Regel für Konfigurationseinstellungen erstellen
Konfigurationseinstellungen wirken sich darauf aus, wie Metrikdaten verarbeitet werden. Konfigurationseinstellungsregeln überschreiben die Standardwerte dieser Konfigurationseinstellungen, sodass Sie effiziente statistische Modelle für verschiedene CI-Klassen erstellen können.
Vorbereitungen
Warum und wann dieser Vorgang ausgeführt wird
Wenden Sie diese Regeln dann in einem einzigen Synchronisierungsvorgang manuell auf alle Metric Intelligence-MID Server an, oder nutzen Sie einen stündlichen Systemauftrag, um die Synchronisierung durchzuführen.
Um wirksam zu werden, müssen die Metric Intelligence-MID Server mit den aktualisierten Konfigurationseinstellungsregeln synchronisiert werden.
- Regeln, in denen ein Filter definiert ist, haben Vorrang vor einer globalen Regel, in der kein Filter definiert wurde.
- Wenn mehrere Regeln, die sich auf denselben CI-Satz auswirken, dieselbe Priorität haben, wird nur die zuletzt zu definierende Regel angewendet.
- Wenn mehrere Regeln mit unterschiedlichen Prioritäten denselben CI-Satz betreffen, werden Regeln mit der höchsten Priorität angewendet.
Prozedur
-
Klicken Sie im Formularabschnitt „Überschriebene Konfigurationen der Metrik“ auf Neu, füllen Sie das Formular aus, und klicken Sie dann auf Absenden.
Tabelle : 2. Formular „Überschriebene Konfigurationen der Metrik“ Feld Beschreibung Name Konfigurationseinstellung, für die der Wert überschrieben werden soll. Klicken Sie auf das Symbol
, um die Liste aller Konfigurationseinstellungen anzuzeigen.Klicken Sie auf das Symbol
, um das Dialogfeld Metrikeinstellungen mit Details wie dem Bereich möglicher Werte anzuzeigen.Weitere Informationen zu Konfigurationseinstellungen finden Sie in den folgenden Tabellen („Konfigurationseinstellungen“ und „Interne Konfigurationseinstellungen“).
Regel Regel, für die die erstellte Konfigurationseinstellung gilt Wert Neuer Wert, der den Standardwert für die angegebene Konfigurationseinstellung überschreibt. Sie können die folgenden Konfigurationseinstellungen im Feld Name ändern.Hinweis:Der in der Metrikkonfigurationsregel angegebene Filter gilt nicht für Einstellungen mit einem globalen Bereich.Tabelle : 3. Konfigurationseinstellungen Name und Beschreibung Werte Standard Datentyp Bereich anomaly_detection_enabled
Anomalie-Erkennung aktivieren/deaktivieren.
Hinweis:Wenn anomaly_detection_action_level festgelegt ist, wird anomaly_detection_enabled ignoriert.NA Wahr Boolean CI/Metrik anomaly_detection_action_level
Aktionsebene der Anomalieanalyse und -verarbeitung.
Weitere Informationen finden Sie unter Aktionsebene der Anomalie-Erkennung konfigurieren.
Auswahlmöglichkeiten: - Nur Metriken
- Grenzen
- Anomaliepunktzahlen
- Anomaliewarnungen
- IT-Warnungen
- Neue Datensätze: Grenzen
- Aktualisierte Datensätze: Anomaliewarnungen
Auswahl CI/Metrik buffer_anomaly_eviction_size
Maximale Anzahl von Anomalien auf individueller Metrikebene, die im internen Puffer gespeichert werden können, bevor sie für jedes CI/Metrik-Paar an die Instanz gesendet werden
60–1440 60 ganze Zahl Global buffer_ci_score_eviction_size
Maximale Anzahl von Anomalien auf CI-Ebene, die im internen Puffer gespeichert werden können, bevor sie an die Instanz gesendet werden (aktuell nicht verwendet)
60–1440 60 ganze Zahl Global buffer_metric_eviction_size
Maximale Anzahl von Metriken, die im internen Puffer gespeichert werden können, bevor sie für jedes CI/Metrik-Paar an die Instanz gesendet werden
60–1440 60 ganze Zahl Global connection_login_timeout_secs
Maximale Zeit in Sekunden für die Anmeldung bei der lokalen Datenbank auf dem MID Server
30–60 30 ganze Zahl Global corrupt_data_count_threshold
Mindestanzahl von Schulungspunkten (Durchschnitt: 15 Minuten), die für statistische Analysen erforderlich ist
10–100 30 ganze Zahl Global deprioritize_early_batching_of_anomalous_ci
Senden Sie anomale CI-Informationen sofort oder in regelmäßigen Abständen.
NA false Boolean Global mad_model_min_days Anzahl der Tage, für die Daten verfügbar sein müssen, damit ein Modell auf Basis der mittleren absoluten Abweichung vom Median (Median Absolute Deviation, MAD) in Erwägung gezogen werden kann.
10–120 10 ganze Zahl CI/Metrik max_pool_connections_size Maximale Anzahl von Verbindungen für lokalen Datenbankpool
10–50 25 ganze Zahl Global observation_time_min
Erwartetes minimales Beobachtungsintervall für Metrik
1–1440 1 ganze Zahl CI/Metrik robust_central_percentage
Prozentsatz der Restdaten zur Berechnung der Reststandardabweichung für die Ausreißererkennung. Wenn auf 100 festgelegt, wird die Standardabweichung der regulären Stichprobe verwendet.
50–100 90 doppelt Global sparse_gap_fraction_threshold Wenn mehr als dieser Prozentsatz der Daten fehlt und keine andere Klasse identifiziert wurde, klassifizieren Sie sie als SPARSE. Versuchen Sie nicht, ein WEEKLY-Modell anzupassen.
0–100 50 doppelt Global weekly_model_min_days Anzahl der Tage, für die Daten verfügbar sein müssen, um nur eine WÖCHENTLICHE saisonabhängige Zerlegung zu berücksichtigen
14–90 15 ganze Zahl CI/Metrik daily_model_min_days Anzahl der Tage, für die Daten verfügbar sein müssen, um nur eine TÄGLICHE saisonabhängige Zerlegung zu berücksichtigen
2–90 3 ganze Zahl CI/Metrik build_snpm_model Erstellung eines SNPM-Datenmodells aktivieren/deaktivieren
NA Wahr Boolean CI/Metrik snpm_minimum_data_count
Mindestanzahl der Datenpunkte, die für die Erstellung eines stationären, nicht-parametrischen Modells erforderlich sind
0 – 1e9 5.000 ganze Zahl CI/Metrik
Die folgenden Konfigurationseinstellungen sind für die interne Verwendung bestimmt.
Tabelle : 4. Interne Konfigurationseinstellungen Name und Beschreibung Werte Standard Datentyp Bereich anomaly_memory_time_min
Anomaliepunktzahl-Rechnerparameter: Speicherzeit für anormale Situation
1–600 45 doppelt CI/Metrik excess_z_score
Anomaliepunktzahl-Rechnerparameter: Minimale Anomalie für Ausreißer akkumuliert
0–3 0,8 doppelt CI/Metrik linear_accumulator_threshold
Schwellenwert der Entscheidungsstruktur: ACCUMULATOR-Analyse
0,5–5 1 doppelt Global low_freq_power_threshold
Schwellenwert der Entscheidungsstruktur: WEEKLY-Analyse
0–100 50 doppelt Global low_variability_threshold
Schwellenwert der Entscheidungsstruktur: TRENDY-Analyse
0,0000000001–0,001 0,0001 doppelt Global mid_freq_power_threshold
Schwellenwert der Entscheidungsstruktur: WEEKLY-Analyse
0–100 33 doppelt Global multinomial_count_threshold
Schwellenwert der Entscheidungsstruktur: MULTINOMIAL-Analyse
1–1000 40 ganze Zahl Global non_zero_diff_threshold
Schwellenwert der Entscheidungsstruktur: NEAR_CONSTANT-Analyse
0–100 5 doppelt Global normal_memory_time_min
Anomaliepunktzahl-Rechnerparameter: Speicherzeit für normale Situation
1–600 1 doppelt CI/Metrik normal_probability_ewma_timescale_min
Anomaliepunktzahl-Rechnerparameter: Normale Bewertungszeitskala
1–600 15 doppelt CI/Metrik normal_probability_weight
Anomaliepunktzahl-Rechnerparameter: Anpassungsfaktor normale Bewertung
0–1 1 doppelt CI/Metrik sigmoid_offset
Anomaliepunktzahl-Rechnerparameter: Konvertierung der Anomalie zu Punktzahl
0–5 2,1 doppelt CI/Metrik sigmoid_weight
Anomaliepunktzahl-Rechnerparameter: Konvertierung der Anomalie zu Punktzahl
0–5 1,2 doppelt CI/Metrik tiny_variability_threshold
Schwellenwert der Entscheidungsstruktur: NEAR_CONSTANT-Analyse
0–0,001 0,0000000001 doppelt Global weekly_peak_hi_limit
Schwellenwert der Entscheidungsstruktur: WEEKLY-Analyse
7–14 10 doppelt Global weekly_peak_lo_limit
Schwellenwert der Entscheidungsstruktur: WEEKLY-Analyse
0,5–7 0,7 doppelt Global weekly_vs_daily_log_likelihood_threshold
Um wie viel die Protokollwahrscheinlichkeit von WEEKLY größer als von DAILY sein muss, um das bevorzugte statistische Modell zu sein
100–1000 200 doppelt CI/Metrik
daily_vs_noisy_log_likelihood_threshold
Um wie viel die Protokollwahrscheinlichkeit von DAILY größer als von NOISY sein muss, um das bevorzugte statistische Modell zu sein
20–1000 200 doppelt CI/Metrik
weekly_vs_noisy_log_likelihood_treshold
Um wie viel die Protokollwahrscheinlichkeit von WEEKLY größer als von NOISY sein muss, um das bevorzugte statistische Modell zu sein
100–1000 200 doppelt CI/Metrik
trendy_vs_noisy_log_likelihood_threshold
Um wie viel die Protokollwahrscheinlichkeit von TRENDY größer als von NOISY sein muss, um das bevorzugte statistische Modell zu sein
10–1000 50 doppelt CI/Metrik
seasonal_loess_width_in_hours
Wird auf die saisonale Komponente eines WEEKLY- oder DAILY-Modells angewendet, bevor eine Prognose für das zukünftige Verhalten erstellt wird. Wenn auf 0 festgelegt, wird jeder Datenpunkt im Saisonmodell unabhängig vom Rest der Datenpunkte.
6–24 12 doppelt CI/Metrik
robustness
Beeinflusst, wie Ausreißer zu saisonabhängigen und Trendberechnungen beitragen
NA Wahr Boolean CI/Metrik
snpm_min_value_threshold
Mindestwert der Daten, die zum Erstellen eines SNPM-Modells erforderlich sind
-1e9 – 1e9 0 doppelt CI/Metrik
snpm_max_observation_interval_in_sec
Maximales erwartetes Beobachtungsintervall, das zum Erstellen eines SNPM-Modells erforderlich ist
60–600000 120 ganze Zahl CI/Metrik
min_std_jump_fraction
Mindestverhältnis des lokal berechneten Beobachtungsrauschpegels zur typischen Sprunggröße, das die Neuberechnung einer größeren Abweichung des Beobachtungsrauschens rechtfertigt
0,0–1,0 0,2 doppelt CI/Metrik
dynamic_threshold_error_smoothing
Ob der exponentiell gewichtete gleitende Durchschnitt verwendet werden soll, um die Reste in der dynamischen Schwellenwertanalyse zu glätten
NA Wahr Boolean CI/Metrik
ewma_alpha
Der Alpha-Wert des exponentiell gewichteten gleitenden Durchschnitts in der dynamischen Schwellenwertanalyse
1e-15–1,0 0,02739726027 doppelt CI/Metrik
dynamic_threshold_beginning_smoothing_length
Anzahl der geglätteten Datenpunkte, die auf den Mittelwert der doppelten Glättungslänge festgelegt werden soll
0–10.000 250 ganze Zahl CI/Metrik
dynamic_threshold_error_buffer_minutes
Anzahl der Datenpunkte um jeden Ausreißer, die gruppiert werden sollen
1–1000 30 ganze Zahl CI/Metrik
dynamic_threshold_search_start
Startwert, bei dem nach dem optimalen Steuerungsfaktor gesucht wird
0,5–20,0 3,0
doppelt CI/Metrik
dynamic_threshold_search_interval
Intervall zwischen Suchwerten des optimalen Kontrollfaktors
0,1–5,0 0,5 doppelt CI/Metrik
dynamic_threshold_search_count
Anzahl der Werte, die für die Suche nach dem optimalen Steuerungsfaktor erforderlich sind
1–50 19 ganze Zahl CI/Metrik
dynamic_threshold_error_sequence_limit
Maximale Anzahl von Fehlergruppen für einen bestimmten Steuerungsfaktorwert bei der Suche
1–20 5 ganze Zahl CI/Metrik
dynamic_threshold_minimum_data_count
Mindestanzahl der erforderlichen Rohdatenpunkte vor dem Versuch der dynamischen Schwellenwertbestimmung
1–10.000 5.000 ganze Zahl CI/Metrik
linear_seasonal_log_likelihood_threshold
Schwellenwert, der bei der Entscheidung verwendet wird, ob ein angepasstes Modell mit linearer Saisonalität einem Modell mit einer periodischen Komponente vorgezogen wird
10–5.000 1.000 ganze Zahl CI/Metrik