Détection d’anomalies
Instance Observer détecte de manière proactive les anomalies pour les mesures cycliques ou non cycliques sous le graphique des performances du package Impact total sur les instances de production. Les anomalies représentent des valeurs hors norme de mesures basées sur des modèles historiques. Chaque anomalie ne représente pas nécessairement un problème, mais elle vous informe lorsque vous décidez de la criticité et configurez les alertes en conséquence.
Les mesures cycliques se présentent sous la forme d’un ensemble complet d’événements qui se répètent régulièrement dans le même ordre ou au cours d’une période régulièrement répétée. Les mesures non cycliques sont des mesures qui se répètent de manière irrégulière ou selon des périodes répétées aléatoires et moins prévisibles. Une anomalie, également connue sous le nom de valeur aberrante, est un point de données inhabituel, rare ou non conforme aux modèles ou à la distribution attendus des données.
- Nombre de transactions : somme à l’échelle de l’instance de toutes les transactions d’interface utilisateur d’un type interne appelé UI_TYPE.
- Temps de réponse du serveur : temps d’exécution moyen ou moyen des transactions UI_TYPE .
- Temps de réponse SQL : délai de réponse moyen signalé de la base de données mesuré au niveau de la couche d’application qui commence lorsqu’une requête est envoyée à la base de données et se termine à la réception de la réponse.
- Moyenne de sémaphore : nombre moyen de transactions de l’utilisateur final traitées simultanément sur une période d’une minute.
- Mémoire maximale du nœud : mémoire maximale en cours d’utilisation en Mo par nœud à un point de données donné dans l’historique. Cette valeur est généralement comprise entre 1 000 Mo et 2 048 Mo.
- L’axe X représente le temps et l’axe Y représente les mesures réelles selon la plage de dates sélectionnée. Par exemple, le graphique linéaire affiche les valeurs du nombre de transactions au fil du temps. Les anomalies sont indiquées par un code couleur rouge sur le graphique et représentent l’occurrence d’une anomalie dans les données. L’emplacement de la marque rouge dépend du critère ou de l’algorithme utilisé pour détecter les anomalies.
- La plage représente les limites supérieure et inférieure avec une distribution normale des mesures en fonction de leur modèle de jeu de données historique.
- La courbe moyenne représente la valeur moyenne sur quatre semaines des mesures permettant de comparer l’écart à un moment donné.
Détection d’anomalie de tâche
Les graphiques des anomalies de tâches suivent le nombre de tâches planifiées exécutées simultanément pour chaque heure de la journée avec la mesure de superposition de la moyenne des nombres de transactions pour chaque heure. Toutes les barres du graphique qui ont une ou plusieurs tâches anormales sont mises en surbrillance en rouge. Sélectionnez le lien de détail de l’histogramme pour afficher les détails du niveau de poste.
Les détails de la tâche représentent les tâches planifiées toutes les heures ainsi que la moyenne des transactions respectives de cette instance.
Explorez le nombre de tâches planifiées par heure pour définir une tâche de récurrence individuelle pour n’importe quelle heure de la journée, puis le modèle d’exécution de la même tâche au cours des sept derniers jours. Cela peut aider à effectuer une cause première de bout en bout pour des tâches qui prennent généralement un temps constant à terminer et qui subissent soudainement une augmentation ou une diminution significative du temps d’exécution, indiquant un problème de performances possible.
- Critère de tâche de calendrier
- Pour qu’une tâche soit considérée comme planifiée, elle doit satisfaire au moins à un des critères suivants :
- La tâche s’exécute au moins une fois pour chaque jour de la semaine.
- La tâche a été exécutée au moins une fois par semaine au cours des quatre dernières semaines.
- Calcul du nombre moyen de transactions
- La moyenne est calculée pour chaque heure d’un jour donné, la somme du nombre de transactions des quatre dernières semaines pour le même jour et à la même heure est calculée. Par exemple, en récupérant la somme des nombres de transactions des quatre derniers lundis pour la quatrième heure et en faisant la moyenne des valeurs pour le calcul final.
- Identification des anomalies de tâche
- Au cours des quatre dernières semaines, pour chaque heure d’exécution de la tâche, la durée moyenne est calculée avec la valeur de l’écart type, qui est la valeur moyenne, plus 5 multipliée par la valeur de l’écart-type.
Réponse en cas d’anomalie
Ce ne sont pas toutes les anomalies qui représentent un problème, mais les valeurs hors norme détectées en fonction des modèles historiques. Configurez les alertes en conséquence après avoir analysé la criticité de l’anomalie détectée. Consultez la rubrique Configurer les alertes d’anomalie pour en savoir plus sur les alertes.