실시간 데이터 스트림의 변칙 검색

Cortana Intelligence IT Anomaly Insights 솔루션을 사용하면 대규모 조직 내의 IT 부서에서는 IT 인프라(CPU, 메모리 등), 서비스(시간 초과, SLA 편차, brownout 등) 및 기타 KPI(핵심 성과 지표)(주문 백로그, 로그인 및 결제 실패 등)로부터의 기본적인 상태 메트릭을 바탕으로 확장 가능한 자동화된 방식으로 문제를 빠르게 진단하고 해결할 수 있습니다. 이 솔루션을 통해 사용자 지정 데이터를 사용해 볼 수 있는 ‘평가판 사용해 보기’ 환경에서 솔루션이 제공하는 가치를 쉽게 실현할 수 있습니다. ‘배포’ 환경을 사용하여 종단 간 솔루션 구성 요소를 Azure 구독에 배포하고 필요에 따라 사용자 지정을 완벽하게 제어하는 방식으로 Azure에서 솔루션을 빠르게 시작할 수 있습니다.

설명

참고: 이 솔루션을 이미 배포한 경우 여기를 클릭하여 배포를 확인하세요.

고급 분석 파트너 중 하나와 연결하여 해당 환경에서 개념 증명 정렬: Neal Analytics, Empired

예상 프로비전 시간: 30분

오늘날 현대적인 서비스는 운영 상태, 시스템 성능, 사용 정보, 비즈니스 메트릭, 경고 등의 다양한 측면을 추적하기 위한 방대한 양의 원격 분석 데이터를 생성합니다. 하지만 IT 부서에 대한 이 대용량 데이터로부터 정보를 모니터링하고 수집하는 작업이 완전히 자동화되어 있지 않아서 오류가 쉽게 발생하고(일반적으로 규칙 또는 임계값 기반 경고 사용), 특정 시점의 시스템 상태를 효과적으로 정확하게 파악하기 어려운 경우가 많습니다.

Cortana Intelligence IT Anomaly Insights는 Cortana Intelligence 솔루션(간편한 Azure 서비스 배포를 위해) 및 Azure Machine Learning Anomaly Detection API(과거 및 실시간 데이터의 완전히 자동화된 추적을 위해)를 기반으로 진입 장벽이 낮은 솔루션을 제공하여 고객 문제를 해결하므로 비즈니스 의사 결정자가 몇 분 내에 손쉽게 가치를 평가하고 실현할 수 있고 고객이 자신의 데이터를 사용하고, 빠른 개념 증명을 통해 특정 시나리오에 맞게 솔루션을 사용자 지정 및 확장할 수도 있습니다. 이 솔루션을 통해 조직에서는 다음을 할 수 있습니다.

  • 첨단 Azure Machine Learning Anomaly Detection API를 사용하여 과거 및 실시간 데이터에서 모두 변칙을 알아보고 이에 대응합니다. 이렇게 하면 사람이 개입할 필요가 없지만, 이 솔루션이 없다면 누락된 변칙을 검색하고 가양성을 최소화하기 위해 사람이 임계값을 재보정해야 합니다.
  • 사전 투자 없이 자신의 데이터로 평가판을 사용해 보면 솔루션의 잠재력을 빠르게 실현할 수 있습니다. ‘평가판 사용해 보기’ 환경은 사용 중인 사용 사례의 적합한 민감도 매개 변수 집합을 결정하는 기능을 사용자에게 제공합니다.
  • 종단 간 파이프라인을 구독에 배포하여 온-프레미스와 클라우드 데이터 원본으로부터 데이터를 수집하고 비정상적인 이벤트를 단 몇 분 내에 플러그 앤 플레이 방식으로 다운스트림 모니터링 및 티켓팅 시스템으로 보고합니다.

PowerBI를 통해 환경 사용해 보기

IT Anomaly Insights 미리 구성된 솔루션 대시보드

솔루션 다이어그램

GitHub에서 솔루션 아키텍처 및 자세한 지침을 참조하세요.

아래 솔루션 다이어그램에 설명된 대로 온-프레미스 또는 클라우드 기반 시스템에서 시작되는 실시간 메트릭 스트림은 Azure Event Hub 큐에 주입될 수 있습니다. 이러한 이벤트(또는 시계열 데이터 요소)는 5분 간격으로 집계되는 Azure Stream Analytics에서 처리됩니다. 각 시계열은 15분 주기로 평가하기 위해 Azure Anomaly Detection API로 전송됩니다. 입력 중에 제공된 크기와 함께 API의 결과는 Azure SQL DB에 저장됩니다. 검색된 변칙은 Azure Service Bus에도 게시되므로 다운스트림 티켓팅 시스템에서 사용될 수 있습니다. 이 솔루션은 근본 원인 분석을 위해 변칙을 빠르게 시각화할 수 있도록 Power BI 대시보드를 설정하기 위한 지침도 제공합니다.

Anomaly Detection API

Anomaly Detection API는 ‘지금 평가판 사용’ 환경과 배포된 솔루션에서 사용됩니다. 이 API를 통해 시계열 데이터에서 다양한 형식의 비정상적인 패턴을 검색할 수 있습니다. 이 API는 시계열의 각 데이터 요소에 변칙 점수를 할당하고, 이 점수는 경고를 생성하거나, 대시보드를 통해 모니터링하거나, 티켓팅 시스템과 연결하는 데 사용될 수 있습니다. Anomaly Detection API는 시계열 데이터에서 다음 형식의 변칙을 검색할 수 있습니다.

  • 급증 및 급락: 예를 들어 서비스에 대한 로그인 오류 수 또는 전자 상거래 사이트의 체크 아웃 수를 모니터링할 경우 비정상적인 급증 또는 급락은 보안 공격이나 서비스 중단을 나타낼 수 있습니다.
  • 양의 추세 및 음의 추세: 컴퓨팅에서 메모리 사용을 모니터링할 경우 예를 들어 사용 가능한 메모리 크기 축소는 잠재적인 메모리 누수를 나타냅니다. 서비스 큐 길이를 모니터링할 경우 지속적인 상향 추세는 기본적인 소프트웨어 문제를 나타낼 수 있습니다.
  • 수준 변경 및 동적 값 범위의 변경: 예를 들어 서비스 업그레이드 후 서비스 지연 시간 수준이 변경되거나 업그레이드 후 예외 수준이 낮아지는 것은 흥미롭게 모니터링할 수 있습니다.

고지 사항

©2017 Microsoft Corporation. All rights reserved. 이 정보는 “있는 그대로” 제공되며 예고 없이 변경될 수 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적 또는 묵시적 보증도 하지 않습니다. 타사 데이터는 솔루션을 생성하는 데 사용되었습니다. 유사한 데이터 집합을 만들기 위해 관련 라이선스를 확보하고 준수하는 것을 비롯한 다른 사람의 권리를 존중하는 것은 귀하의 책임입니다.

관련 솔루션 아키텍처

예측 유지 관리

이 예측 유지 관리 솔루션은 항공기를 모니터링하고 항공기 엔진 부품의 남은 유효 수명을 예측합니다.

품질 보증

비즈니스는 품질 보증 시스템을 통해 고객에게 상품 또는 서비스를 제공하는 전체 프로세스에서 결함을 방지할 수 있습니다. 파이프라인을 따라 데이터를 수집하고 잠재적인 문제를 식별하는 시스템을 빌드하면 큰 장점이 있을 수 있습니다. 예를 들어 디지털 제조에서 어셈블리 라인에 대한 품질 보증은 필수적입니다. 속도 저하와 잠재적인 문제를 감지된 후보다는 발생하기 전에 식별하면 회사에서는 생산성을 개선하면서 폐기 및 재작업 비용을 줄일 수 있습니다.