Metrikdaten erkunden

Erfahren Sie mehr über die Verwendung MetrikdatenZum Analysieren von Metrikdaten und Identifizieren von Anomalien.

Metrikdaten – Übersicht

Metrikdaten Hilft, potenzielle Serviceausfälle zu identifizieren und zu vermeiden. Basierend auf historischen Metrikdaten, MetrikdatenGibt das anomale Verhalten von CIs an, die Ereignisse möglicherweise nicht erfassen.

Metrikdaten – Anwender

Tabelle : 1. Anwender

Anwender	Beschreibung
Ereignismanagement-Anwender [evt_mgmt_user]	Kann Warnungen und ihre zugrunde liegenden Metriken anzeigen.
Ereignismanagement-Administrator [evt_mgmt_admin]	Kann alle Metrikdefinitionen und Connector-Einstellungen konfigurieren.
Operator [evt_mgmt_Operator]	Kann alle Metrikdefinitionen und Connector-Einstellungen anzeigen.

Metrikdaten – Workflow

Die folgende Abbildung beschreibt das Layout und den Daten-Flow innerhalb von MetrikdatenAnwendung.

Abbildung : 1. Metrik-Intelligence-Pipeline

1. Datensammlung: Agenten, Drittanbieter-Connectors und anwenderdefinierte Connectors (REST) sammeln Leistungsdaten von Servern und Infrastrukturkomponenten. Von Service Desk-Mitarbeitern erfasste Daten werden an übergeben MID-ServerÜber den WebSocket werden Daten, die von Drittanbieter- und anwenderdefinierten Connectors erfasst wurden, an übergeben MID-ServerÜber den Connector.
2. Datennormalisierung: Rohdaten werden von der Normalisierung formatiert, um sie für die Metrikbasis lesbar zu machen.
3. Datengruppierung: Daten werden vom Batcher gruppiert und an die REST-API in der Instanz (Glide) gesendet.
4. Datenübertragung an Clotho-TSDB: DIE REST-API verarbeitet Daten und sendet sie an den Clotho-TSDB.
5. Modellerstellung: Der Trainer-/Lernerauftrag wird ausgeführt und erstellt ein Modell basierend auf den empfangenen Daten. Beispielsweise kann der Auftrag erfahren, dass der Schwellenwert für die normale CPU-Auslastung 60 % ist. Jeden Tag wird basierend auf den Daten dieses Tages zusammen mit früheren Daten ein neues Modell erstellt (die meisten Modelle erfassen Daten aus den letzten 14 Tagen).
6. Modelldatenübertragung an die Cache-DB des Zeitreihenmodells: Die Daten werden an die Cache-DB des Zeitreihenmodells auf gesendet MID-ServerÜber die Instanz (Glide). Der Modellcache speichert die Grenzen des „normalen“ Modells.
7. Anomalieerkennung: Daten außerhalb der Normgrenzen werden von erkannt MID-ServerUnd wird eine Anomaliepunktzahl gerendert. Anomalien werden in der Instanz gespeichert und in angezeigt Service Operations-Arbeitsbereich. Die Anomalieerkennung wird in Echtzeit durchgeführt, sodass Kunden sofort auf Anomalien aufmerksam gemacht werden.

Metrikdaten – Vorteile

Vorteil	Funktion	Anwender
Überwachen Sie die Integrität, Leistung und Verfügbarkeit Ihres Systems durch die automatisierte Erfassung von Ereignissen und Metriken und nutzen Sie automatisierte Konfigurationen.	Agent Client Collector-Überwachung	NOC-Operator, EreignismanagementAdministrator
Reduzieren Sie Rauschen, indem Sie nur die aussagekräftigsten Anomalien heraufstufen.	Zeigen Sie Anomaliewarnungen an Metrikregeln erstellen	Ereignismanagement-Administrator
Erkennen Sie Anomalien mit KI-basierter Anomalieerkennung, entweder mit nicht überwachter Erkennung abnormaler Muster für maschinelles Lernen (kein Anwendereingriff) oder durch Festlegen deterministischer Warnungsregeln (manuelles Festlegen eines statischen Schwellenwerts).	Wie Health Log AnalyticsGeneriert Warnungen	Ereignismanagement-Administrator
Verbessern Sie die Lösungszeit für offene Warnungen und Incidents mit der Visualisierung von Rohmetrikdaten.	Metric Explorer	NOC-Operator, EreignismanagementAdministrator

Empfehlungen für weitere Themen

Weitere Informationen über die Konfiguration und den Einsatz von Metrikdaten finden Sie unter:

• Metrikdaten konfigurieren
• Wird Optimiert Metrikdaten
• Metrikdaten – Referenz