Crie uma regra de definições de configuração
As definições de configuração afetam como os dados de métrica são processados. As regras de definições de configuração substituem o comportamento de processamento de métrica padrão para determinar as ações do sistema quando uma anomalia é detectada.
Antes de Iniciar
Por Que e Quando Desempenhar Esta Tarefa
Em seguida, aplique manualmente essas regras a todos Inteligência para métricas MID Servers em uma única operação de sincronização ou confie em um trabalho do sistema por hora para executar a sincronização.
Para entrar em vigor, Inteligência para métricas MID Servers deve ser sincronizado com as atualizações das regras de definições de configuração.
- As regras nas quais um filtro é definido têm precedência sobre uma regra global na qual nenhum filtro foi definido.
- Se várias regras que afetam o mesmo conjunto de ICs tiverem a mesma prioridade, somente a regra mais recente a ser definida será aplicada.
- Se várias regras com prioridades diferentes afetarem o mesmo conjunto de ICs, as regras com a prioridade mais alta serão aplicadas.
Procedimento
-
Na seção do formulário Configurações substituídas de métrica, clique em Novo preencha o formulário e clique em Enviar .
Tabela 2. Formulário de configurações substituídas de métrica Campo Descrição Nome Definição de configuração para a qual substituir seu valor. Clique em
ícone para exibir a lista de todas as definições de configuração.Clique em
ícone para exibir Configurações de Métrica caixa de diálogo com detalhes, como intervalo de valores possíveis.Consulte as tabelas a seguir (Definições de configuração e Definições de configuração interna) para obter detalhes sobre as definições de configuração.
Regra Regra à qual a definição de configuração criada se aplica. Valor Novo valor que substitui o valor padrão da definição de configuração especificada. Você pode modificar as seguintes definições de configuração no Nome campo.Nota:O filtro especificado na regra de configuração de métrica não se aplica a configurações com um escopo global.Tabela 3. Definições de configuração Nome e descrição Valores Padrão Tipo de Dados Escopo anomaly_detection_enabled
Habilitar/desabilitar detecção de anomalia.
Nota:Se anomaly_detection_action_level estiver definido, anomaly_detection_enabled será ignorado.N/D verdadeiro booliano IC/Métrica anomaly_detection_action_level
Nível de ação de análise e processamento de anomalias.
Para obter mais informações, consulte Configure o nível de ação para detecção de anomalia.
opções: - Somente métricas
- Limites
- Pontuações de anomalia
- Alertas de anomalia
- Alertas de TI
- Novos registros: Limites
- Registros atualizados: Alertas de anomalia
escolha IC/Métrica buffer_anomaly_eviction_size
Número máximo de anomalias no nível de métrica individual que podem ser armazenadas no buffer interno antes de enviá-las para a instância para cada par de IC/métrica.
60–1440 60 inteiro Global buffer_ci_score_eviction_size
Número máximo de anomalias no nível de IC que podem ser armazenadas no buffer interno antes de enviá-las para a instância (não sendo usadas no momento)
60 a 1440 60 inteiro Global buffer_metric_eviction_size
Número máximo de métricas que podem ser armazenadas no buffer interno antes de enviá-las para a instância para cada par de IC/métrica.
60 a 1440 60 inteiro Global connection_login_timeout_secs
Tempo máximo em segundos para fazer login no banco de dados local no MID Server.
30–60 30 inteiro Global corrupt_data_count_threshold
Número mínimo de pontos de treinamento (médias de 15 minutos) necessários para fazer qualquer análise estatística.
10–100 30 inteiro Global despriorizar_early_batching_of_anômallous_ci
Envie informações anômalas de IC imediatamente ou em intervalos regulares.
N/D falso booliano Global mad_model_min_days Número de dias para os quais os dados devem estar disponíveis para considerar um modelo baseado em Desvio absoluto mediano.
10-120 10 inteiro IC/Métrica max_pool_connections_size Número máximo de conexões para o pool de banco de dados local.
10–50 25 inteiro Global observation_time_min
Intervalo mínimo de observação de métrica esperado.
1–1440 1 inteiro IC/Métrica robust_central_percentage
Percentual dos dados residuais para calcular o desvio padrão residual, usado para detecção de exceções. Quando definido como 100 - Usa o desvio padrão da amostra regular.
50–100 90 duplo Global sparse_gap_fraction_threshold Se mais do que essa porcentagem de dados estiver ausente e nenhuma outra classe tiver sido identificada, classifique como DISPERSA. Não tente ajustar um modelo SEMANAL.
0–100 50 duplo Global weekly_model_min_days Número de dias para os quais os dados devem estar disponíveis para considerar somente uma decomposição de sazonalidade SEMANAL.
14-90 15 inteiro IC/Métrica daily_model_min_days Número de dias para os quais os dados devem estar disponíveis para considerar somente uma decomposição de sazonalidade DIÁRIA.
2-90 3 inteiro IC/Métrica build_snpm_model Habilitar/desabilitar a criação de um modelo de dados SNPM.
N/D verdadeiro booliano IC/Métrica snpm_minimum_data_count
Número mínimo de pontos de dados necessários para criar um modelo não paramétrico estacionário.
0 – 1e9 5000 inteiro IC/Métrica
As definições de configuração a seguir são para uso interno.
Tabela 4. Definições de configuração interna Nome e descrição Valores Padrão Tipo de Dados Escopo anomaly_memory_time_min
Parâmetro da calculadora de pontuação de anomalia: Tempo de memória para situação anormal.
1–600 45 duplo IC/Métrica excess_z_score
Parâmetro da calculadora de pontuação de anomalia: Anomalia mínima acumulada para exceção.
0–3 0.8 duplo IC/Métrica linear_accumulator_threshold
Limite da árvore de decisão: Análise DO ACUMULADOR
0.5–5 1 duplo Global l ow_freq_power_threshold
Limite da árvore de decisão: Análise SEMANAL
0 a 100 50 duplo Global low_variability_threshold
Limite da árvore de decisão: Análise MODERNA
0.0000000001–0.001 0.0001 duplo Global mid_freq_power_threshold
Limite da árvore de decisão: Análise SEMANAL
0 a 100 33 duplo Global multinomial_count_threshold
Limite da árvore de decisão: Análise MULTINOMIAL
1–1000 40 inteiro Global non_zero_diff_threshold
Limite da árvore de decisão: Análise NEAR_CONSTANT
0 a 100 5 duplo Global normal_memory_time_min
Parâmetro da calculadora de pontuação de anomalia: Tempo de memória para situação normal.
1 a 600 1 duplo IC/Métrica normal_probability_ewma_timeescale_min
Parâmetro da calculadora de pontuação de anomalia: Escala de tempo de avaliação normal.
1 a 600 15 duplo IC/Métrica normal_probability_weight
Parâmetro da calculadora de pontuação de anomalia: Fator de ajuste de avaliação normal.
0–1 1 duplo IC/Métrica sigmoid_offset
Parâmetro da calculadora de pontuação de anomalia: Conversão de valor para pontuação.
0–5 2.1 duplo IC/Métrica sigmoid_weight
Parâmetro da calculadora de pontuação de anomalia: Conversão de valor para pontuação.
0 a 5 1.2 duplo IC/Métrica tiny_variability_threshold
Limite da árvore de decisão: Análise NEAR_CONSTANT
0 a 0,001 0.0000000001 duplo Global weekly_peak_hi_limit
Limite da árvore de decisão: Análise SEMANAL.
7–14 10 duplo Global weekly_peak_lo_limit
Limite da árvore de decisão: Análise semanal.
0.5–7 0.7 duplo Global weekly_vs_daily_log_likelihood_threshold
Por quanto log a probabilidade de log de semanalmente precisa ser maior do que diariamente, para ser o modelo estatístico preferencial.
100–1000 200 duplo IC/Métrica
daily_vs_noisy_log_likelihood_threshold
Por quanto log a probabilidade diária precisa ser maior do que ruidoso, para ser o modelo estatístico preferencial.
20–1000 200 duplo IC/Métrica
weekly_vs_noisy_log_likelihood_treshold
Por quanto log a probabilidade de log de semanalmente precisa ser maior do que ruidoso, para ser o modelo estatístico preferencial.
100 a 1000 200 duplo IC/Métrica
trendy_vs_noisy_log_likelihood_threshold
Por quanto log probabilidade de tendência precisa ser maior do que ruidoso, para ser o modelo estatístico preferencial.
10–1000 50 duplo IC/Métrica
seasonal_loess_width_in_hours
Aplicado ao componente sazonal de um modelo semanal ou diário antes de fazer uma previsão de comportamento futuro. Se definido como 0, cada ponto de dados no modelo sazonal se tornará independente do restante dos pontos de dados.
6–24 12 duplo IC/Métrica
robustez
Afeta como os valores atípicos contribuem para cálculos sazonais e de tendências.
N/D verdadeiro booliano IC/Métrica
snpm_min_value_threshold
Valor mínimo de dados necessários para criar um modelo SNPM.
1e9 – 1e9 0 duplo IC/Métrica
snpm_max_observation_interval_in_sec
Intervalo de observação máximo esperado necessário para criar um modelo SNPM.
60 – 600000 120 inteiro IC/Métrica
min_std_jump_fraction
Proporção mínima do nível de ruído de observação calculado localmente para o tamanho de salto típico que justifica o recálculo de uma variação de ruído de observação maior.
0.0 – 1.0 0.2 duplo IC/Métrica
dynamic_threshold_error_smoothing
Se a média móvel ponderada exponencialmente deve ser usada para suavizar os resíduos na análise de limite dinâmico.
N/D verdadeiro booliano IC/Métrica
ewma_alpha
O valor alfa da média móvel ponderada exponencialmente na análise de limite dinâmico.
1e-15 – 1,0 0.02739726027 duplo IC/Métrica
dynamic_threshold_beginning_smoothing_length
Número de pontos de dados suavizados a serem definidos como a média do dobro do comprimento de suavização.
0 – 10000 250 inteiro IC/Métrica
dynamic_threshold_error_buffer_minutes
Número de pontos de dados em torno de cada exceção para agrupar.
1 – 1000 30 inteiro IC/Métrica
dynamic_threshold_search_start
Valor inicial no qual o fator de controle ideal é procurado.
0.5 – 20.0 3,0
duplo IC/Métrica
dynamic_threshold_search_interval
Intervalo entre valores de pesquisa do fator de controle ideal.
0.1 – 5.0 0,5 duplo IC/Métrica
dynamic_threshold_search_count
Número de valores necessários para pesquisar o fator de controle ideal.
1 – 50 19 inteiro IC/Métrica
dynamic_threshold_error_sequence_limit
Número máximo de grupos de erros para um valor de fator de controle específico ao pesquisar.
1 – 20 5 inteiro IC/Métrica
dynamic_threshold_minimum_data_count
Número mínimo de pontos de dados brutos necessários antes de tentar o limite dinâmico.
1 – 10000 5000 inteiro IC/Métrica
linear_seasonal_log_likelihood_threshold
Limite usado para decidir se prefere um modelo ajustado com sazonalidade linear em vez de um modelo com um componente periódico.
10-5000 1000 inteiro IC/Métrica