arkkitehtoninen muutos rikkoo tämän oletuksen. Sinun tehtäväsi on korjata projektio kontekstisi kanssa.

Yhteenvetona

Suorituskyvyn seuranta vastaa kysymykseen "onko nyt hyvä?" ja kapasiteetin suunnittelu vastaa kysymykseen "milloin se ei riitä?" Tekoäly on tehokas kumppani mittareiden tulkinnassa, lähtökohtien määrittämisessä, poikkeavuuksien ilmoittamisessa ja trendien ennakoinnissa. Mutta keskimääräinen valhe - käytä prosenttipistettä; Ilman perustasoa ei ole poikkeavaa – määritä ensin normaali; erota kausivaihtelu trendistä; ja ota projektio alueeksi, ei yksittäiseksi numeroksi. Resurssien investoinnit ja hälytyskynnyspäätökset ovat inhimillisiä, samoin kuin resurssien läpimenoaika ja liiketoimintaympäristö.

Sovellustehtävä

Ota viimeisten viikkojen data resursseja varten (levy, muisti, vasteaika) omista järjestelmistäsi ja peitä herkät alueet. Vähennä normaali alue ja kuvio yllä olevan "Perustason vähennys" -mallin avulla. Anna sitten "Kapasiteettiprojektio" -mallin ennustaa, milloin saavutat kynnyksen optimistis-pessimistisellä vaihteluvälillä. Pyydä myös vasteaikamittarisi tulkitsemaan "prosenttipiste"-mallin avulla ja katso, piilottaako keskiarvo jotain. Kirjoita muistiin havaintosi ja toimet, joita aiot tehdä 5 kohdassa.

tarkistuslista

• [ ] Katsoinko vasteaikamittareista p95/p99:ää keskiarvon sijaan?
• [ ] Olenko luonut perustason terveistä tiedoista ennen poikkeamien etsimistä?
• [ ] Olenko erottanut kausivaihtelun pysyvästä trendistä?
• [ ] Otinko ennusteen optimistis-pessimistisenä vaihteluvälinä yhden päivämäärän sijaan?
• [ ] Olenko arvioinut hankinta-ajan yhdessä projektiokynnyksen kanssa?
• [ ] Asetinko hälytysrajan oman riskinsietokykyni perusteella enkä tekoälysuosituksen perusteella?