Navigáció kihagyása

Megoldásarchitektúra: Anomáliadetektálás gépi tanulással

A Microsoft Azure informatikai anomáliaelemzése segíthet az anomáliadetektálás automatizálásában és méretezésében, hogy az informatikai részlegek gyorsan felderíthessék és javíthassák a hibákat.

Ez a megoldás az alábbi, Azure által felügyelt szolgáltatásokra épül: Azure Event Hubs-eseményközpontok, Stream Analytics, Tárhely, Data Factory, Azure SQL Database, Machine Learning Studio, Service Bus, Application Insights és Power BI. Ezek a szolgáltatások magas rendelkezésre állású környezetben futnak javítások és támogatás mellett, ami lehetővé teszi, hogy a környezet helyett a megoldásra tudjon fókuszálni.

Anomaly detection with machine learningMicrosoft Azure’s IT Anomaly Insights can help automate and scale anomaly detection for IT departments to quickly detect and fix issues.Machine Learning(Anomaly Detection)Service Bus topics(Publish/subscribe capabilities)Visual Studio Application Insights(Monitoring and telemetry)Event Hub(Event queue)Table Storage(Big Data store)Stream Analytics(Realtime analytics)MetadataSave ML outputScore each datasetPublish anomalies detectedPower BI Azure SQL DB(Anomaly detection results)Data FactoryTime series data

Implementálási segédlet

Termékek/Leírás Dokumentáció

Azure Event Hubs-eseményközpontok

Ez a munkafolyamat belépési pontja, ahol a nyers adatok időrendben beérkeznek.

Stream Analytics

A Stream Analytics 5 percenként végez összesítést és a metrika neve szerint összegzi a nyers adatpontokat.

Tárhely

A Stream Analytics-feladat által összesített adatokat az Azure Storage tárolja.

Data Factory

A Data Factory rendszeres időközönként (alapértelmezés szerint 15 percenként) hívja meg az anomáliadetektáló API-t az Azure Storage-ban tárolt adatokkal. Az eredményeket egy SQL-adatbázisban tárolja.

Azure SQL Database

Az SQL Database tárolja az anomáliadetektáló API eredményeit, köztük a bináris észleléseket és az észlelési pontszámokat. Összetettebb jelentések készítését a nyers adatpontokkal együtt választhatóan küldött metaadatok tárolásával teszi lehetővé.

Machine Learning Studio

Ez futtatja az anomáliadetektáló API-t. Fontos, hogy maga az API állapotmentes és minden API-hívásnál előzményadat-pontok küldését követeli meg.

Service Bus

Az észlelt rendellenességek egy Service Bus témakörbe lesznek közzétéve, hogy a külső figyelő szolgáltatások feldolgozhassák őket.

Application Insights

Az Application Insights lehetővé teszi a folyamat figyelését.

Power BI

A Power BI irányítópultokon mutatja meg a nyers adatokat és az észlelt rendellenességeket is.

Kapcsolódó megoldásarchitektúrák