ディスカバリーアドミンワークスペース 設定
[設定] ページでは、高レベルの ディスカバリー プロパティをカスタマイズして管理し、特定のニーズに合わせて調整できます。
[ ディスカバリーアドミンワークスペース 診断] ページにアクセスするには、 .
ディスカバリー のプロパティ
- ダッシュボードのタイムスケール
- 希望する時間スパンでスケジュールの健全性を確認できます。[タイムスケール] ドロップダウンリストを使用して、7 日、14 日、30 日の期間から選択します。デフォルトの期間は 7 日間です。構成後、[ホーム]、[スケジュール]、および [診断] ページ全体の関連するすべてのデータ可視化が、この期間の測定に更新されます。重要:これらの設定を保存したら、ブラウザーを更新して、データのビジュアル化を新しいタイムスケールで更新する必要があります。
次の場所に移動して、この設定を構成することもできます . 詳細については、「ディスカバリーのプロパティ」を参照してください。
- 例外検出
- エラー数が多い、ディスカバリーステータス期間、検出される構成アイテム (CI) やクラウドリソースが少ない場合、実行の失敗やしきい値からの大幅な逸脱などの異常な動作を特定します。 異常は、次の重大度レベルに分類されます。
- 重大:実行に失敗したスケジュール
- メジャー:CI ディスカバリー率が低いスケジュール
- マイナー:実行時間が長い、またはエラー数が多いスケジュール
[例外検出を有効にする] トグルを使用すると、機能のオンとオフを切り替えることができます。この機能はデフォルトでオンになっています。警告:この機能をオフにすると、複数のページ、グラフ、およびテーブルにわたる ディスカバリー エクスペリエンスに大きな影響を与えます。次の場所に移動して、この設定を構成することもできます . 詳細については、「ディスカバリーのプロパティ」を参照してください。
- 検出方法
- 次のアプローチを使用して、 ディスカバリー スケジュールの例外を特定します。
- ML ベース:機械学習 (ML) アルゴリズムを活用して、事前定義されたルールなしで履歴スケジュールデータの分析、複雑なパターンの認識、異常の検出を行います。
- 統計ベース:固定された数値しきい値に基づいて外れ値を特定するための標準偏差の計算など、従来の数学的手法に依存しています。
[ 検出方法 ] ドロップダウンリストを選択して、アプローチを選択します。ML ベースのアプローチがデフォルトの検出方法です。次の場所に移動して、この設定を構成することもできます . 詳細については、「ディスカバリーのプロパティ」を参照してください。
また、異常検出の感度を調整することもできます。感度が低いほど、より多くの異常が報告され、誤検出が増える可能性があります。つまり、通常のスキャンに異常としてフラグが付けられます。感度が高いほど、報告される異常が少なくなり、偽陰性が増える可能性があり、実際の異常が検出されない可能性があります。
[感度] ドロップダウンリストを使用して、希望する検出感度を選択します。選択肢には、最低、低、高、最高があります。デフォルトでは、例外検出は [低感度] に設定されています。次の場所に移動して、この設定を構成することもできます . 詳細については、「ディスカバリーのプロパティ」を参照してください。
- しきい値を調整
-
しきい値を調整すると、誤検出を防ぎ、通常のスキャンに誤って異常としてフラグが付けられることがなくなります。例外検出メソッドで ディスカバリー ステータスに例外としてのフラグが付けられると、指定されたしきい値に基づいて、ステータスメトリクスに平均測定値からの偏差がないか分析されます。
実行時間、エラー数、または CI 測定値が指定されたしきい値だけ平均から逸脱している場合、スキャンは例外としてマークされます。デフォルトのしきい値は 20% ですが、このしきい値を定義する数値を関連するテキストボックスで変更できます。[リセット] を選択すると、しきい値がデフォルトの 20% に戻ります。
次の場所に移動して、この設定を構成することもできます . しきい値プロパティには、 sn_disco_workspace.discovery_schedule_runtime_anomaly_threshold、 sn_disco_workspace.discovery_schedule_cis_discovered_anomaly_threshold、および sn_disco_workspace.discovery_schedule_error_anomaly_threshold が含まれます。詳細については、「ディスカバリーのプロパティ」を参照してください。