Criar uma regra de definições de configuração

As definições de configuração afetam como os dados de métrica são processados. As regras de definições 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

Função necessária: evt_mgmt_admin

Por Que e Quando Desempenhar Esta Tarefa

Várias definições de configuração determinam o comportamento dos MID Servers de Inteligência para métricas. No sistema base, essas definições de configuração são definidas com valores padrão, tipos de dados e intervalo de valores válidos. Você não pode modificar diretamente essas definições de configuração ou adicionar novas. No entanto, você pode criar uma regra de configuração de métrica com novas definições de configuração que substituem os valores padrão nos MID Servers.

Em seguida, aplique manualmente essas regras a todos os MID Servers de Inteligência para métricas em uma única operação de sincronização ou confie em um trabalho do sistema por hora para executar a sincronização.

Para que tenham efeito, os MID Servers de Inteligência para métricas devem ser sincronizados com as atualizações das regras de configuração.

É válido ter várias regras para uma configuração que afetam os mesmos ICs. Nesse caso:

• As 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

1. Navegar até Todos > Gestão de eventos > Detecção de Anomalia > Regras de Configuração do Indicador.
2. No painel Regras de configuração de métrica, clique em Novoe preencha o formulário.

   Tabela 1. Formulário Regras de configuração de métrica

   Campo	Descrição
   Nome	Nome da regra.
   Ordem	Prioridade de regra em todas as outras regras. Números mais altos representam prioridades mais altas.
   Filtrar por	Caixa de seleção para exibir o campo Regra, em que você pode especificar condições que os ICs devem atender para que a regra seja aplicada. Por exemplo, na lista Escolher campo, selecione Adicionar campos relacionados e adicione o filtro [class][is][Linux Server]. Se estiver claro, a regra se aplicará globalmente a todos os ICs na tabela Mapeamento de métrica para IC [sa_metric_map].

3. Clique com o botão direito do mouse no título do formulário e clique em Salvar.
4. Na seção de formulário Configurações de métrica substituída, clique em Novo, preencha o formulário e clique em Enviar.

   Tabela 2. Formulário de configurações substituídas de métrica

   Campo	Descrição
   Nome	Definição de configuração para a qual o valor será substituído. Clique no para exibir a lista de todas as definições de configuração. Clique no ícone do ícone de 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 um escopo global.

   Tabela 3. Definições de Configuração

   Nome e descrição	Valores	Padrão	Tipo de Dados	Escopo
   anomalia_detecção_enabled Habilitar/desabilitar a detecção de anomalias. Nota: Se anomalialy_detection_action_level estiver definido, então anomalialy_detection_enabled será ignorado.	N/D	verdadeiro	booliano	IC/métrica
   anomalia_detection_action_level 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
   connection_login_timeout_secs Tempo máximo em segundos para fazer login no banco de dados local no MID Server.	30–60	30	inteiro	Global
   corrupt_data_count_threshold Número mínimo de pontos de treinamento (médias de 15 minutos) necessários para fazer qualquer análise estatística.	10–100	30	inteiro	Global
   deprioritize_early_batch_of_anomalous_ci Envie informações anormais de IC 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.	10-120	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_tempo_min Intervalo mínimo de observação de métrica esperado.	1–1440	1	inteiro	IC/métrica
   Robust_central_percentage Percentual dos dados residuais para calcular o desvio padrão residual, usado para detecção de exceções. Quando definido como 100 - usa o desvio padrão de amostra regular.	50–100	90	duplo	Global
   esparse_gap_fração_threshold 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.	0–100	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.	14-90	15	inteiro	IC/métrica
   diariamente_modelo_min_dias Número de dias para os quais os dados devem estar disponíveis para considerar somente uma decomposição de sazonalidade DIÁRIA.	2-90	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 de configuração interna

   Nome e descrição	Valores	Padrão	Tipo de Dados	Escopo
   anomalia_memória_tempo_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 exceções.	0–3	0,8	duplo	IC/métrica
   linear_accumulator_threshold Limite da árvore de decisão: análise de ACCMULADORES	0.5–5	1	duplo	Global
   lwow_freq_power_threshold Limite da árvore de decisão: análise SEMANAL	0–100	50	duplo	Global
   low_variability_threshold Limite da árvore de decisão: análise de TENDÊNCIA	0.0000000001–0.001	0.0001	duplo	Global
   mid_freq_power_threshold Limite da árvore de decisão: análise SEMANAL	0–100	33	duplo	Global
   multinomial_count_threshold Limite da árvore de decisão: análise MULTINOMIAL	1–1000	40	inteiro	Global
   diferente de zero_diff_threshold Limite da árvore de decisão: análise NEAR_CONSTANT	0–100	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_ewma_timescale_min Parâmetro da calculadora de pontuação de anomalia: escala de tempo de avaliação normal.	1–600	15	duplo	IC/métrica
   peso_probabilidade_normal 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: anomalia para conversão de pontuação.	0–5	2.1	duplo	IC/métrica
   peso_sigmoid Parâmetro da calculadora de pontuação de anomalia: anomalia para conversão de pontuação.	0–5	1.2	duplo	IC/métrica
   Tiny_variability_threshold Limite da árvore de decisão: análise 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
   semanal_pico_lo_limit Limite da árvore de decisão: análise semanal.	0.5–7	0,7	duplo	Global
   week_vs_daily_log_likelihood_threshold Por quanto a probabilidade de log de semanal precisa ser maior que diária para ser o modelo estatístico preferencial.	100–1000	200	duplo	IC/métrica
   diário_vs_noisy_log_likelihood_threshold Por quanto a probabilidade de log de diário precisa ser maior do que com ruído para ser o modelo estatístico preferencial.	20–1000	200	duplo	IC/métrica
   week_vs_noisy_log_likelihood_treshold Por quanto a probabilidade de log de semanal precisa ser maior que com ruído para ser o modelo estatístico preferencial.	100–1000	200	duplo	IC/métrica
   na moda_vs_noisy_log_likelihood_threshold Por quanto a probabilidade de log de tendência precisa ser maior do que barulhenta, para ser o modelo estatístico preferencial.	10–1000	50	duplo	IC/métrica
   sazonal_loess_width_in_hours 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
   solidez Afeta como os valores atípicos contribuem para os cálculos sazonais e de tendências.	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 – 600.000	120	inteiro	IC/métrica
   min_std_jump_fration Proporção mínima do nível de ruído de observação calculado localmente para o tamanho de salto típico que justifica o recálculo de uma variância de ruído de observação maior.	0.0 – 1.0	0,2	duplo	IC/métrica
   dinâmico_threshold_error_suavização Se a média móvel exponencialmente ponderada deve ser usada para atenuar os resíduos 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
   dynamic_threshold_beginning_smoothing_length Número de pontos de dados atenuados a serem definidos como a média do dobro do comprimento de suavização.	0 – 10000	250	inteiro	IC/métrica
   dynamic_threshold_error_uffer_minutes Número de pontos de dados em torno de cada exceção a ser agrupado.	1 – 1000	30	inteiro	IC/métrica
   dynamic_threshold_search_start Valor inicial no qual o fator de controle ideal é pesquisado.	0.5 – 20.0	3,0	duplo	IC/métrica
   dynamic_threshold_search_interval Intervalo entre valores de pesquisa do fator de controle ideal.	0.1 – 5.0	0,5	duplo	IC/métrica
   Contagem_de_pesquisa_limite_dinâmico Número de valores necessários para pesquisar o fator de controle ideal.	1 – 50	19	inteiro	IC/métrica
   dinâmico_threshold_error_sequence_limit Número máximo de grupos de erros 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 – 10.000	5000	inteiro	IC/métrica
   linear_sazonal_log_likelihood_threshold Limite usado para decidir se um modelo ajustado com sazonalidade linear deve ser preferido em vez de um modelo com um componente periódico.	10-5000	1000	inteiro	IC/métrica

• Sincronizar regras de definições de configuração
  As regras de configuração da Inteligência para métricas contêm valores especificados pelo usuário que substituem os valores padrão que existem atualmente nos MID Servers da Inteligência para métricas. Para ter efeito, os MID Servers de Inteligência para métricas devem ser sincronizados com o conjunto atualizado de regras de definição de configuração.