Vanliga frågor och svar om Metrics Advisor

Grundläggande begrepp

När kommer Metrics Advisor att bli inaktuell?

Från och med den 20 september 2023 kommer du inte att kunna skapa nya Metrics Advisor-resurser. Metrics Advisor-tjänsten dras tillbaka den 1 oktober 2026.

Vad är flerdimensionella tidsseriedata?

Se definitionen för flerdimensionella mått i ordlistan.

Hur mycket data behövs för att Metrics Advisor ska kunna starta avvikelseidentifiering?

Minst en datapunkt kan utlösa avvikelseidentifiering. Detta ger dock inte den bästa noggrannheten. Tjänsten förutsätter ett fönster med tidigare datapunkter med det värde som du har angett som "fill-gap"-regeln när dataflödet skapas.

Vi rekommenderar att du har vissa data före tidsstämpeln som du vill ha identifiering på. Baserat på dina datas kornighet varierar den rekommenderade datamängden enligt nedan.

Precision Rekommenderad datamängd för identifiering
Mindre än 5 minuter 4 dagars data
5 minuter till 1 dag 28 dagars data
Mer än 1 dag, till 31 dagar 4 års data
Mer än 31 dagar 48 års data

Vilka data bearbetar Metrics Advisor och hur bevaras data?

  • Metrics Advisor bearbetar tidsseriedata som samlas in från en kunds datakälla, historiska data används för modellval och avgör den förväntade datagränsen.
  • Kundens tidsseriedata och slutsatsdragningsresultat lagras i tjänsten. Metrics Advisor lagrar eller bearbetar inte kunddata utanför den region där kunden distribuerar tjänstinstansen.

Varför identifierar Metrics Advisor inte avvikelser från historiska data?

Metrics Advisor är utformat för att identifiera direktuppspelningsdata. Det finns en begränsning av den maximala längden på historiska data som tjänsten kommer att se tillbaka och köra avvikelseidentifiering. Det innebär att endast datapunkter efter en viss tidigaste tidsstämpel får avvikelseidentifieringsresultat. Den tidigaste tidsstämpeln beror på dina datas kornighet.

Baserat på dina datas kornighet är längden på de historiska data som kommer att ha resultat av avvikelseidentifiering enligt nedan.

Precision Maximal längd på historiska data för avvikelseidentifiering
Mindre än 5 minuter Registreringstid – 13 timmar
5 minuter till mindre än 1 timme Registreringstid – 4 dagar
1 timme till mindre än 1 dag Registreringstid – 14 dagar
1 dag Registreringstid – 28 dagar
Större än 1 dag, mindre än 31 dagar Ombordtid - 2 år
Mer än 31 dagar Ombordtid - 24 år

Vilka är datakvarhållningen och begränsningarna för Metrics Advisor?

  1. Datakvarhållning. Metrics Advisor behåller högst 10 000 tidsintervall vad är ett intervall? framåträkning från aktuell tidsstämpel, oavsett om det finns tillgängliga data eller inte. Data som faller ut ur fönstret tas bort. Datakvarhållningsmappning till antal dagar för olika måttkornighet.
Kornighet(min) Kvarhållning(dag)
1 6.94
5 34.72
15 104.1
60(=timme) 416.67
1440(=dagligen) 10000.00
  1. Begränsning av maximalt antal tidsserier inom ett mått.

De kan ha flera dimensioner inom ett mått och varje dimension kan ha flera värden. Den maximala dimensionskombinationen för ett mått får inte överstiga 100 000.

  • Metrics Advisor-resursadministratörer och dataflödesägare meddelas när begränsningen på 80 % nås på informationssidan för dataflöde.
  • Om måttet har överskridit begränsningen pausas dataflödet och väntar tills kunderna vidtar uppföljningsåtgärder. Vi föreslår att du delar upp dataflödet till flera dataflöden med hjälp av filtrering.
  1. Begränsning av maximala datapunkter som lagras i en Metrics Advisor-instans

Metrics Advisor räknar med totala datapunkter från alla dataflöden som registrerats i instansen med början från den första tidsstämpeln för inmatning. Det maximala antalet datapunkter som ska lagras i en Metrics Advisor-instans är 2 miljarder.

  • Metrics Advisor-resursadministratörer och alla användare meddelas när begränsningen på 80 % nås på sidan för dataflödeslistan och via sidan för att lägga till nya dataflöden.
  • Om de totala datapunkterna har överskridit begränsningen pausas alla dataflöden och även ny feedregistrering blockeras. Vi föreslår att du tar bort oanvända dataflöden eller skapar en ny Metrics Advisor-resurs i din prenumeration.

Varför kan jag inte logga in på Metrics Advisor? Felmeddelandet säger "Resursen har inaktiverats på grund av inaktiv om 90 dagar"

Det finns två fall där en resurs har inaktiverats:

  • En Metrics Advisor-resurs skapas, men inget dataflöde har registrerats inom 90 dagar. Resursen inaktiveras efter 90 dagar på grund av inaktivitet.
  • Om en eller flera dataflöden har skapats, men inga nya data matas in i Metrics Advisor, kommer tjänsten att gå in i inaktivt läge utan att några data ska bearbetas. Systemet kommer fortfarande att försöka hämta data regelbundet från källan enligt måttkornigheten. Men om det fortfarande inte finns några tillgängliga data eller om det inte finns några enskilda tidsserier som ska bearbetas under en period av 90 dagar i följd, inaktiveras resursen. Alla historiska data som är associerade med resursen går förlorade när den inaktiveras.

Vi rekommenderar att du skapar en ny resurs och tar bort den gamla om du vill starta om användningen.

Hur gör jag för att identifiera toppar och dalar som avvikelser?

Om du har fördefinierade hårda tröskelvärden kan du manuellt ange "hårt tröskelvärde" i konfigurationer för avvikelseidentifiering. Om det inte finns några tröskelvärden kan du använda "smart identifiering", som drivs av AI. Mer information finns i justera identifieringskonfigurationen.

Hur gör jag för att identifiera inkonformitet med vanliga (säsongsbaserade) mönster som avvikelser?

"Smart identifiering" kan lära sig mönstret för dina data, inklusive säsongsmönster. Den identifierar sedan de datapunkter som inte överensstämmer med de vanliga mönstren som avvikelser. Mer information finns i justera identifieringskonfigurationen.

Stöder Metrics Advisor datakällor som ligger bakom ett virtuellt nätverk?

Nej, Metrics Advisor stöder för närvarande inte datakällor som ligger bakom ett virtuellt nätverk.

Hur gör jag för att identifiera platta linjer som avvikelser?

Om dina data normalt är ganska instabila och fluktuerar mycket, och du vill bli varnad när de blir för stabila eller till och med blir en platt linje, kan "Ändringströskel" konfigureras för att identifiera sådana datapunkter när ändringen är för liten. Mer information finns i konfigurationer för avvikelseidentifiering.

Hur konfigurerar du e-postinställningar och aktiverar aviseringar via e-post?

  1. En användare med administratörs- eller resursgruppsadministratörsbehörigheter måste navigera till den Metrics Advisor-resurs som skapades i Azure-portalen och välja fliken Åtkomstkontroll (IAM).

  2. Välj Lägg till rolltilldelningar

  3. Välj en roll som administratör för Cognitive Services Metrics Advisor och välj ditt konto som i bilden nedan.

  4. Välj knappen Spara och du läggs till som administratör för Metrics Advisor-resursen. Alla ovanstående åtgärder måste utföras av prenumerationsadministratören eller resursgruppsadministratören.

    Access control(IAM) menu page with add a role assignment selected, followed by a box with assign access to selected user displayed with an access role of Cognitive Services Metrics Advisor Administrator, followed by the save button of the UI being selected to illustrate the steps of searching for a user and adding a particular level of access permissions.

  5. Det kan ta upp till en minut innan behörigheterna sprids. Välj sedan din Metrics Advisor-arbetsyta och välj alternativet E-postinställning i den vänstra navigeringspanelen. Fyll i de nödvändiga objekten, särskilt SMTP-relaterad information.

  6. Välj Spara och sedan är du redo med e-postkonfigurationen. Du kan skapa nya krokar och prenumerera på måttavvikelser för nästan realtidsaviseringar.

Avancerade begrepp

Hur skapar Metric Advisor ett diagnostikträd för flerdimensionella mått?

Ett mått kan delas upp i flera tidsserier efter dimensioner. Måttet Response latency övervakas till exempel för alla tjänster som ägs av teamet. Kategorin Service kan användas som en dimension för att utöka måttet, så vi delas Response latency upp med Service1, Service2och så vidare. Varje tjänst kan distribueras på olika datorer i flera datacenter, så måttet kan delas upp ytterligare av Machine och Data center.

Tjänst Datacenter Dator
S1 DC1 M1
S1 DC1 M2
S1 DC2 M3
S1 DC2 M4
S2 DC1 M1
S2 DC1 M2
S2 DC2 M5
S2 DC2 M6
...

Från och med summan Response latencykan vi öka detaljnivån i måttet med Service, Data center och Machine. Men kanske är det mer meningsfullt för tjänstägare att använda sökvägen Service ->Data center ->Machine eller kanske är det mer meningsfullt för infrastrukturingenjörer att använda sökvägen Data Center ->Machine ->Service. Allt beror på användarnas individuella affärskrav.

I Metric Advisor kan användare ange vilken sökväg de vill öka detaljnivån eller samla upp från en nod i den hierarkiska topologin. Mer exakt är den hierarkiska topologin en riktad acyklisk graf snarare än en trädstruktur. Det finns en fullständig hierarkisk topologi som består av alla potentiella dimensionskombinationer, så här:

hierarchical topology diagram consisting of multiple interconnecting vertices and edges with multiple dimensions labeled S,DC, and M with corresponding numbers ranging from 1 to 6

I teorin, om dimensionen Service har Ls distinkta värden, dimensionen Data center har Ldc distinkta värden och dimensionen Machine har Lm distinkta värden, kan det finnas (Ls + 1) * (Ldc + 1) * (Lm + 1) dimensionskombinationer i den hierarkiska topologin.

Men vanligtvis är inte alla dimensionskombinationer giltiga, vilket avsevärt kan minska komplexiteten. Om användarna aggregerar måttet själva begränsar vi för närvarande inte antalet dimensioner. Om du behöver använda sammanslagningsfunktionen som tillhandahålls av Metrics Advisor bör antalet dimensioner inte vara fler än 6. Vi begränsar dock antalet tidsserier som utökas med dimensioner för ett mått till mindre än 10 000.

Verktyget Diagnostikträd på diagnostiksidan visar bara noder där en avvikelse har identifierats, i stället för hela topologin. Detta hjälper dig att fokusera på det aktuella problemet. Det kanske inte heller visar alla avvikelser i måttet och visar i stället de främsta avvikelserna baserat på bidrag. På så sätt kan vi snabbt ta reda på effekten, omfattningen och spridningssökvägen för onormala data. Vilket avsevärt minskar antalet avvikelser som vi behöver fokusera på och hjälper användarna att förstå och hitta sina viktigaste problem.

När en avvikelse inträffar på Service = S2 | Data Center = DC2 | Machine = M5påverkar avvikelsen för avvikelsen till exempel den överordnade noden Service= S2, som också har identifierat avvikelsen, men avvikelsen påverkar inte hela datacentret vid DC2 och alla tjänster på M5. Incidentträdet skulle skapas som i skärmbilden nedan, den översta avvikelsen registreras på Service = S2och rotorsaken kan analyseras i två sökvägar som båda leder till Service = S2 | Data Center = DC2 | Machine = M5.

5 labeled vertices with two distinct paths connected by edges with a common node labeled S2. The top anomaly is captured on Service = S2, and root cause can be analyzed by the two paths which both lead to Service = S2 | Data Center = DC2 | Machine = M5