Beschreibung
Vereinbaren Sie mit einem unserer Partner für Advanced Analytics einen Proof of Concept in Ihrer Umgebung: Neal Analytics, Empired
Moderne Dienste generieren große Volumen an Telemetriedaten, um verschiedene Aspekte hinsichtlich betrieblicher Integrität, Systemleistung, Nutzungsinformationen, Geschäftsmetriken, Warnungen usw. nachzuverfolgen. Jedoch erfolgen Überwachung und Sammlung von Informationen aus diesen riesigen Datenmengen häufig nicht vollständig automatisiert und sind deshalb fehleranfällig (im Allgemeinen werden Regeln oder schwellenwertbasierte Warnungen verwendet). Dies macht es schwierig, die Integrität des Systems zu jedem Zeitpunkt effektiv und genau zu bestimmen.
Cortana Intelligence IT Anomaly Insights löst dieses Kundenproblem mit einer Lösung, die einfach zu verwenden ist und auf Cortana Intelligence Solutions (zur einfachen Bereitstellung von Azure-Diensten) und der Anomalieerkennungs-API von Azure Machine Learning (zur vollständig automatisierten Nachverfolgung von Verlaufs- und Echtzeitdaten) basiert. Damit können geschäftliche Entscheidungsträger den Wert von Daten innerhalb weniger Minuten einschätzen und die richtigen Schlüsse ziehen. Zudem können Kunden ihre eigenen Daten nutzen und die Lösung mithilfe schneller Proof of Concepts anpassen und erweitern, um sie auf ihr eigenes Szenario auszurichten. Diese Lösung bietet Organisationen die folgenden Möglichkeiten:
- Sie können die hochmoderne Anomalieerkennungs-API von Azure Machine Learning verwenden, um Anomalien sowohl in Verlaufs- als auch in Echtzeitdaten zu erkennen und darauf zu reagieren. Bei anderen Lösungen muss sich ein Mitarbeiter um das Neukalibrieren von Schwellenwerten kümmern, um fehlende Anomalien zu erkennen und falsch positive Ergebnisse zu minimieren. Dies ist bei dieser Lösung nicht mehr erforderlich.
- Sie können sehr schnell vom Potenzial der Lösung profitieren, indem sie sie ohne jegliche Vorabinvestition mit ihren eigenen Daten testen. Die Funktion „Jetzt ausprobieren“ bietet Benutzern die Möglichkeit, die richtigen Parameter hinsichtlich des Vertraulichkeitsgrads für den jeweils vorliegenden Anwendungsfall zu bestimmen.
- Sie können eine End-to-End-Pipeline in ihr Abonnement bereitstellen, um Daten aus lokalen und cloudbasierten Datenquellen zu erfassen und anomale Ereignisse an Überwachungs und Ticketausstellungssysteme später im Workflow zu senden – all dies per Plug & Play und innerhalb weniger Minuten.
Jetzt ausprobieren-Funktion mit Power BI
Lösungsdiagramm
Weitere Informationen zur Lösungsarchitektur sowie genaue Anleitungen finden Sie auf GitHub.
Wie im Lösungsdiagramm unten gezeigt, können Echtzeitmetrikströme sowohl aus lokalen als auch aus cloudbasierten Systemen in die Azure Event Hub-Warteschlange gesendet werden. Diese Ereignisse (oder Zeitreihen-Datenpunkte) werden von Azure Stream Analytics verarbeitet, wo sie alle fünf Minuten aggregiert werden. Jede Zeitreihe wird im 15-Minuten-Rhythmus zur Auswertung an die Azure-Anomalieerkennungs-API gesendet. Die Ergebnisse aus der API werden dann mit ihren während der Eingabe bereitgestellten Dimensionen in Azure-SQL-Datenbank gespeichert. Die erkannten Anomalien werden auch in Azure Service Bus veröffentlicht, sodass sie von den Ticketausstellungssystemen später im Workflow verwendet werden können. Die Lösung bietet zudem Anleitungen zum Einrichten eines Power BI-Dashboards, damit die Anomalien zur Ursachenanalyse schnell visualisiert werden können.
Anomalieerkennungs-API
Die Anomalieerkennungs-API wird in den Funktionen „Jetzt ausprobieren“ und in der bereitgestellten Lösung verwendet. Mit ihr lassen sich verschiedene Arten von Anomaliemustern in Ihren Zeitreihendaten erkennen. Die API weist jedem Datenpunkt in der Zeitreihe eine Anomaliebewertung zu, die zum Generieren von Warnungen, zum Überwachen mithilfe von Dashboards oder zum Herstellen einer Verbindung zu Ihren Ticketausstellungssystemen verwendet werden kann. Die Anomalieerkennungs-API kann die folgenden Arten von Anomalien in Zeitreihendaten erkennen:
- Spitzen und Abfälle: Beim Überwachen der Anzahl von fehlerhaften Anmeldeversuchen bei einem Dienst oder der Anzahl von Auscheckvorgängen in einer E-Commerce-Website können ungewöhnliche Spitzen oder Abfälle z. B. auf Sicherheitsangriffe oder Dienstunterbrechungen hinweisen.
- Positive und negative Trends: Beim Überwachen der Speicherauslastung für das Computing kann eine starke Abnahme des freien Speicherplatzes z. B. ein Anzeichen für einen potenziellen Arbeitsspeicherverlust sein. Bei der Überwachung der Länge der Dienstwarteschlange kann ein dauerhafter Aufwärtstrend möglicherweise auf ein zugrunde liegendes Softwareproblem hinweisen.
- Niveauänderungen und Änderungen am dynamischen Bereich von Werten: Beispielsweise können Niveauänderungen bei den Latenzzeiten eines Diensts nach einem Dienstupgrade oder eine geringere Anzahl von Ausnahmen nach dem Upgrade ein interessanter Aspekt für die Überwachung sein.
Haftungsausschluss
©2017 Microsoft Corporation. Alle Rechte vorbehalten. Alle Informationen werden im vorliegenden Zustand bereitgestellt und können sich ohne Vorankündigung ändern. Microsoft leistet weder ausdrücklich noch stillschweigend Gewähr hinsichtlich der hier zur Verfügung gestellten Informationen. Zur Erstellung der Lösung wurden Drittanbieterdaten verwendet. Sie sind dafür verantwortlich, die Rechte Dritter zu berücksichtigen. Hierzu zählen u.a. das Beschaffen relevanter Lizenzen, die zur Erstellung ähnlicher Datensätze benötigt werden, und das Erfüllen der jeweiligen Lizenzbedingungen.