Dela via


Skapa en måttavisering med dynamiska tröskelvärden

Dynamiska tröskelvärden tillämpar avancerad maskininlärning och använder en uppsättning algoritmer och metoder för att:

  • Lär dig det historiska beteendet för mått.
  • Analysera mått över tid och identifiera mönster, till exempel mönster per timme, dag eller vecka.
  • Identifiera avvikelser som indikerar möjliga tjänstproblem.
  • Beräkna de lämpligaste tröskelvärdena för mått.

När du använder dynamiska tröskelvärden behöver du inte känna till rätt tröskelvärde för varje mått. Dynamiska tröskelvärden beräknar de lämpligaste tröskelvärdena för dig.

Vi rekommenderar att du konfigurerar aviseringsregler med dynamiska tröskelvärden för dessa mått:

  • Processorprocent för virtuell dator
  • Körningstid för Application Insights HTTP-begäran

Dynamiska tröskelvärden hjälper dig:

  • Skapa skalbara aviseringar för hundratals måttserier med en aviseringsregel. Om du har färre aviseringsregler ägnar du mindre tid åt att skapa och hantera dem. Skalbara aviseringar är särskilt användbara för flera dimensioner eller för flera resurser, till exempel alla resurser i en prenumeration.
  • Skapa regler utan att behöva veta vilket tröskelvärde som ska konfigureras.
  • Konfigurera måttaviseringar med hjälp av övergripande begrepp utan att behöva omfattande domänkunskap om måttet.
  • Förhindra brus (låg precision) eller breda tröskelvärden (låg träffsäkerhet) som inte har ett förväntat mönster.

Du kan använda dynamiska tröskelvärden på:

  • De flesta Azure Monitor-plattformar och anpassade mått.
  • Vanliga program- och infrastrukturmått.
  • Brusmått, till exempel datorns PROCESSOR eller minne.
  • Mått med låg spridning, till exempel tillgänglighet och felfrekvens.

Du kan konfigurera dynamiska tröskelvärden med hjälp av:

Beräkning och förhandsversion av aviseringströskel

När en aviseringsregel skapas använder dynamiska tröskelvärden 10 dagars historiska data för att beräkna säsongsmönster per timme eller dagligen. Diagrammet som visas i aviseringsförhandsgranskningen visar dessa data.

Dynamiska tröskelvärden använder kontinuerligt alla tillgängliga historiska data för att lära sig, och de gör justeringar för att vara mer exakta. Efter tre veckor har dynamiska tröskelvärden tillräckligt med data för att identifiera veckomönster, och modellen justeras för att inkludera veckovis säsongsvariation.

Systemet identifierar automatiskt långvariga avbrott och tar bort dem från algoritmen för tröskelvärdesinlärning. Om det uppstår ett långvarigt avbrott förstår dynamiska tröskelvärden data. De identifierar systemproblem med samma känslighetsnivå som innan avbrottet inträffade.

Överväganden för att använda dynamiska tröskelvärden

  • För att säkerställa en korrekt tröskelberäkning utlöser inte aviseringsregler som använder dynamiska tröskelvärden en avisering innan de samlar in tre dagar och minst 30 exempel på måttdata. Nya resurser eller resurser som saknar måttdata utlöser inte en avisering förrän tillräckligt med data är tillgängliga.
  • Dynamiska tröskelvärden behöver minst tre veckors historiska data för att identifiera säsongsvariationer varje vecka. Vissa detaljerade mönster, till exempel bihourly- eller semiweekly-mönster, kanske inte identifieras.
  • Om beteendet för ett mått nyligen har ändrats återspeglas inte ändringarna omedelbart i det dynamiska tröskelvärdets övre och nedre gränser. Kantlinjerna beräknas baserat på måttdata från de senaste 10 dagarna. När du visar det dynamiska tröskelvärdets kantlinjer för ett visst mått tittar du på måtttrenden under den senaste veckan och inte bara för de senaste timmarna eller dagarna.
  • Dynamiska tröskelvärden är bra för att identifiera betydande avvikelser, i stället för långsamt föränderliga problem. Långsamma beteendeändringar utlöser förmodligen ingen avisering.

Kända problem med dynamisk tröskelvärdeskänslighet

  • Om en aviseringsregel som använder dynamiska tröskelvärden är för hög eller utlöses för mycket kan du behöva minska dess känslighet. Välj ett av följande alternativ:

    • Tröskelvärdeskänslighet: Ställ in känsligheten på Låg för att vara mer tolerant mot avvikelser.
    • Antal överträdelser (under Avancerade inställningar): Konfigurera aviseringsregeln så att den utlöses endast om flera avvikelser inträffar inom en viss tidsperiod. Den här inställningen gör regeln mindre mottaglig för tillfälliga avvikelser.
  • Du kanske upptäcker att en aviseringsregel som använder dynamiska tröskelvärden inte utlöses eller inte är tillräckligt känslig, även om den är konfigurerad med hög känslighet. Det här scenariot kan inträffa när måttfördelningen är mycket oregelbunden. Överväg någon av följande lösningar:

    • Övergå till att övervaka ett kompletterande mått som är lämpligt för ditt scenario, om tillämpligt. Du kan till exempel söka efter ändringar i framgångsfrekvensen i stället för felfrekvensen.
    • Prova att välja ett annat värde för sammansättningskornighet (period).
    • Kontrollera om en drastisk ändring har skett i måttbeteendet under de senaste 10 dagarna, till exempel ett avbrott. En plötslig ändring kan påverka de övre och lägre tröskelvärdena som beräknas för måttet och göra dem bredare. Vänta några dagar tills avbrottet inte längre ingår i beräkningen av tröskelvärdet. Du kan också redigera aviseringsregeln för att använda alternativet Ignorera data före i Avancerade inställningar.
    • Om dina data har säsongsvariationer varje vecka, men det inte finns tillräckligt med historik för måttet, kan de beräknade tröskelvärdena resultera i breda övre och nedre gränser. Beräkningen kan till exempel behandla vardagar och helger på samma sätt och skapa breda kantlinjer som inte alltid passar data. Det här problemet bör lösa sig självt när tillräckligt med måtthistorik är tillgänglig. Sedan identifieras rätt säsongsvariation och de beräknade tröskelvärdena uppdateras i enlighet med detta.
  • När ett måttvärde uppvisar stora variationer kan dynamiska tröskelvärden skapa en bred modell runt måttvärdena, vilket kan resultera i en lägre eller högre gräns än förväntat. Det här scenariot kan inträffa när:

    • Känsligheten är inställd på låg.
    • Måttet uppvisar ett oregelbundet beteende med hög varians, som visas som toppar eller dalar i data.

    Överväg att göra modellen mindre känslig genom att välja en högre känslighet eller välja ett större lookback-periodvärde . Du kan också använda alternativet Ignorera data före för att exkludera en ny oregelbundlighet från historiska data som används för att skapa modellen.

Konfiguration av dynamiska tröskelvärden

Om du vill konfigurera dynamiska tröskelvärden följer du proceduren för att skapa en aviseringsregel. Använd de här inställningarna på fliken Villkor :

  • Som Tröskelvärde väljer du Dynamisk.
  • För sammansättningstyp rekommenderar vi att du inte väljer Maximalt.
  • För Operator väljer du Större än om inte beteendet representerar programanvändningen.
  • För Tröskelvärdeskänslighet väljer du Medel eller Låg för att minska aviseringsbruset.
  • För Kontrollera var och en väljer du hur ofta aviseringsregeln kontrollerar om villkoret uppfylls. Om du vill minimera aviseringens affärspåverkan bör du överväga att använda en lägre frekvens. Kontrollera att det här värdet är mindre än eller lika med lookback-periodvärdet .
  • För Lookback-period anger du tidsperioden för att se tillbaka på varje gång som data kontrolleras. Kontrollera att det här värdet är större än eller lika med värdet Kontrollera varje värde.
  • För Avancerade alternativ väljer du hur många överträdelser som utlöser aviseringen inom en viss tidsperiod. Du kan också ange det datum från vilket du vill börja lära dig historiska måttdata och beräkna de dynamiska tröskelvärdena.

Kommentar

Måttaviseringsregler som du skapar via portalen skapas i samma resursgrupp som målresursen.

Diagram för dynamiska tröskelvärden

Följande diagram visar ett mått, dess dynamiska tröskelvärden och några aviseringar som utlöstes när värdet låg utanför de tillåtna tröskelvärdena.

Skärmbild av ett diagram som visar ett mått, dess dynamiska tröskelvärden och några aviseringar som utlöstes.

Använd följande information för att tolka diagrammet:

  • Blå linje: Måttet som mäts över tid.
  • Blått skuggat område: Det tillåtna intervallet för måttet. Om måttvärdena ligger inom det här intervallet utlöses ingen avisering.
  • Blå punkter: Aggregerade måttvärden. Om du väljer en del av diagrammet och sedan hovrar över den blå linjen visas en blå punkt under markören för att ange ett enskilt aggregerat måttvärde.
  • Popup-ruta med blå punkt: Det uppmätta måttvärdet (blå punkt) och de övre och lägre värdena för det tillåtna intervallet.
  • Röd punkt med en svart cirkel: Det första måttvärdet utanför det tillåtna intervallet. Det här värdet utlöser en måttavisering och placerar den i ett aktivt tillstånd.
  • Röda punkter: Andra uppmätta värden utanför det tillåtna intervallet. De utlöser inte fler måttaviseringar, men aviseringen förblir i aktivt tillstånd.
  • Rött område: Den tid då måttvärdet låg utanför det tillåtna intervallet. Aviseringen förblir i aktivt tillstånd så länge efterföljande uppmätta värden ligger utanför det tillåtna intervallet, men inga nya aviseringar utlöses.
  • Slutet av det röda området: En återgång till tillåtna värden. När den blå linjen är tillbaka inuti de tillåtna värdena stoppas det röda området och den uppmätta värdelinjen blir blå. Statusen för måttaviseringen som utlöstes vid tidpunkten för den röda punkten med en svart cirkel är inställd på löst.

Mått som inte stöds av dynamiska tröskelvärden

Dynamiska tröskelvärden stöder de flesta mått, men följande mått kan inte använda dynamiska tröskelvärden:

Resurstyp Måttnamn
Microsoft.ClassicStorage/storageAccounts UsedCapacity
Microsoft.ClassicStorage/storageAccounts/blobServices BlobCapacity
Microsoft.ClassicStorage/storageAccounts/blobServices BlobCount
Microsoft.ClassicStorage/storageAccounts/blobServices IndexCapacity
Microsoft.ClassicStorage/storageAccounts/fileServices Filkapacitet
Microsoft.ClassicStorage/storageAccounts/fileServices FileCount
Microsoft.ClassicStorage/storageAccounts/fileServices FileShareCount
Microsoft.ClassicStorage/storageAccounts/fileServices FileShareSnapshotCount
Microsoft.ClassicStorage/storageAccounts/fileServices FileShareSnapshotSize
Microsoft.ClassicStorage/storageAccounts/fileServices FileShareQuota
Microsoft.Compute/diskar Skrivskyddade byte/s för sammansatt disk
Microsoft.Compute/diskar Läsåtgärder för sammansatt disk per sekund
Microsoft.Compute/diskar Sammansatta diskskrivningsbyte per sekund
Microsoft.Compute/diskar Skrivåtgärder för sammansatt disk per sekund
Microsoft.ContainerService/managedClusters NodesCount
Microsoft.ContainerService/managedClusters PodCount
Microsoft.ContainerService/managedClusters CompletedJobsCount
Microsoft.ContainerService/managedClusters Starta omContainerCount
Microsoft.ContainerService/managedClusters OomKilledContainerCount
Microsoft.Devices/IotHubs TotalDeviceCount
Microsoft.Devices/IotHubs ConnectedDeviceCount
Microsoft.Devices/IotHubs TotalDeviceCount
Microsoft.Devices/IotHubs ConnectedDeviceCount
Microsoft.DocumentDB/databaseAccounts CassandraConnectionClosures
Microsoft.EventHub/clusters Storlek
Microsoft.EventHub/namnrymder Storlek
Microsoft.IoTCentral/IoTApps connectedDeviceCount
Microsoft.IoTCentral/IoTApps provisionedDeviceCount
Microsoft.Kubernetes/connectedClusters NodesCount
Microsoft.Kubernetes/connectedClusters PodCount
Microsoft.Kubernetes/connectedClusters CompletedJobsCount
Microsoft.Kubernetes/connectedClusters Starta omContainerCount
Microsoft.Kubernetes/connectedClusters OomKilledContainerCount
Microsoft.MachineLearningServices/workspaces/onlineEndpoints RequestsPerMinute
Microsoft.MachineLearningServices/workspaces/onlineEndpoints/deployments DeploymentCapacity
Microsoft.Maps/accounts CreatorUsage
Microsoft.Media/mediaservices/streamingEndpoints EgressBandwidth
Microsoft.Network/applicationGateways Genomflöde
Microsoft.Network/azureFirewalls Genomflöde
Microsoft.Network/expressRouteGateways ExpressRouteGatewayPacketsPerSecond
Microsoft.Network/expressRouteGateways ExpressRouteGatewayNumberOfVmInVnet
Microsoft.Network/expressRouteGateways ExpressRouteGatewayFrequencyOfRoutesChanged
Microsoft.Network/virtualNetworkGateways ExpressRouteGatewayBitsPerSecond
Microsoft.Network/virtualNetworkGateways ExpressRouteGatewayPacketsPerSecond
Microsoft.Network/virtualNetworkGateways ExpressRouteGatewayNumberOfVmInVnet
Microsoft.Network/virtualNetworkGateways ExpressRouteGatewayFrequencyOfRoutesChanged
Microsoft.ServiceBus/namespaces Storlek
Microsoft.ServiceBus/namespaces Meddelanden
Microsoft.ServiceBus/namespaces ActiveMessages
Microsoft.ServiceBus/namespaces DeadletteredMessages
Microsoft.ServiceBus/namespaces ScheduledMessages
Microsoft.ServiceFabricMesh/applications AllokeradCpu
Microsoft.ServiceFabricMesh/applications AllocatedMemory
Microsoft.ServiceFabricMesh/applications ActualCpu
Microsoft.ServiceFabricMesh/applications ActualMemory
Microsoft.ServiceFabricMesh/applications ApplicationStatus
Microsoft.ServiceFabricMesh/applications ServiceStatus
Microsoft.ServiceFabricMesh/applications ServiceReplicaStatus
Microsoft.ServiceFabricMesh/applications ContainerStatus
Microsoft.ServiceFabricMesh/applications RestartCount
Microsoft.Storage/storageAccounts UsedCapacity
Microsoft.Storage/storageAccounts/blobServices BlobCapacity
Microsoft.Storage/storageAccounts/blobServices BlobCount
Microsoft.Storage/storageAccounts/blobServices BlobProvisionedSize
Microsoft.Storage/storageAccounts/blobServices IndexCapacity
Microsoft.Storage/storageAccounts/fileServices Filkapacitet
Microsoft.Storage/storageAccounts/fileServices FileCount
Microsoft.Storage/storageAccounts/fileServices FileShareCount
Microsoft.Storage/storageAccounts/fileServices FileShareSnapshotCount
Microsoft.Storage/storageAccounts/fileServices FileShareSnapshotSize
Microsoft.Storage/storageAccounts/fileServices FileShareCapacityQuota
Microsoft.Storage/storageAccounts/fileServices FileShareProvisionedIOPS

Om du har feedback om dynamiska tröskelvärden kan du skicka ett e-postmeddelande till oss.