Navigatie overslaan

Anomaliedetectie in realtimegegevensstreams

Cortana Intelligence IT Anomaly Insights helpt IT-afdelingen in grote organisaties om snel problemen te detecteren en op te lossen op basis van onderliggende statusmetrieken van de IT-infrastructuur (CPU, geheugen enzovoort), services (time-outs, SLA-variaties, brown-outs enzovoort) en andere KPI's (Key Performance Indicators) (orderachterstand, aanmeldings- en betalingsfouten enzovoort) op een geautomatiseerde en schaalbare manier. Deze oplossing biedt ook een eenvoudige 'Nu uitproberen'-ervaring die kan worden uitgeprobeerd met aangepaste gegevens om de waarde die de oplossing biedt te realiseren. Dankzij de 'Implementeren'-ervaring kunt u snel aan de slag met de oplossing op Azure door de end-to-end oplossingsonderdelen te implementeren in uw Azure-abonnement, waardoor u alles volledig kunt aanpassen.

Beschrijving

Opmerking: als u deze oplossing al hebt geïmplementeerd, klikt u hier om de implementatie te bekijken.

Neem contact op met een van onze Advanced Analytics-partners om het concept in uw omgeving te testen: Neal Analytics, Empired

Geschatte inrichtingstijd: 30 minuten

De huidige, moderne services genereren grote volumes telemetriegegevens om diverse aspecten bij te houden van operationele status, systeemprestaties, inzicht in gebruik, bedrijfsmetrieken, waarschuwingen en nog veel meer. Vaak is het controleren en verzamelen van deze grote hoeveelheid gegevens echter voor IT-afdelingen niet volledig geautomatiseerd en foutgevoelig (waarbij meestal regels of meldingen op basis van drempels worden gebruikt), waardoor het moeilijk is om de status van het systeem op een bepaald moment effectief en nauwkeurig te bepalen.

Cortana Intelligence IT Anomaly Insights lost dit knelpunt van klanten op door een oplossing met een lage toetredingsdrempel te bieden die is gebaseerd op Cortana Intelligence Solutions (voor eenvoudige implementatie van Azure-services) en Azure Machine Learning Anomaliedetectie- API (voor volledig geautomatiseerd volgen van historische en realtime gegevens), zodat een zakelijke beleidsmaker eenvoudig in een paar minuten waarden kan evalueren en realiseren. Klanten kunnen ook hun eigen gegevens meenemen, de oplossing aanpassen en uitbreiden om deze aan te passen aan hun eigen specifieke scenario’s via snelle testen van concepten. Met deze oplossing kunnen organisaties het volgende:

  • Gebruikmaken van de geavanceerde Azure Machine Learning Anomaly Detection API om te leren van en reageren op anomalieën van zowel historische als realtime gegevens. Dit elimineert human-in-the-loop, die anders nodig zijn om de drempelwaarden opnieuw te kalibreren om ontbrekende anomalieën op te sporen en fout-positieven te minimaliseren.
  • Snel het potentieel van de oplossing inzien door deze uit te proberen met hun eigen gegevens zonder enige investering vooraf. De 'Nu uitproberen'-ervaring biedt gebruikers ook de mogelijkheid om de juiste gevoeligheidsparameters voor de specifieke use case te bepalen.
  • Een end-to-end pijplijn implementeren in hun abonnement om gegevens van on-premises gegevensbronnen en gegevensbronnen in de cloud op te nemen en binnen een paar minuten afwijkende gebeurtenissen te melden aan downstreamsystemen voor bewaking en ticketing op een plug en play-manier.

Nu uitproberen-ervaring met PowerBI

Vooraf geconfigureerd dashboard van de oplossing IT Anomaly Insights

Oplossingendiagram

Zie de oplossingsarchitectuur en gedetailleerde instructies op GitHub.

Zoals beschreven in het oplossingsdiagram hierna kunnen realtime metrische streams die afkomstig zijn van op on-premises gebaseerde als cloudgebaseerde systemen in de Azure Event Hub-wachtrij worden gepompt. Deze gebeurtenissen (of tijdreeksgegevenspunten) worden verwerkt door Azure Stream Analytics waar ze worden geaggregeerd op een interval van vijf minuten. Elke tijdreeks wordt verzonden naar Azure Anomaly Detection API voor evaluatie, met een cadans van 15 minuten. De resultaten van de API worden dan samen met de opgegeven dimensies tijdens invoer opgeslagen in Azure SQL DB. De gedetecteerde anomalieën worden ook gepubliceerd in Azure Service Bus, zodat ze kunnen worden gebruikt door de downstreamticketingsystemen. De oplossing biedt ook instructies om Power BI-dashboard in te stellen, zodat de anomalieën snel kunnen worden gevisualiseerd voor hoofdzaakanalyse.

Anomaliedetectie-API

De Anomaliedetectie-API wordt gebruikt in de 'Nu uitproberen'-ervaring en de geïmplementeerde oplossing. Met deze API kunt u verschillende typen afwijkende patronen in uw tijdreeksgegevens detecteren. Er wordt een anomaliescore toegewezen aan elk gegevenspunt in de tijdreeks. Deze score kan worden gebruikt om meldingen te genereren, voor bewaking via dashboards of voor koppeling met uw ticketsystemen. De anomaliedetectie-API kan de volgende typen anomalieën op tijdreeksgegevensgegevens detecteren:

  • Pieken en dalen: tijdens het bewaken van het aantal mislukte aanmeldingen bij een service of het aantal kassabetalingen in een e-commercesite kunnen ongebruikelijke pieken en dalen bijvoorbeeld duiden op beveiligingsaanvallen of service-onderbrekingen.
  • Positieve en negatieve trends: tijdens het bewaken van het geheugengebruik in computing, duidt een kleiner worden vrije-geheugengrootte bijvoorbeeld op mogelijk geheugenlekkage; bij het bewaken van de lengte van de servicewachtrij kan een aanhoudende stijgende lijn duiden op een onderliggend softwareprobleem.
  • Niveauwijzigingen en veranderingen in dynamisch bereik van waarden: niveauwijzigingen in vertragingen van een service na een service-upgrade of lagere niveaus van uitzonderingen na een upgrade kunnen bijvoorbeeld interessant zijn om te bewaken.

Vrijwaring

© 2017 Microsoft Corporation. Alle rechten voorbehouden. Deze informatie wordt als zodanig geleverd en kan zonder kennisgeving worden gewijzigd. Microsoft biedt geen garanties, expliciet of impliciet, met betrekking tot de hier verstrekte informatie. Gegevens van derden zijn gebruikt om de oplossing te genereren. U bent verantwoordelijk voor het respecteren van de rechten van anderen, inclusief het aanschaffen en naleven van relevante licenties om vergelijkbare gegevenssets te maken.

Gerelateerde architecturen voor oplossingen

Voorspellend onderhoud

Deze oplossing voor predictief onderhoud bewaakt het gehele vliegtuig en voorspelt de resterende levensduur van de motoronderdelen van het vliegtuig.

Kwaliteitscontrole

Dankzij systemen voor kwaliteitscontrole kunnen bedrijven defecten voorkomen in hun processen voor het afleveren van goederen of diensten aan klanten. Het bouwen van zo'n systeem dat gegevens verzamelt en mogelijke problemen langs een pijplijn identificeert, kan enorme voordelen opleveren. In het geval van digitale productie is kwaliteitscontrole van de gehele assemblagelijn van essentieel belang. Wanneer vertragingen en mogelijke storingen worden geïdentificeerd voordat ze plaatsvinden in plaats van nadat ze zijn gedetecteerd, kan dat bedrijven helpen kosten voor uitval en bijwerken te verlagen en de productiviteit te verhogen.