Navigatie overslaan

Architectuur voor de oplossing:Afwijkingsdetectie met machine learning

Met IT Anomaly Insights van Microsoft Azure kunnen IT-afdelingen de detectie van afwijkingen automatiseren en schalen, zodat ze problemen snel kunnen detecteren en oplossen.

Deze oplossing is gebouwd op de beheerde services van Azure: Event Hubs, Stream Analytics, Storage, Data Factory, Azure SQL Database, Machine Learning Studio, Service Bus, Application Insights en de Power BI. De services worden in een omgeving met hoge beschikbaarheid uitgevoerd, gepatcht en ondersteund zodat u zich op de oplossing kunt concentreren en u niet hoeft bezig te houden met de omgeving waarin de services worden uitgevoerd.

利用機器學習服務進行異常偵測Microsoft Azure 的 IT Anomaly Insights 可協助自動化及調整異常偵測,讓 IT 部門能夠快速偵測並修正問題。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

Begeleiding bij implementatie

Producten/beschrijving Documentatie

Event Hubs

Dit is het toegangspunt van de pijplijn, waar de onbewerkte tijdseriegegevens worden opgenomen.

Stream Analytics

Met Stream Analytics worden elke vijf minuten aggregaties uitgevoerd en worden onbewerkte gegevenspunten geaggregeerd op metrieknaam.

Storage

Met Azure Storage worden gegevens opgeslagen die zijn geaggregeerd door de Stream Analytics-taak.

Data Factory

Via Data Factory wordt de API voor afwijkingsdetectie regelmatig (standaard elke 15 minuten) aangeroepen voor de gegevens in Azure Storage. Hiermee worden de resultaten opgeslagen in een SQL-database.

Azure SQL Database

In SQL Database worden de resultaten van de API voor afwijkingsdetectie opgeslagen, inclusief binaire detecties en detectiescores. Daarnaast worden optionele metagegevens opgeslagen die worden verzonden met de onbewerkte gegevenspunten om ingewikkeldere rapportage mogelijk te maken.

Machine Learning Studio

Hierop wordt de API voor afwijkingsdetectie gehost. De API zelf is staatloos en hiervoor moeten historische gegevenspunten worden verzonden in elke API-aanroep.

Service Bus

Gedetecteerde afwijkingen worden gepubliceerd naar een Service Bus-onderwerp zodat deze kunnen worden gebruikt door externe controleservices.

Application Insights

Met Application Insights kan de pijplijn worden bewaakt.

Power BI

Power BI bevat dashboards met de onbewerkte gegevens en gedetecteerde afwijkingen.

Gerelateerde architecturen voor oplossingen