Anomaly Detector로 문제 식별

Anomaly Detector를 사용하면 간단히 앱에 변칙 검색 기능을 포함하여 사용자가 빠르게 문제를 식별하도록 할 수 있습니다. 기계 학습에 대한 배경 지식이 필요하지 않습니다. 이 API는 모든 형식의 시계열 데이터를 수집하고 높은 정확성이 보장되도록 데이터에 가장 적합한 변칙 검색 모델을 선택합니다.
Anomaly Detector로 문제 식별Anomaly Detector를 사용하면 간단히 앱에 변칙 검색 기능을 포함하여 사용자가 빠르게 문제를 식별하도록 할 수 있습니다. 기계 학습에 대한 배경 지식이 필요하지 않습니다. 이 API는 모든 형식의 시계열 데이터를 수집하고 높은 정확성이 보장되도록 데이터에 가장 적합한 변칙 검색 모델을 선택합니다.123456

원시 데이터가 포함된 다양한 저장소에서 Anomaly Detector가 모니터링할 데이터를 수집합니다.

원시 데이터를 집계하고, 샘플링하고, 컴퓨팅하여 시계열을 생성합니다. 시계열이 이미 준비되어 있는 경우 Anomaly Detector API를 직접 호출하여 검색 결과가 포함된 응답을 받습니다.

변칙 관련 메타 데이터를 큐에 넣습니다.

변칙 관련 메타 데이터에 따라 사용자 지정된 경고 서비스를 호출합니다.

변칙 검색 메타 데이터를 저장합니다.

시계열 변칙 검색 결과를 시각화합니다.

  1. 1 원시 데이터가 포함된 다양한 저장소에서 Anomaly Detector가 모니터링할 데이터를 수집합니다.
  2. 2 원시 데이터를 집계하고, 샘플링하고, 컴퓨팅하여 시계열을 생성합니다. 시계열이 이미 준비되어 있는 경우 Anomaly Detector API를 직접 호출하여 검색 결과가 포함된 응답을 받습니다.
  3. 3 변칙 관련 메타 데이터를 큐에 넣습니다.
  1. 4 변칙 관련 메타 데이터에 따라 사용자 지정된 경고 서비스를 호출합니다.
  2. 5 변칙 검색 메타 데이터를 저장합니다.
  3. 6 시계열 변칙 검색 결과를 시각화합니다.

구현 가이드

제품/설명 설명서

Service Bus

안정적인 클라우드 MaaS(Messaging as a Service) 및 간단한 하이브리드 통합

Azure Databricks

클라우드로 온-프레미스 데이터베이스 마이그레이션 간소화

비즈니스 분석 개선

Storage Accounts

높은 내구성과 가용성, 그리고 고도의 확장성이 있는 클라우드 스토리지