Konsep dasar
Kapan Metrics Advisor tidak digunakan lagi?
Mulai tanggal 20 September 2023, Anda tidak akan dapat membuat sumber daya Metrics Advisor baru. Layanan Metrics Advisor dihentikan pada 1 Oktober 2026.
Apa yang dimaksud dengan data rangkaian waktu multidimensi?
Lihat definisi Metrik multidimensi di glosarium.
Berapa banyak data yang diperlukan Advisor Metrik untuk memulai deteksi anomali?
Minimal, satu poin data dapat memicu deteksi anomali. Namun, hal ini tidak memberikan akurasi terbaik. Layanan akan mengasumsikan jendela poin data sebelumnya menggunakan nilai yang Anda tentukan sebagai aturan "isi celah" selama pembuatan umpan data.
Sebaiknya Anda memiliki beberapa data sebelum tanda waktu yang Anda inginkan untuk dideteksi. Berdasarkan granualitas data Anda, jumlah data yang disarankan bervariasi seperti di bawah ini.
| Granularitas | Jumlah data yang disarankan untuk deteksi |
|---|---|
| Kurang dari 5 menit | data selama 4 hari |
| 5 menit sampai 1 hari | data selama 28 hari |
| Lebih dari 1 hari, hingga 31 hari | data selama 4 tahun |
| Lebih dari 31 hari | data selama 48 tahun |
Data apa yang diproses Metrics Advisor dan bagaimana data disimpan?
- Metrics Advisor memproses data seri waktu yang dikumpulkan dari sumber data pelanggan, data historis digunakan untuk pilihan model dan menentukan batas data yang diharapkan.
- Data seri waktu pelanggan dan hasil inferensi akan disimpan dalam layanan. Metrics Advisor tidak menyimpan atau memproses data pelanggan di luar wilayah tempat pelanggan menyebarkan instans layanan.
Mengapa Advisor Metrik tidak mendeteksi anomali dari data historis?
Advisor Metrik dirancang untuk mendeteksi data streaming langsung. Ada batasan panjang maksimum data historis yang akan dilihat kembali oleh layanan dan menjalankan deteksi anomali. Ini berarti hanya titik data setelah tanda waktu paling awal tertentu yang akan memiliki hasil deteksi anomali. Tanda waktu paling awal itu bergantung pada granualitas data Anda.
Berdasarkan granualitas data Anda, panjang data historis yang akan memiliki hasil deteksi anomali adalah sebagai berikut.
| Granularitas | Panjang maksimum data historis untuk deteksi anomali |
|---|---|
| Kurang dari 5 menit | Waktu onboard - 13 jam |
| 5 menit hingga kurang dari 1 jam | Waktu onboard - 4 hari |
| 1 jam hingga kurang dari 1 hari | Waktu onboard - 14 hari |
| 1 hari | Waktu onboard - 28 hari |
| Lebih dari 1 hari, kurang dari 31 hari | Waktu onboard - 2 tahun |
| Lebih dari 31 hari | Waktu onboard - 24 tahun |
Apa yang dimaksud dengan retensi data dan batasan Metrics Advisor?
- Retensi data. Metrics Advisor akan menyimpan maksimal 10.000 interval waktu apa itu interval? penghitungan maju dari tanda waktu saat ini, baik ada data yang tersedia atau pun tidak. Data yang berada di luar jendela akan dihapus. Pemetaan retensi data untuk menghitung hari untuk granularitas metrik yang berbeda.
| Granularitas(menit) | Penyimpanan(hari) |
|---|---|
| 1 | 6,94 |
| 5 | 34,72 |
| 15 | 104,1 |
| 60(=Per jam) | 416,67 |
| 1.440(=setiap hari) | 10.000,00 |
- Batasan jumlah rangkaian waktu maksimum dalam satu metrik.
Mereka mungkin memiliki beberapa dimensi dalam satu metrik dan setiap dimensi mungkin memiliki beberapa nilai. Kombinasi dimensi maksimum untuk satu metrik tidak boleh melebihi 100k.
- Admin sumber daya Metrics Advisor dan pemilik umpan data akan diberi tahu ketika batasan 80% tercapai di halaman detail umpan data.
- Jika metrik telah melebihi batasan, umpan data akan dijeda dan menunggu pelanggan untuk mengambil tindakan lanjutan. Disarankan untuk membagi umpan data ke beberapa umpan data dengan menggunakan pemfilteran.
- Batasan poin data maksimum yang disimpan dalam satu instans Metrics Advisor
Metrics Advisor mengandalkan total poin data dari semua umpan data yang di-onboard ke instans mulai dari stempel waktu penyerapan pertama. Jumlah maksimum poin data yang akan disimpan dalam satu instans Metrics Advisor adalah 2 miliar.
- Admin sumber daya Metrics Advisor dan semua pengguna akan diberi tahu ketika batasan 80% tercapai di halaman daftar umpan data dan melalui halaman tambahkan umpan data baru.
- Jika total poin data telah melebihi batasan semua umpan data akan dijeda dan orientasi umpan baru juga akan diblokir. Disarankan untuk menghapus umpan data yang tidak digunakan atau membuat sumber daya Metrics Advisor baru dalam langganan Anda.
Mengapa saya tidak bisa masuk ke Metrics Advisor? Pesan kesalahan mengatakan 'Sumber daya dinonaktifkan karena tidak aktif dalam 90 hari'
Ada dua kasus di mana sumber daya dinonaktifkan:
- Sumber daya Metrics Advisor dibuat, tetapi tidak ada umpan data yang telah di-onboard dalam waktu 90 hari. Sumber daya akan dinonaktifkan setelah 90 hari karena tidak aktif.
- Jika satu atau beberapa umpan data telah dibuat tetapi tidak ada data baru yang diserap ke dalam Metrics Advisor, layanan akan memasuki mode menganggur tanpa data yang akan diproses. Sistem masih akan mencoba mengambil data secara teratur dari sumber sesuai dengan granularitas metrik. Namun, jika terus tidak memiliki data yang tersedia atau tidak ada rangkaian waktu tunggal yang akan diproses selama periode 90 hari berturut-turut, sumber daya akan dinonaktifkan. Semua data historis yang terkait dengan sumber daya akan hilang saat dinonaktifkan.
Disarankan untuk membuat sumber daya baru dan menghapus sumber daya lama, jika Anda ingin memulai ulang penggunaan.
Bagaimana cara mendeteksi lonjakan & penurunan sebagai anomali?
Jika Anda memiliki ambang batas yang telah ditentukan sebelumnya, Anda dapat menetapkan "ambang" secara manual di konfigurasi deteksi anomali. Jika tidak ada ambang, Anda dapat menggunakan "deteksi pintar" yang didukung oleh AI. Lihat kesesuaian konfigurasi deteksi untuk detailnya.
Bagaimana cara mendeteksi ketidaksesuaian dengan pola reguler (musiman) sebagai anomali?
Deteksi pintar dapat mempelajari pola data Anda termasuk pola musiman. Kemudian mendeteksi poin data yang tidak sesuai dengan pola reguler sebagai anomali. Lihat kesesuaian konfigurasi deteksi untuk detailnya.
Apakah Metrics Advisor mendukung sumber data yang berada di belakang VNET?
Tidak, Metrics Advisor saat ini tidak mendukung sumber data yang berada di belakang VNET.
Bagaimana cara mendeteksi garis datar sebagai anomali?
Jika data Anda biasanya sangat tidak stabil dan banyak berfluktuasi, dan Anda ingin diperingatkan ketika berubah menjadi terlalu stabil atau bahkan menjadi garis datar, "Ubah ambang" dapat dikonfigurasi untuk mendeteksi titik data tersebut ketika perubahannya terlalu kecil. Lihat konfigurasi deteksi anomali untuk detailnya.
Bagaimana cara mengatur pengaturan email dan mengaktifkan peringatan melalui email?
Pengguna dengan hak istimewa administrator langganan atau administrator grup sumber daya perlu membuka sumber daya Advisor Metrik yang dibuat di portal Azure, dan memilih tab Kontrol akses(IAM).
Pilih Tambahkan penetapan peran
Pilih peran Administrator Advisor Metrik Cognitive Services, pilih akun Anda seperti pada gambar di bawah.
Pilih tombol Simpan, dan Anda ditambahkan sebagai administrator sumber daya Metrics Advisor. Perhatikan bahwa semua tindakan di atas perlu dilakukan oleh administrator langganan atau administrator grup sumber daya.
Mungkin perlu waktu hingga satu menit agar izin menyebar. Kemudian, pilih ruang kerja Advisor Metrik Anda, dan pilih opsi pengaturan email di panel navigasi sebelah kiri. Isi item yang diperlukan, khususnya info terkait SMTP.
Pilih Simpan, kemudian Anda sudah siap dengan konfigurasi email. Anda dapat membuat kait baru dan berlangganan anomali metrik untuk mendapatkan pemberitahuan mendekati real time.
Konsep tingkat lanjut
Bagaimana Metric Advisor membangun pohon diagnostik untuk metrik multidimensi?
Metrik dapat dibagi menjadi beberapa rangkaian waktu menurut dimensi. Misalnya, metrik Response latency dipantau untuk semua layanan yang dimiliki oleh tim. Kategori Service dapat digunakan sebagai dimensi untuk memperkaya metrik, sehingga kita mendapatkan Response latency dibagi dengan Service1, Service2, dan seterusnya. Setiap layanan dapat diterapkan pada mesin yang berbeda di beberapa pusat data, sehingga metrik dapat dibagi selengkapnya dengan Machine dan Data center.
| Layanan | Pusat Data | Komputer |
|---|---|---|
| S1 | DC1 | M1 |
| S1 | DC1 | M2 |
| S1 | DC2 | M3 |
| S1 | DC2 | M4 |
| S2 | DC1 | M1 |
| S2 | DC1 | M2 |
| S2 | DC2 | M5 |
| S2 | DC2 | M6 |
| ... |
Mulai dari total Response latency, kami dapat menelusuri paling detail metrik menurut Service, Data center, dan Machine. Namun, mungkin lebih masuk akal bagi pemilik layanan untuk menggunakan jalur Service ->Data center ->Machine, atau mungkin lebih masuk akal bagi teknisi infrastruktur untuk menggunakan jalur Data Center ->Machine ->Service. Semua tergantung pada kebutuhan bisnis individu pengguna Anda.
Di Advisor Metrik, pengguna dapat menentukan jalur apa pun yang ingin mereka telusuri atau gulung dari satu node topologi hierarkis. Lebih tepatnya, topologi hierarkis adalah grafik asiklik terarah daripada struktur pohon. Ada topologi hierarki penuh yang terdiri dari semua kombinasi dimensi potensial, seperti ini:
Secara teori, jika dimensi Service memiliki Ls nilai berbeda, dimensi Data center memiliki Ldc nilai berbeda, dan dimensi Machine memiliki Lm nilai berbeda, maka mungkin ada (Ls + 1) * (Ldc + 1) * (Lm + 1) kombinasi dimensi dalam topologi hierarki.
Tetapi biasanya tidak semua kombinasi dimensi valid, yang secara signifikan dapat mengurangi kompleksitas. Saat ini jika pengguna menggabungkan metrik tersebut sendiri, kami tidak membatasi jumlah dimensi. Jika Anda perlu menggunakan fungsi rollup yang disediakan oleh Advisor Metrik, jumlah dimensi tidak boleh lebih dari 6. Namun, kami membatasi jumlah rangkaian waktu yang diperluas menurut dimensi untuk metrik menjadi kurang dari 10.000.
Alat Pohon diagnostik di halaman diagnostik hanya menampilkan simpul yang mendeteksi anomali, bukan keseluruhan topologi. Hal ini bertujuan untuk membantu Anda fokus pada masalah saat ini. Hal ini juga mungkin tidak menampilkan semua anomali dalam metrik, dan sebaliknya akan menampilkan anomali teratas berdasarkan kontribusi. Dengan cara ini, kita dapat dengan cepat mengetahui dampak, ruang lingkup, dan jalur penyebaran data abnormal. Yang secara signifikan mengurangi jumlah anomali yang perlu kita fokuskan, dan membantu pengguna untuk memahami dan menemukan masalah utama mereka.
Misalnya, ketika anomali terjadi pada Service = S2 | Data Center = DC2 | Machine = M5, penyimpangan anomali berdampak pada node induk Service= S2 yang juga telah mendeteksi anomali tersebut, namun anomali tersebut tidak memengaruhi seluruh pusat data di DC2 dan semua layanan di M5. Pohon insiden akan dibangun seperti pada Cuplikan layar di bawah, anomali teratas ditangkap pada Service = S2, dan akar penyebab dapat dianalisis dalam dua jalur yang keduanya mengarah ke Service = S2 | Data Center = DC2 | Machine = M5.
