Kapacitás- és teljesítményfigyelés: mérőszámok leolvasása és a jövő tervezése

Nyereség:

• Képes a mérőszámok helyes értelmezésére mesterséges intelligencia támogatással az átlag helyett százalékos (p95/p99) és alapvonal használatával
• Képes a szezonalitást a trendtől elkülöníteni, és a kapacitás-előrejelzést optimista-pesszimista tartományként készíteni egyetlen szám helyett
• Annak megértése, hogy az erőforrás-befektetéssel és a riasztási küszöbértékekkel kapcsolatos döntések emberi döntések, az erőforrások átfutási idejével és az üzleti környezettel együtt.

Kapacitás- és teljesítményfigyelés: mérőszámok olvasása mesterséges intelligencia segítségével és a jövő tervezése

Egy rendszer állapotát nem láthatod a saját szemeddel; A mérőszámokon keresztül érted meg. A metrika egy rendszer mérhető jellemzőjének időfüggő számértéke: CPU-használat, memóriafoglaltság, szabad lemezterület, hálózati késleltetés, kérések másodpercenként. A teljesítményfigyelés folyamatosan gyűjti ezeket a mutatókat, és megválaszolja a "rendben van a rendszer?" A kapacitástervezés egy lépéssel tovább megy: választ ad arra a kérdésre, hogy "ilyen ütemben mikor leszek elégtelen, mikor vásároljak új erőforrásokat?" Itt az AI magasan képzett asszisztens a mérőszámok halmainak értelmezésében, az anomáliák megjelölésében, a trendek leolvasásában és a jövőbeli előrejelzések készítésében. De egy figyelmeztetés mindenekelőtt érvényesül: a mesterséges intelligencia mintákat von ki a történelmi adatokból; Ön az, aki az erőforrás-befektetéssel, a méretezéssel és a riasztási küszöbértékekkel kapcsolatos döntéseket hoz kontextussal.

Ebben az egységben az olyan megfigyelési fogalmak, mint az alapvonal (normál viselkedési vonal), anomália (eltérés a normáltól), percentilis (percentilis); Metrikus értelmezés AI-val; trend és növekedés előrejelzése; és megtanulja beállítani a megfelelő riasztási küszöböt.

Az átlag hazudik: miért százalékos?

A követés leggyakoribb hibája, hogy mindent átlaggal mérünk. Tegyük fel, hogy a válaszidő átlagosan 200 ms. Jól hangzik. De előfordulhat, hogy a felhasználók 5%-a 8 másodpercet vár; Az átlag ezt elrejti. Ezért használják a szakemberek a százalékos arányt: p95 = "A kérések 95%-a ennél az időszaknál nem éri el." Ha a p95 válaszideje 8 másodperc, akkor minden huszadik felhasználónak szörnyű tapasztalata van – az átlag soha nem mutat ilyet. Amikor mérőszámokat ad meg az MI-nek, világosan adja meg, hogy melyik statisztikát szeretné: "a p50, p95 és p99 értelmezését számomra, nem az átlagot." Ez az egyetlen szokás rejtett problémákat tár fel.

Tipp: Nézze meg a százalékos értéket minden olyan mérőszámnál, amely a felhasználói élményre vonatkozik (válaszidő, várakozási idő); A p95/p99 az átlag helyett eljut az igazi szenvedő kisebbséghez. Az erőforrás-metrikáknál (CPU, memória) tekintse meg a csúcsértékeket és a tartós értékeket is.

Nincs anomália alapvonal nélkül

Mielőtt meg tudná állapítani, hogy egy mérőszám „rendellenes”-e, ismernie kell a „normális” kifejezést. Az alapállapot a rendszer tipikus viselkedési tartománya egészséges napokon: "ez a szolgáltatás hétköznap délben a CPU általában 40–60%-os". Alapvonal nélkül nem lehet tudni, hogy a 70%-os érték ijesztő vagy normális. Beállíthat egy alapvonalat, ha előzményadatokat ad meg a mesterséges intelligencia számára, és azt mondja, hogy "kivonja ennek a mutatónak a normál tartományát és napi/heti mintáját". Majd ennek az alapvonalnak megfelelően értelmezed az új adatokat: "hol van ez az érték normálban?" Az anomália jelentős és tartós eltérés az alapvonaltól – egyetlen hirtelen ugrás gyakran zaj.

Lépésről lépésre: kapacitás előrejelzés

1. Gyűjts egy tiszta és megfelelő történetet. A trend eléréséhez legalább néhány hét, lehetőleg havi adatra van szükség. A kevés adattal készült előrejelzés csak találgatás, nem előrejelzés.
2. Külön szezonalitás. A forgalom hétvégén csökken, a hónap végén megnövekszik, és a kampány ideje alatt robbanásszerűen megnő. Mondja el az MI-nek ezeket a ciklusokat, hogy ne keverje össze a növekedést a szezonális ingadozással.
3. Vegye le a trendet. "Átlagosan hány GB-t nőtt ez a lemez hetente az elmúlt 8 hétben?" Az AI kiszámítja a növekedési ütemet.
4. Kérjen vetítést, térjen ki. "Ennél az ütemnél mikor lesz 90%-ban tele a lemez?" — de optimista/pesszimista tartományt kérj, ne egyetlen időpontot. A jövő bizonytalan; a páratlan szám hamis pontosság.
5. Határozza meg a döntési küszöböt az emberekkel. Ha az előrejelzés szerint "6 héten belül elkészül", akkor mérlegelje a beszerzési időt (vásárlás, jóváhagyás), és döntse el, hogy tesz-e még ma lépéseket.
6. Állítsa be megfelelően az ébresztőt. A nagyon érzékeny riasztás zajt és riasztási fáradtságot kelt; túl laza, a riasztó lemarad az eseményről. Kérjen küszöbértéket az MI-től, de a végső küszöböt határozza meg a saját kockázattűrő képességével.

három mini tok

1. eset – Átlag rejtett, 99. oldal bemutatva. Az egyik csapat úgy gondolta, hogy API-ja "átlagosan 180 ms, rendben van." Amikor betápláltam a mérőszámokat az MI-nek, és százalékos értelmezést kértem, kiderült, hogy a p99 6400 ms – minden száz kérésből egy 6 másodpercnél lassabb. A kiváltó ok egy lassú adatbázis-lekérdezés volt. Míg az átlag egészségesnek tűnt, a kisebbségnek szörnyű élményben volt része.

2. eset – A vetítés 3 héttel előre figyelmeztetve. Egy rendszergazda átadta a naplólemez-foglaltsági adatokat az AI-nak. A mesterséges intelligencia a heti ~7 GB-os növekedési trendre következtetett, és előrejelzése szerint a jelenlegi ütem mellett a 90%-ot 19 napon belül érik el, optimista-pesszimista 16-23 napos tartományban. Mivel 10 napba telt az új lemezek szállítása, a csapat azonnal rendelt, és megelőzte a leállást, mielőtt az bekövetkezett volna.

3. eset – Hamis anomáliából való visszatérés. Minden vasárnap este megszólalt egy figyelő riasztás, amely szerint a CPU 95%-ra emelkedik. A mérnök a pánik előtt megemelte az AI-t az alapvonalon: ez az ugrás egy tervezett tartalékmunka volt, amely minden héten ugyanabban az időben történt, tehát a norma része volt. Nem volt anomália; hiányzott az alapvonal. A riasztási küszöböt korrigáltuk erre az időszakra, és megszűntek a szükségtelen éjszakai ébresztések.

Négy másolható sablon

1) Metrika értelmezése (százalék):

Az alábbiakban láthatók a [szolgáltatás] válaszidő-mutatói (maszkolva). Megjegyzés: p50, p95 és p99, ne az átlag. Mit jelent a p99 és a p50 közötti különbség, melyik felhasználói élmény problémájára utal? Ne adj hozzá kitalált értékeket, csak értelmezd az általam megadott adatokat. Adatok: [mérőszámok]

2) Alapvonal kivonás:

Alább láthatók az elmúlt 4 hét egészséges [metrikus] adatai. Vonja ki ennek a mutatónak az (1) normál tartományát (2) a napi és heti mintázatot (pl. éjszakai legalacsonyabb, déli legmagasabb). Akkor egyetlen új értéket adok; osztályozzák a "normál/vigyázat/abnormális" kategóriát ezen alapvonal alapján.Adatok: [előzményi metrika]

3) Kapacitás vetítés (tartománnyal):

Az alábbiakban az utolsó 8 hét [erőforrás] foglaltsági adatai láthatók. (1) Számítsa ki a heti átlagos növekedési ütemet, (2) jelölje meg a szezonális hatásokat, (3) becsülje meg a 90%-os küszöb eléréséhez szükséges időt az aktuális ütem mellett, OPTIMISZTIKA és PESIMISZTIKA tartományokkal. Adjon meg egyetlen dátumot, adjon meg egy tartományt, és írja le a feltételezéseit. Adatok: [idősor]

4) Riasztási küszöb ajánlás:

A [metrika] alapértéke a [tartomány]. Célom, hogy minimalizáljam a téves riasztásokat anélkül, hogy a valódi problémákat kihagynám. Adjon nekem egy ajánlást (1) figyelmeztetésre és (2) kritikus küszöbértékre, mindegyiket indokolva és felmérve a riasztási fáradtság kockázatát. A végső küszöböt én határozom meg.

Gyenge felszólítás / Erős felszólítás

Gyenge felszólítás:

Lassú a szerverem?

Nincs kontextus, mérőszámok és alapállapot. Az AI nem ismeri a "lassú" definícióját, és nem is rendelkezik normál értékkel, amellyel összehasonlítani lehetne. A válasz egy tétlen találgatás.

Erőteljes felszólítás:

Az Ön feladata: kapacitástervezési szakember. Az alábbiakban egy API (maszkolt) p95 válaszidejének és kérései/másodpercének adatai láthatók az elmúlt 14 napban. Az alapvonalam 250-400 ms p95 esetén. Mondja meg, (1) jelölje meg azokat a napokat, amelyek az elmúlt 14 napban kiléptek az alapvonalból, (2) mondja meg, hogy van-e látható kapcsolat a válaszidő és a kérés terhelése között (hipotézisként), (3) jósolja meg, hová megy a p95 30 nap múlva, ha ez a tendencia folytatódik. Adatok: [idősor]

Metrikus típus

rossz mérés

pontos mérés

válaszidő

Csak átlagos

50., 95., 99. o

CPU/memória

pillanatnyi érték

Csúcs + tartós + alapvonal

lemez növekedés

A mai foglaltság

Heti trend + előrejelzés

Anomália

egyetlen pattanás

Folyamatos eltérés az alapvonaltól

riasztó

Önkényes egyetlen küszöb

Indokolt figyelmeztetés + kritikus küszöb

Gyakori hibák

• Mindent átlaggal mérni. Az átlag kevesek rossz tapasztalatait rejti; Lásd százalékos.
• Anomáliák keresése alapvonal nélkül. Nem mondhatod, hogy egy érték abnormális anélkül, hogy tudnád, mi a normális; Hamis riasztást hoz létre.
• A szezonalitás összetévesztése egy trenddel. A kampánycsúcsot tartós növekedésként kezelni és a felesleges erőforrásokat elvenni pénzbe kerül.
• Páratlan számú projekcióra támaszkodva. „Pontosan 19 nap” hamis pontosság; Használja az optimista-pesszimista tartományt.
• A beszerzési idő elfelejtése. Az a csapat, amelyik nem veszi figyelembe a vetítési küszöböt és a vásárlási időt együtt, a megszakításba kerül.

Vigyázat: Az AI trend-előrejelzése azt feltételezi, hogy a múlt a jövőben is folytatódik. Egy új termék bevezetése, az ügyfél migrációja vagy az építészeti változás megzavarja ezt a feltételezést. Az Ön feladata, hogy a kivetítést a kontextusával korrigálja.

Összefoglalva

A teljesítményfigyelés választ ad a "jó most?" a kapacitástervezés pedig választ ad a "mikor nem elég?" Az AI hatékony partner a mutatók értelmezésében, az alapvonalak megállapításában, az anomáliák megjelölésében és a trendek előrejelzésében. De az átlagos hazugság – használja a százalékos értéket; Alapvonal nélkül nincs anomália – először állapítsa meg a normálisat; elkülönítse a szezonalitást a trendtől; és vegyük a vetületet tartománynak, ne egyetlen számnak. Az erőforrás-befektetéssel és a riasztási küszöbértékekkel kapcsolatos döntések emberi döntések, az erőforrások átfutási idejével és az üzleti környezettel együtt.

Pályázati feladat

Vegye ki az utolsó néhány hét adatait egy erőforráshoz (lemez, memória, válaszidő) saját rendszereiből, és takarja le az érzékeny területeket. Vonja ki a normál tartományt és a mintát a fenti „Alapvonal kivonás” sablonnal. Ezután a „Kapacitás-előrejelzés” sablon megjósolja, mikor ér el egy küszöböt optimista-pesszimista tartományban. Ezenkívül értelmezze a válaszidő mérőszámát a „százalékos” sablon segítségével, és nézze meg, van-e valami, amit az átlag rejt. Öt tételben írd le a megállapításaidat és a tennivalókat.

ellenőrző lista

• [ ] A válaszidő mutatóinál a p95/p99-et néztem az átlag helyett?
• [ ] Megállapítottam az alapvonalat egészséges adatokból, mielőtt anomáliákat kerestem?
• [ ] Megkülönböztettem a szezonális ingadozást az állandó trendtől?
• [ ] Inkább optimista-pesszimista tartománynak vettem az előrejelzést, mint egyetlen dátumnak?
• [ ] Kiértékeltem a beszerzési időt a vetítési küszöbértékkel együtt?
• [ ] A riasztási küszöböt saját kockázattűrő képességem és nem mesterséges intelligencia ajánlás alapján állítottam be?