Добици:
- Способност правилног тумачења метрике уз подршку вештачке интелигенције коришћењем процента (п95/п99) и основне вредности уместо просека
- Способност да се одвоји сезоналност од тренда и произведе пројекција капацитета као оптимистично-песимистички распон, а не као један број
- Разумевање да су улагање у ресурсе и одлуке о прагу аларма људске, заједно са временом вођења ресурса и пословним контекстом.
Надгледање капацитета и учинка: читање метрика помоћу вештачке интелигенције и планирање будућности
Здравље система не можете видети сопственим очима; То разумете кроз метрику. Метрика је временски зависна нумеричка вредност мерљиве карактеристике система: коришћење ЦПУ-а, заузетост меморије, слободан простор на диску, кашњење мреже, захтеви у секунди. Праћење учинка континуирано прикупља ове метрике и одговара на питање „да ли је систем сада у реду?“ Планирање капацитета иде корак даље: оно одговара на питање "када ћу овим темпом постати недовољан, када треба да купим нове ресурсе?" Овде је вештачка интелигенција веома вешт асистент у тумачењу гомиле метрика, обележавању аномалија, читању тренда и стварању будућих пројекција. Али једно упозорење преовладава изнад свега: АИ извлачи обрасце из историјских података; Ви сте тај који доноси одлуке о улагању ресурса, скалирању и прагу упозорења са контекстом.
У овој јединици, концепти праћења као што су основна линија (линија нормалног понашања), аномалија (одступање од нормалног), перцентил (перцентил); Метричка интерпретација са АИ; тренд и прогноза раста; и научићете да подесите исправан праг аларма.
Просек лаже: зашто проценат?
Најчешћа грешка у праћењу је да се све мери просеком. Рецимо да је ваше време одговора у просеку 200 мс. Звучи добро. Али 5% корисника можда чека 8 секунди; Просек ово крије. Зато професионалци користе перцентил: п95 = "95% захтева је испод овог временског периода." Ако је време одговора п95 8 секунди, сваки двадесети корисник има ужасно искуство — просек то никада не показује. Када дајете метрику АИ, будите јасни коју статистику желите: „тумачи п50, п95 и п99 мени, а не просек.“ Ова навика открива скривене проблеме.
Савет: Погледајте проценат за сваку метрику која се тиче корисничког искуства (време одговора, кашњење); п95/п99 уместо просека доводи вас до праве мањине која пати. У метрикама ресурса (ЦПУ, меморија), погледајте и вршне и трајне вредности.
Нема аномалије без основне линије
Пре него што можете да утврдите да ли је неки показатељ „ненормалан“, морате да знате „нормалан“. Основна линија је типичан распон понашања система током здравих дана: „овај сервисни радни дан у подне ЦПУ је типично 40–60%“. Без основне вредности, не можете знати да ли је вредност од 70% застрашујућа или нормална. Можете поставити основну линију тако што ћете АИ дати историјске здраве податке и рећи „извуците нормални опсег и дневни/недељни образац ове метрике“. Затим тумачите нове податке у складу са овом основном линијом: "где је ова вредност у нормалном?" Аномалија је значајно и дуготрајно одступање од почетне вредности - један нагли скок је често бука.
Корак по корак: пројекција капацитета
- Сакупите чисту и адекватну историју. Тренд захтева најмање неколико недеља података, по могућности месечно. Пројекција направљена са мало података је нагађање, а не предвиђање.
- Одвојена сезоналност. Саобраћај опада током викенда, повећава се крајем месеца и експлодира током кампање. Реците АИ ове циклусе како не би побркао раст са сезонским флуктуацијама.
- Скините тренд. „Колико је у просеку ГБ овај диск порастао недељно у последњих 8 недеља?“ АИ израчунава стопу раста.
- Затражите пројекцију, размакните је. „Овим темпом, када ће диск бити пун 90%?“ — али тражите оптимистички/песимистички распон, а не један датум. Будућност је неизвесна; непаран број је лажна прецизност.
- Одредите праг одлуке са људима. Ако пројекција каже „Биће завршена за 6 недеља“, размотрите време набавке (куповина, одобрење) и одлучите да ли ћете данас предузети акцију.
- Правилно подесите аларм. Веома осетљив аларм производи буку и замор аларма; превише лабав аларм ће пропустити догађај. Добијте препоруку прага од АИ, али одредите коначни праг са сопственом толеранцијом ризика.
три мини кофера
Случај 1 — Просек сакривен, п99 приказано. Један тим је мислио да је њихов АПИ „180 мс у просеку, сасвим у реду“. Када сам дао метрику АИ и затражио интерпретацију у процентима, испоставило се да је п99 6.400 мс — један од сваких сто захтева је био спорији од 6 секунди. Основни узрок је био спор упит базе података. Док је просек деловао здраво, мањина је имала ужасно искуство.
Случај 2 — Пројекција упозорена 3 недеље унапред. Администратор је дао податке о заузетости диска евиденције АИ. АИ је закључио недељни тренд раста од ~7 ГБ и предвидео да ће по тренутној стопи, 90% бити достигнуто у року од 19 дана, са оптимистично-песимистичким распоном од 16–23 дана. Пошто је за испоруку нових дискова било потребно 10 дана, тим је одмах наредио и спречио прекид пре него што је до њега дошло.
Случај 3 — Повратак из лажне аномалије. Сваке недеље увече се палио надзорни аларм који је говорио да се ЦПУ повећава до 95%. Пре него што је направио панику, инжењер је натерао АИ да подигне основну линију: овај скок је био планирани резервни посао који се дешавао у исто време сваке недеље, тако да је био део норме. То није била аномалија; недостајала је основна линија. Праг аларма је исправљен за тај временски период и непотребна ноћна буђења су нестала.
Четири шаблона за копирање
1) Метричка интерпретација (перцентил):
Испод су метрика времена одговора [услуга] (маскирана). Коментирајте ми п50, п95 и п99, а не просек. Шта значи разлика између п99 и п50, на који проблем корисничког искуства указује? Немојте додавати измишљене вредности, само тумачите податке које вам дајем. Подаци: [метрика]
2) Одузимање основне линије:
Испод су здрави [метрички] подаци за последње 4 недеље. Издвој (1) нормални опсег (2) дневни и недељни образац (нпр. најнижа вредност у ноћи, највиша температура у подне) овог показатеља. Тада ћу дати једну нову вредност; класификовати га као „нормално/опрез/ненормално“ на основу ове основне вредности. Подаци: [историјска метрика]
3) Пројекција капацитета (са опсегом):
Испод су подаци о попуњености [ресурс] за последњих 8 недеља. (1) Израчунајте недељну просечну стопу раста, (2) наведите сезонске ефекте, (3) процените време до достизања прага од 90% по тренутној стопи, са ОПТИМИСТИЧНИМ и ПЕСИМИСТИЧНИМ распонима. Наведите један датум, дајте распон и запишите своје претпоставке. Подаци: [временска серија]
4) Препорука за праг аларма:
Моја основна линија за [метрику] је [опсег]. Мој циљ је да минимизирам лажне аларме без пропуштања стварних проблема. Дајте ми препоруку за (1) упозорење и (2) критични праг, оправдавајући сваки и процењујући ризик од замора аларма. Одредићу коначни праг.
Слаби промпт / Јаки промпт
Слабо обавештење:
Да ли је мој сервер спор?
Нема контекста, нема метрике и основне линије. АИ нити зна дефиницију „споро“ нити има нормалну вредност са којом би је упоредио. Одговор је празна претпоставка.
Снажан упит:
Ваша улога: специјалиста за планирање капацитета. Испод је последњих 14 дана времена одговора п95 и података о захтевима/секунди АПИ-ја (маскирани). Моја основна линија је 250-400 мс за п95. Реците ми (1) означите дане који су изашли из основне линије у последњих 14 дана, (2) реците ми да ли постоји видљива веза између времена одговора и оптерећења захтева (као хипотеза), (3) предвидете где ће п95 отићи за 30 дана ако се овај тренд настави. Подаци: [временска серија]
Метрички тип
погрешно мерење
тачно мерење
време одговора
Само просечно
стр.50, стр.95, стр.99
ЦПУ/меморија
тренутна вредност
Врхунац + одржив + основна линија
раст диска
Данашња попуњеност
Недељни тренд + пројекција
Аномалија
сингле боунце
Континуирано одступање од основне линије
аларм
Произвољни појединачни праг
Образложено упозорење + критични праг
Уобичајене грешке
- Мерење свега са просеком. Просек крије лоше искуство неколицине; Види проценат.
- Тражење аномалија без основне линије. Не можете рећи да је вредност абнормална, а да не знате шта је нормално; Правите лажну узбуну.
- Грешка сезоналност за тренд. Третирање врхунца кампање као трајног раста и узимање непотребних ресурса кошта.
- Ослањајући се на пројекцију непарних бројева. „Тачно 19 дана“ је лажна прецизност; Користите оптимистично-песимистички распон.
- Заборављање времена за проналажење извора. Тим који не узме у обзир праг пројекције и време куповине заједно биће ухваћен у прекиду.
Опрез: пројекција тренда АИ претпоставља да ће се прошлост наставити у будућности. Лансирање новог производа, миграција купаца или архитектонска промена нарушавају ову претпоставку. Ваш је посао да исправите пројекцију са својим контекстом.
Укратко
Праћење учинка одговара на питање "да ли је сада добро?" а планирање капацитета одговара на питање "када није довољно?" АИ је моћан партнер у тумачењу метрика, успостављању основних линија, означавању аномалија и пројектовању трендова. Али просек лаже — користите перцентил; Без основне линије нема аномалије — прво успоставите нормално; одвојите сезоналност од тренда; и узети пројекцију као опсег, а не као један број. Одлуке о улагању ресурса и прагу упозорења су људске, заједно са временом довођења ресурса и пословним контекстом.
Задатак апликације
Узмите последњих неколико недеља података за ресурс (диск, меморију, време одзива) из сопствених система и маскирајте осетљива подручја. Одузмите нормални опсег и образац помоћу шаблона „Одузимање основне линије“ изнад. Затим нека шаблон „Пројекција капацитета“ предвиди када ћете достићи праг, са оптимистично-песимистичким распоном. Такође, интерпретирајте метрику времена одговора помоћу шаблона „перцентил“ и видите да ли постоји нешто што просек крије. Запишите своје налазе и радњу коју ћете предузети у 5 ставки.
контролна листа
- [ ] Да ли сам погледао п95/п99 уместо просека у метрици времена одговора?
- [ ] Да ли сам успоставио основну линију на основу здравих података пре него што сам тражио аномалије?
- [ ] Да ли сам разликовао сезонску флуктуацију од трајног тренда?
- [ ] Да ли сам пројекцију узео као оптимистичко-песимистички распон, а не као један датум?
- [ ] Да ли сам проценио време извора заједно са прагом пројекције?
- [ ] Да ли сам поставио праг аларма на основу сопствене толеранције ризика, а не на препоруци вештачке интелигенције?