구성 설정 규칙 만들기
구성 설정은 메트릭 데이터 처리 방법에 영향을 줍니다. 구성 설정 규칙은 이러한 구성 설정의 기본값을 재정의하며, 따라서 사용자가 여러 CI 클래스에 대한 효율적인 통계 모델을 작성할 수 있습니다.
시작하기 전에
이 태스크 정보
그런 다음, 단일 동기화 작업의 모든 메트릭 인텔리전스 MID Server에 이러한 규칙을 수동으로 적용하거나, 시간별 시스템 작업을 사용하여 동기화를 수행합니다.
규칙을 적용하려면 메트릭 인텔리전스 MID Server를 구성 설정 규칙의 업데이트와 동기화해야 합니다.
- 필터가 정의된 규칙은 필터가 정의되지 않은 전역 규칙보다 우선합니다.
- 동일한 CI 집합에 영향을 주는 여러 규칙의 우선 순위가 동일한 경우 정의할 마지막 규칙만 적용됩니다.
- 우선 순위가 다른 여러 규칙이 동일한 CI 집합에 영향을 주는 경우 우선 순위가 가장 높은 규칙이 적용됩니다.
프로시저
-
무효화된 메트릭 구성 양식 섹션에서 새로 만들기를 클릭하고 양식을 채운 다음, 제출을 클릭합니다.
표 2. 무효화된 메트릭 구성 필드 설명 이름 값을 재정의할 구성 설정입니다. 
아이콘을 클릭하면 모든 구성 설정 목록이 표시됩니다.
아이콘을 클릭하면 가능한 값 범위와 같은 상세 정보가 포함된 메트릭 설정 대화 상자가 표시됩니다.구성 설정에 대한 자세한 내용은 다음 테이블(구성 설정 및 내부 구성 설정)를 참조하십시오.
규칙 생성된 구성 설정이 적용되는 규칙입니다. 값 지정된 구성 설정의 기본값을 재정의하는 새 값입니다. 이름 필드에서 다음 구성 설정을 수정할 수 있습니다.주:메트릭 구성 규칙에 지정된 필터는 범위가 전역인 설정에 적용되지 않습니다.표 3. 구성 설정 이름 및 설명 값 기본값 데이터 유형 범위 anomaly_detection_enabled
예외 탐지를 사용하거나 사용하지 않도록 설정합니다.
주:anomaly_detection_action_level을 설정하면 anomaly_detection_enabled가 무시됩니다.해당 사항 없음 true 부울 CI/메트릭 anomaly_detection_action_level
예외 분석 및 처리의 작업 수준입니다.
자세한 내용은 예외 탐지의 작업 수준 구성 문서를 참조하십시오.
선택: - 메트릭만
- 범위
- 변칙 점수
- 변칙 경보
- IT 경보
- 새 레코드: 범위
- 업그레이드된 레코드: 예외 경보
선택 CI/메트릭 buffer_anomaly_eviction_size
내부 버퍼에 저장할 수 있는 개별 메트릭 수준의 최대 예외 수이며, 이 수를 초과하면 예외가 모든 CI/메트릭 쌍의 인스턴스로 전송됩니다.
60–1440 60 정수 전역 buffer_ci_score_eviction_size
내부 버퍼에 저장할 수 있는 CI 수준의 최대 예외 수이며, 이 수를 초과하면 예외가 인스턴스로 전송됩니다(현재 사용되지 않음).
60–1440 60 정수 전역 buffer_metric_eviction_size
내부 버퍼에 저장할 수 있는 최대 메트릭 수이며, 이 수를 초과하면 메트릭이 모든 CI/메트릭 쌍의 인스턴스로 전송됩니다.
60–1440 60 정수 전역 connection_login_timeout_secs
MID 서버의 로컬 데이터베이스에 로그인하는 최대 시간(초)입니다.
30–60 30 정수 전역 corrupt_data_count_threshold
통계 분석을 수행하는 데 필요한 최소 교육 포인트(평균 15분)입니다.
10–100 30 정수 전역 deprioritize_early_batching_of_anomalous_ci
비정상적인 CI 정보를 즉시 또는 주기적으로 보냅니다.
해당 사항 없음 False 부울 전역 mad_model_min_days 절대 평균 편차 기반 모델을 고려하기 위해 데이터를 사용할 수 있어야 하는 일 수입니다.
10-120 10 정수 CI/메트릭 max_pool_connections_size 로컬 데이터베이스 풀의 최대 연결 수입니다.
10–50 25 정수 전역 observation_time_min
예상하는 최소 메트릭 관찰 간격입니다.
1–1440 1 정수 CI/메트릭 robust_central_percentage
잔차 표준 편차를 계산하기 위한 잔차 데이터의 백분율로, 이상값 검색에 사용됩니다. 100으로 설정하면 일반 샘플 표준 편차를 사용합니다.
50–100 90 두 번 전역 sparse_gap_fraction_threshold 이 비율보다 높은 데이터가 없고 식별된 다른 클래스가 없는 경우 스파스로 분류합니다. 주간 모델을 조정하려고 시도하지 마십시오.
0–100 50 두 번 전역 weekly_model_min_days 주간 계절성 분해만을 고려하기 위해 데이터를 사용할 수 있어야 하는 일 수입니다.
14-90 15 정수 CI/메트릭 daily_model_min_days 일일 계절성 분해만을 고려하기 위해 데이터를 사용할 수 있어야 하는 일 수입니다.
2-90 3 정수 CI/메트릭 build_snpm_model SNPM 데이터 모델 빌드를 사용하거나 사용하지 않도록 설정합니다.
해당 사항 없음 true 부울 CI/메트릭 snpm_minimum_data_count
고정 비매개변수형 모델을 만드는 데 필요한 최소 데이터 요소 수입니다.
0–1e9 5000 정수 CI/메트릭
다음 구성 설정은 내부용입니다.
표 4. 내부 구성 설정 이름 및 설명 값 기본값 데이터 유형 범위 anomaly_memory_time_min
예외 점수 계산기 매개변수: 비정상적인 상황의 메모리 시간입니다.
1–600 45 두 번 CI/메트릭 excess_z_score
예외 점수 계산기 매개변수: 이상값에 대해 누적되는 최소 예외입니다.
0–3 0.8 두 번 CI/메트릭 linear_accumulator_threshold
결정 트리 임계치: 누적기 분석
0.5–5 1 두 번 전역 low_freq_power_threshold
결정 트리 임계치: 주간 분석
0–100 50 두 번 전역 low_variability_threshold
결정 트리 임계치: 트렌디 분석
0.0000000001–0.001 0.0001 두 번 전역 mid_freq_power_threshold
결정 트리 임계치: 주간 분석
0–100 33 두 번 전역 multinomial_count_threshold
결정 트리 임계치: 다항 분석
1–1000 40 정수 전역 non_zero_diff_threshold
결정 트리 임계치: 근사 상수 분석
0–100 5 두 번 전역 normal_memory_time_min
예외 점수 계산기 매개변수: 정상적인 상황의 메모리 시간입니다.
1–600 1 두 번 CI/메트릭 normal_probability_ewma_timescale_min
예외 점수 계산기 매개변수: 일반 평가 시간 단위입니다.
1–600 15 두 번 CI/메트릭 normal_probability_weight
예외 점수 계산기 매개변수: 일반 평가 조정 요소입니다.
0–1 1 두 번 CI/메트릭 sigmoid_offset
예외 점수 계산기 매개변수: 점수 변환의 예외입니다.
0–5 2.1 두 번 CI/메트릭 sigmoid_weight
예외 점수 계산기 매개변수: 점수 변환의 예외입니다.
0–5 1.2 두 번 CI/메트릭 tiny_variability_threshold
결정 트리 임계치: 근사 상수 분석
0–0.001 0.0000000001 두 번 전역 weekly_peak_hi_limit
결정 트리 임계치: 주간 분석입니다.
7–14 10 두 번 전역 weekly_peak_lo_limit
결정 트리 임계치: 주간 분석입니다.
0.5–7 0.7 두 번 전역 weekly_vs_daily_log_likelihood_threshold
주간 로그 가능성이 이 값만큼 일일 로그 가능성보다 높으면 선호하는 통계 모델이 됩니다.
100-1000 200 두 번 CI/메트릭
daily_vs_noisy_log_likelihood_threshold
일일 로그 가능성이 이 값만큼 노이지보다 높으면 선호하는 통계 모델이 됩니다.
20–1000 200 두 번 CI/메트릭
weekly_vs_noisy_log_likelihood_treshold
주간 로그 가능성이 이 값만큼 노이지보다 높으면 선호하는 통계 모델이 됩니다.
100-1000 200 두 번 CI/메트릭
trendy_vs_noisy_log_likelihood_threshold
트렌디 가능성이 이 값만큼 노이지보다 높으면 선호하는 통계 모델이 됩니다.
10–1000 50 두 번 CI/메트릭
seasonal_loess_width_in_hours
향후 동작을 예측하기 전에 주간 또는 일일 모델의 계절 구성요소에 적용됩니다. 0으로 설정하면 계절 모델의 각 데이터 요소는 나머지 데이터 요소와 독립적 관계가 됩니다.
6–24 12 두 번 CI/메트릭
robustness
이상값을 계절 및 추세 계산에 적용하는 방식에 영향을 줍니다.
해당 사항 없음 true 부울 CI/메트릭
snpm_min_value_threshold
SNPM 모델을 만드는 데 필요한 최소 데이터 값입니다.
-1e9 – 1e9 0 두 번 CI/메트릭
snpm_max_observation_interval_in_sec
SNPM 모델을 만드는 데 필요한 최대 예상 관찰 간격입니다.
60–600000 120 정수 CI/메트릭
min_std_jump_fraction
로컬로 계산되는 관찰 노이즈 수준과 일반 점프 크기의 최소 비율로, 관찰 노이즈 편차가 이 값보다 크면 다시 계산합니다.
0.0-1.0 0.2 두 번 CI/메트릭
dynamic_threshold_error_smoothing
동적 임계치 분석에서 지수 가중 이동 평균을 사용하여 잔차를 평활할 것인지 여부를 결정합니다.
해당 사항 없음 true 부울 CI/메트릭
ewma_alpha
동적 임계치 분석에서 지수 가중 이동 평균의 알파 값입니다.
1e-15–1.0 0.02739726027 두 번 CI/메트릭
dynamic_threshold_beginning_smoothing_length
평활 길이 두 배의 평균으로 설정하기 위한 최소 평활 데이터 요소의 수입니다.
0–10000 250 정수 CI/메트릭
dynamic_threshold_error_buffer_minutes
그룹으로 묶을 각 이상값 근처의 데이터 요소 수입니다.
1–1000 30 정수 CI/메트릭
dynamic_threshold_search_start
최적 통제 요인을 검색하는 시작 값입니다.
0.5-20.0 3.0
두 번 CI/메트릭
dynamic_threshold_search_interval
최적 통제 요인의 검색 값 사이 간격입니다.
0.1-5.0 0.5 두 번 CI/메트릭
dynamic_threshold_search_count
최적 통제 요소를 검색하는 데 필요한 값의 수입니다.
1–50 19 정수 CI/메트릭
dynamic_threshold_error_sequence_limit
검색할 때 특정 통제 요인의 최대 오류 그룹 수입니다.
1–20 5 정수 CI/메트릭
dynamic_threshold_minimum_data_count
동적 임계치 적용을 시도하려면 필요한 최소 원시 데이터 요소 수입니다.
1–10000 5000 정수 CI/메트릭
linear_seasonal_log_likelihood_threshold
주기적 구성요소를 사용하는 모델보다 선형 계절성을 사용하는 적합한 모델을 선택할 것인지 결정할 때 사용되는 임계치입니다.
10-5000 1000 정수 CI/메트릭