Metrikdaten erkunden
Erfahren Sie mehr über die Verwendung von Metrikdaten zum Analysieren von Metrikdaten und Identifizieren von Anomalien.
Metrikdaten – Übersicht
Metrikdaten hilft, potenzielle Serviceausfälle zu erkennen und zu vermeiden. Metrikdaten zeigt basierend auf historischen Metrikdaten ein anomales Verhalten von CIs an, das von Ereignissen möglicherweise nicht erfasst wird.
Metrikdaten – Anwender
| Anwender | Beschreibung |
|---|---|
| Ereignismanagement-Anwender [evt_mgmt_user] |
Kann Warnungen und die zugrunde liegenden Metriken anzeigen. |
| Ereignismanagement-Administrator [evt_mgmt_admin] |
Kann alle Metrikdefinitionen und Connector-Einstellungen konfigurieren. |
| Betreiber [evt_mgmt_operator] |
Kann alle Metrikdefinitionen und Connector-Einstellungen anzeigen. |
Metrikdaten – Workflow
In der folgenden Abbildung werden das Layout und der Datenfluss in der Anwendung Metrikdaten beschrieben.
- Datenerfassung: -Agents, Drittanbieter-Connectors und anwenderdefinierte Connectors (REST) erfassen Leistungsdaten von Servern und Infrastrukturkomponenten. Von Agents erfasste Daten werden über WebSocket an MID-Server übergeben, und von Drittanbieter-Connectors und benutzerdefinierten Connectors erfasste Daten werden über den -Connector an MID-Server übergeben.
- Datennormalisierung: Rohdaten werden vom Normalizer so formatiert, dass sie für die Metrikbasis lesbar sind.
- Datengruppierung: Daten werden vom Batcher gruppiert und an die REST API in der Instanz (Glide) gesendet.
- Datenübertragung an Clotho-TSDB: Die REST API verarbeitet Daten und sendet sie an die Clotho-TSDB.
- Modellerstellung: Der Trainer/Lerner-Auftrag wird ausgeführt und erstellt ein Modell basierend auf den empfangenen Daten. Beispielsweise kann die Aufgabe erfahren, dass der Schwellenwert für die normale CPU-Auslastung 60 % beträgt. Jeden Tag wird ein neues Modell erstellt, das auf den Daten dieses Tages und früheren Daten basiert (die meisten Modelle sammeln Daten aus den letzten 14 Tagen).
- Übertragung von Modelldaten in die Zeitreihenmodell-Cache-DB: Die Daten werden über die Instanz (Glide) an die Zeitreihenmodell-Cache-DB auf dem MID-Server gesendet. Der Modell-Cache speichert die Grenzen des „normalen“ Modells.
- Anomalie-Erkennung: Daten außerhalb der Grenzen des Normalwerts werden von MID-Server erkannt und als Anomaliepunktzahl gerendert. Anomalien werden in der Instanz gespeichert und im Service Operations-Arbeitsbereichangezeigt. Die Erkennung von Anomalien wird in Echtzeit durchgeführt, sodass Kunden sofort auf Anomalien aufmerksam gemacht werden.
Metrikdaten – Vorteile
| Vorteil | Funktion | Anwender |
|---|---|---|
| Überwachen Sie den Zustand, die Leistung und die Verfügbarkeit Ihres Systems durch die automatisierte Erfassung von Ereignissen und Metriken und nutzen Sie automatisierte Konfigurationen. | Agent Client Collector-Überwachung | NOC-Operator, Ereignismanagement Administrator |
| Reduzieren Sie Rauschen, indem Sie nur die relevantesten Anomalien heraufstufen. | Ereignismanagement-Administrator | |
| Erkennen Sie Anomalien mit der KI-basierten Anomalie-Erkennung, entweder mit der nicht überwachten Erkennung von anomalen Mustern durch maschinelles Lernen (kein Benutzereingriff) oder durch Festlegen deterministischer Warnungsregeln (manuelles Festlegen eines statischen Schwellenwerts). | Wie Health Log Analytics Warnungen generiert | Ereignismanagement-Administrator |
| Verbessern Sie die Lösungszeit offener Warnungen und Incidents mit der Visualisierung von Metrikrohdaten. | Metric Explorer | NOC-Operator, Ereignismanagement Administrator |
Empfehlungen für weitere Themen
Weitere Informationen über die Konfiguration und den Einsatz von Metrikdaten finden Sie unter: