Configurer le niveau d’action pour la détection d’anomalie
Créez une règle de configuration qui affine le niveau de détection, de traitement et d’analyse des anomalies appliqué à des CI et des mesures spécifiques. Définissez un niveau de traitement qui reflète l’importance des mesures à différentes étapes de l’implémentation, afin de réduire la charge de données, si nécessaire.
La détection d’anomalies se compose de plusieurs niveaux de traitement. Au niveau le plus bas, les données de mesure sont collectées à partir de sources de données. Au niveau le plus élevé, des modèles statistiques sont créés, des scores d’anomalie sont calculés et des alertes d’anomalie et des alertes informatiques sont créées. Vous pouvez appliquer le processus complet de détection d’anomalie ou un niveau de traitement réduit, pour des séries de données spécifiques.
Utilisez le anomaly_detection_action_level paramètre de configuration d’une règle de configuration pour définir le niveau de traitement pour des CI et des mesures spécifiques. Par exemple, vous pouvez initialement définir uniquement un petit pourcentage de CI et de mesures pour générer des alertes d’anomalie, puis augmenter ce pourcentage.
Niveaux d’action
Le anomaly_detection_action_level paramètre de configuration fournit des niveaux d’action commençant par « Mesures uniquement » pour le traitement des anomalies de base et se terminant par « Alertes informatiques » pour le traitement et l’analyse complets.
- Mesures uniquement
- Collecter uniquement les mesures de la source de données sans traitement supplémentaire.
- Limites
- « Mesures uniquement » et crée en outre un modèle statistique et affiche des limites dans l’Explorateur des connaissances.
- Scores des anomalies
- Niveau de traitement « Limite » et calcule et affiche en outre les scores d’anomalie.
- Alertes d'anomalie
- Niveau de traitement « Scores d’anomalie » et crée en outre des alertes d’anomalie, le cas échéant.
- Alertes IT
- Niveau de traitement des « alertes d’anomalie » et crée en outre des alertes informatiques basées sur les alertes d’anomalie, le cas échéant.