Criar uma regra de definições de configuração
As definições de configuração afetam como os dados de métrica são processados. As regras de definição de configuração substituem os valores padrão dessas definições de configuração, permitindo que você crie modelos estatísticos eficientes para diferentes classes de IC.
Antes de Iniciar
Por Que e Quando Desempenhar Esta Tarefa
Em seguida, aplique manualmente essas regras a todos os MID Servers da Inteligência de métrica em uma única operação de sincronização ou confie em um trabalho do sistema por hora para executar a sincronização.
Para entrar em vigor, os MID Servers da Inteligência de métrica devem ser sincronizados com as atualizações das regras de configuração.
- Regras nas quais um filtro é definido têm precedência sobre uma regra global na qual nenhum filtro foi definido.
- Se várias regras que afetam o mesmo conjunto de ICs tiverem a mesma prioridade, somente a regra mais recente a ser definida será aplicada.
- Se várias regras com prioridades diferentes afetarem o mesmo conjunto de ICs, as regras com a prioridade mais alta serão aplicadas.
Procedimento
-
Na seção do formulário Configurações de métrica substituída, clique em Novo, preencha o formulário e clique em Enviar.
Tabela 2. Formulário de configurações de métrica substituída Campo Descrição Nome Definição de configuração para a qual o valor será substituído. Clique no ícone da
ícone para exibir a lista de todas as definições de configuração.Clique no ícone da
ícone para exibir a caixa de diálogo Configurações de métrica com detalhes como intervalo de valores possíveis.Consulte as tabelas a seguir (Definições de configuração e Definições de configuração internas) para obter detalhes sobre as definições de configuração.
Regra Regra à qual a definição de configuração criada se aplica. Valor Novo valor que substitui o valor padrão da definição de configuração especificada. Você pode modificar as seguintes definições de configuração no campo Nome.Nota:O filtro especificado na regra de configuração de métrica não se aplica a configurações com escopo global.Tabela 3. Definições de Configuração Nome e Descrição Valores Padrão Tipo de Dados Escopo anomalia_detecção_enabled
Habilitar/desabilitar detecção de anomalias.
Nota:Se anomaly_detection_action_level estiver definido, anomaly_detection_enabled será ignorado.N/D verdadeiro booliano IC/Métrica anomalia_detecção_ação_nível
Nível de ação de análise e processamento de anomalias.
Para obter mais informações, consulte Configurar o nível de ação da detecção de anomalias.
opções: - Somente métricas
- Limites
- Pontuações de anomalia
- Alertas de anomalia
- Alertas de TI
- Novos registros: Limites
- Registros atualizados: alertas de anomalia
escolha IC/Métrica buffer_anomaly_eviction_size
Número máximo de anomalias no nível de métrica individual que podem ser armazenadas no buffer interno antes de serem enviadas para a instância para cada par de IC/métrica.
60–1440 60 inteiro Global buffer_ci_score_eviction_size
Número máximo de anomalias no nível de IC que podem ser armazenadas no buffer interno antes de serem enviadas para a instância (não está sendo usado no momento)
60–1440 60 inteiro Global buffer_metric_eviction_size
Número máximo de métricas que podem ser armazenadas no buffer interno antes de serem enviadas para a instância para cada par de IC/métrica.
60–1440 60 inteiro Global conexão_login_timeout_secs
Tempo máximo em segundos para fazer login no banco de dados local no MID Server.
30–60 30 inteiro Global corrupção_data_count_threshold
Número mínimo de pontos de treinamento (médias de 15 minutos) necessários para fazer qualquer análise estatística.
10–100 30 inteiro Global despriorizar_early_battch_of_anomalous_ci
Envie informações de IC anômalas imediatamente ou em intervalos regulares.
N/D falso booliano Global mad_model_min_days Número de dias para os quais os dados devem estar disponíveis para considerar um modelo baseado em Desvio absoluto mediano.
10 a 120 10 inteiro IC/Métrica max_pool_connections_size Número máximo de conexões para o pool de banco de dados local.
10–50 25 inteiro Global observação_time_min
Intervalo mínimo de observação de métrica esperado.
1–1440 1 inteiro IC/Métrica robusto_central_percentage
Percentual dos dados residuais para calcular o desvio padrão residual, usado para detecção de valores atípicos. Quando definido como 100 - usa o desvio padrão de amostra regular.
50–100 90 duplo Global esparse_gap_fração_limite Se mais do que esta porcentagem de dados estiver ausente e nenhuma outra classe tiver sido identificada, classifique como SPARSE. Não tente ajustar um modelo WEEKLY.
0 a 100 50 duplo Global week_model_min_days Número de dias para os quais os dados devem estar disponíveis para considerar somente uma decomposição de sazonalidade SEMANAL.
14 a 90 15 inteiro IC/Métrica diário_modelo_min_dias Número de dias para os quais os dados devem estar disponíveis para considerar somente uma decomposição de sazonalidade DIÁRIA.
2 a 90 3 inteiro IC/Métrica build_snpm_model Habilitar/desabilitar a criação de um modelo de dados SNPM.
N/D verdadeiro booliano IC/Métrica snpm_minimum_data_count
Número mínimo de pontos de dados necessários para criar um modelo não paramétrico estacionário.
0 – 1e9 5000 inteiro IC/Métrica
As definições de configuração a seguir são para uso interno.
Tabela 4. Definições da configuração interna Nome e Descrição Valores Padrão Tipo de Dados Escopo anomalia_memória_hora_min
Parâmetro da calculadora de pontuação de anomalia: tempo de memória para situação anormal.
1–600 45 duplo IC/Métrica excesso_z_pontuação
Parâmetro da calculadora de pontuação de anomalia: anomalia mínima acumulada para valores atípicos.
0–3 0,8 duplo IC/Métrica linear_accumulator_threshold
Limite de árvore de decisão: análise de ACUMULADOR
0,5–5 1 duplo Global low_freq_power_threshold
Limite da árvore de decisão: análise SEMANAL
0 a 100 50 duplo Global low_variability_threshold
Limite da árvore de decisão: análise de TRENDY
0,0000000001–0,001 0,0001 duplo Global mid_freq_power_threshold
Limite da árvore de decisão: análise SEMANAL
0 a 100 33 duplo Global multinomial_count_threshold
Limite da árvore de decisão: análise MULTINOMIAL
1–1000 40 inteiro Global limite_dif_dif_zero
Limite da árvore de decisão: análise de NEAR_CONSTANT
0 a 100 5 duplo Global normal_memory_time_min
Parâmetro da calculadora de pontuação de anomalia: tempo de memória para situação normal.
1–600 1 duplo IC/Métrica normal_probability_awma_timescale_min
Parâmetro da calculadora de pontuação de anomalia: escala de tempo de avaliação normal.
1–600 15 duplo IC/Métrica normal_probabilidade_peso
Parâmetro da calculadora de pontuação de anomalia: fator de ajuste de avaliação normal.
0–1 1 duplo IC/Métrica sigmoid_offset
Parâmetro da calculadora de pontuação de anomalia: conversão de anomalia para pontuação.
0 a 5 2.1 duplo IC/Métrica sigmoid_weight
Parâmetro da calculadora de pontuação de anomalia: conversão de anomalia para pontuação.
0 a 5 1,2 duplo IC/Métrica Tiny_variability_threshold
Limite da árvore de decisão: análise de NEAR_CONSTANT
0–0,001 0,0000000001 duplo Global semanal_pico_alta_limite
Limite da árvore de decisão: análise SEMANAL.
7–14 10 duplo Global semanalmente_pico_lo_limit
Limite de árvore de decisão: análise semanal.
0,5–7 0,7 duplo Global semanalmente_vs_daily_log_Lisboa_threshold
Em quanto log a probabilidade de semanalmente precisa ser maior do que diária para ser o modelo estatístico preferencial.
100–1000 200 duplo IC/Métrica
diário_vs_noisy_log_Lisboe_threshold
Em quanto log a probabilidade de diário precisa ser maior do que ruidosa para ser o modelo estatístico preferencial.
20–1000 200 duplo IC/Métrica
week_vs_noisy_log_Lisboe_treshold
Em quanto log a probabilidade de semanalmente precisa ser maior do que ruidosa, para ser o modelo estatístico preferencial.
100–1000 200 duplo IC/Métrica
na moda_vs_noisy_log_Lisboe_threshold
Em quanto log a probabilidade de estar na moda precisa ser maior do que ruidosa para ser o modelo estatístico preferencial.
10–1000 50 duplo IC/Métrica
sazonal_loess_width_em_horas
Aplicado ao componente sazonal de um modelo semanal ou diário antes de fazer uma previsão do comportamento futuro. Se definido como 0, cada ponto de dados no modelo sazonal se torna independente do restante dos pontos de dados.
6–24 12 duplo IC/Métrica
Robustez
Afeta como os valores atípicos contribuem para os cálculos sazonais e de tendência.
N/D verdadeiro booliano IC/Métrica
snpm_min_value_threshold
Valor mínimo de dados necessários para criar um modelo SNPM.
-1e9 – 1e9 0 duplo IC/Métrica
snpm_max_observation_interval_in_sec
Intervalo de observação máximo esperado necessário para criar um modelo SNPM.
60 – 600000 120 inteiro IC/Métrica
min_std_salto_fração
Proporção mínima do nível de ruído de observação calculado localmente para o tamanho de salto típico que justifica o recalculo de uma variância de ruído de observação maior.
0,0 – 1,0 0,2 duplo IC/Métrica
Dynamic_threshold_error_smoothing
Se a média móvel ponderada deve ser usada para atenuar os residuais na análise de limite dinâmico.
N/D verdadeiro booliano IC/Métrica
ewma_alpha
O valor alfa da média móvel ponderada exponencialmente na análise de limite dinâmico.
1e-15 – 1,0 0,02739726027 duplo IC/Métrica
dinâmico_limite_início_suavização_comprimento
Número de pontos de dados nivelados a serem definidos como a média do dobro do comprimento de correção.
0 – 10000 250 inteiro IC/Métrica
Dynamic_threshold_error_buffer_minutos
Número de pontos de dados em torno de cada valor atípico para agrupar.
1 – 1000 30 inteiro IC/Métrica
dinâmico_threshold_search_start
Valor inicial no qual o fator de controle ideal é procurado.
0,5 – 20,0 3,0
duplo IC/Métrica
Dynamic_threshold_search_interval
Intervalo entre os valores de pesquisa do fator de controle ideal.
0,1 – 5,0 0,5 duplo IC/Métrica
Dynamic_threshold_search_count
Número de valores necessários para pesquisar o fator de controle ideal.
1 – 50 19 inteiro IC/Métrica
Dynamic_threshold_error_sequence_limit
Número máximo de grupos de erro para um valor de fator de controle específico ao pesquisar.
1 – 20 5 inteiro IC/Métrica
Dynamic_threshold_minimum_data_count
Número mínimo de pontos de dados brutos necessários antes de tentar o limite dinâmico.
1 – 10000 5000 inteiro IC/Métrica
linear_sazonal_log_Lisboa_threshold
Limite usado para decidir se um modelo ajustado com sazonalidade linear deve ser preferido em vez de um modelo com um componente periódico.
10 a 5000 1000 inteiro IC/Métrica