Ignorar navegação

Detecção de Anomalias em Fluxos de Dados em Tempo Real

A solução Cortana Intelligence IT Anomaly ajuda os departamentos de TI em grandes organizações a detectar e corrigir rapidamente problemas com base nas métricas de integridade subjacentes da infraestrutura de TI (CPU, memória etc.), serviços (tempos limite, variações de SLA, semiapagões etc.) e outros indicadores-chave de desempenho (lista de pendências de pedido, falhas de logon e de pagamento, etc.) de maneira automatizada e escalonável. Essa solução também oferece uma experiência fácil de “Experimente Agora” que pode ser usada com os dados personalizados para descobrir o valor oferecido pela solução. A experiência “Implantar” permite a introdução rápida à solução no Azure implantando os componentes da solução de ponta a ponta em sua assinatura do Azure e fornecendo total controle para personalização conforme necessário.

Descrição

Observação: se você já tiver implantado esta solução, clique aqui para exibir sua implantação.

Conecte-se com um de nossos parceiros de Análise Avançada para organizar uma prova de conceito em seu ambiente: Neal Analytics, Empired

Tempo de provisionamento estimado: 30 minutos

Hoje, serviços modernos geram grandes volumes de dados telemétricos para controlar vários aspectos de integridade operacional, desempenho do sistema, percepções de uso, métricas de negócios, alertas e muito mais. No entanto, o monitoramento e a coleta de percepções desse grande volume de dados para departamentos de TI normalmente não são totalmente automáticos e podem estar sujeitos a erros (geralmente usando alertas com base em limite ou regras), o que torna difícil determinar de forma eficaz e precisa a integridade do sistema em um dado momento.

O Cortana Intelligence IT Anomaly Insights resolve esse problema do cliente fornecendo uma solução com baixa barreira à entrada que é baseada no Cortana Intelligence Solutions (para uma fácil implantação dos serviços do Azure) e na API de Detecção de Anomalias do Azure Machine Learning (para um acompanhamento totalmente automatizado de dados históricos e de tempo real), facilitando para um tomador de decisões de uma empresa avaliar e descobrir o valor em minutos, permitindo também que clientes tragam seus próprios dados, personalizem e estendam a solução para adaptá-la a seus cenários particulares por meio de uma rápida prova de conceitos. Com essa solução, as organizações poderão:

  • Aproveitar a API de Detecção de Anomalias do Azure Machine Learning para aprender e reagir a anomalias de dados históricos e de tempo real. Isso elimina o ser humano no processo, que de outro modo seria necessário para recalibrar os limites para detectar anomalias ausentes e minimizar falsos positivos.
  • Descobrir rapidamente o potencial da solução experimentando-a com seus próprios dados sem nenhum investimento antecipado. A experiência “Experimente Agora” também oferece aos usuários a capacidade de determinar o conjunto de parâmetros de sensibilidade correto para o caso de uso em questão.
  • Implantar um pipeline de ponta a ponta em sua assinatura para ingerir dados de fontes de dados locais na nuvem e relatar eventos anômalos para sistemas de monitoramento e emissão de tíquete de maneira simples em questão de minutos.

Experiência Experimente com Power BI

Dashboard da solução pré-configurada de visão de anomalia de TI

Diagrama de Solução

Consulte a arquitetura da solução e instruções detalhadas em GitHub.

Como descrito no diagrama da solução abaixo, os fluxos de métrica em tempo real originados de sistemas com base local ou em nuvem podem ser transferidos para a fila do Hub de Eventos do Azure. Esses eventos (ou pontos de dados de série temporal) são processados pelo Azure Stream Analytics, no qual são agregados em intervalos de cinco minutos. Cada série temporal é enviada para a API de Detecção de Anomalias do Azure para avaliação em uma cadência de 15 minutos. Os resultados da API junto com suas dimensões fornecidas durante a entrada são então armazenados no BD SQL do Azure. As anomalias detectadas são então publicadas no Barramento de Serviço do Azure para que possam ser consumidas pelos sistemas de emissão de tíquete seguintes. A solução também oferece orientações para configurar o dashboard do Power BI para que as anomalias possam ser visualizadas rapidamente para análise de causa raiz.

API de Detecção de Anomalias

A API de Detecção de Anomalias é usada na experiência “Experimente Agora' e na solução implantada. Ela ajuda a detectar diferentes tipos de padrões anômalos em seus dados de série temporal. Ela atribui uma pontuação de anomalia para cada ponto de dados na série temporal, que pode ser usada para gerar alertas, monitorar os dashboards ou conectar-se com seus sistemas de emissão de tíquetes. A API de detecção de anomalias pode detectar os seguintes tipos de anomalias em dados de série temporal:

  • Picos e quedas: por exemplo, ao monitorar a quantidade de falhas de logon para um serviço ou quantidade de finalizações de compra em um site de comércio eletrônico, picos ou quedas incomuns podem indicar ataques de segurança ou interrupções de serviço.
  • Tendências positivas e negativas: ao monitorar o uso de memória na computação, por exemplo, a redução do tamanho de memória livre é um indicativo de um possível vazamento de memória; ao monitorar o comprimento da fila do serviço, uma tendência crescente persistente pode indicar um problema de software subjacente.
  • Alterações de nível e alterações no intervalo dinâmico de valores: por exemplo, alterações de nível nas latências de um serviço após uma atualização de serviço ou níveis menores de exceções a atualização podem ser indicadores interessantes de se monitorar.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Manutenção preditiva

Esta solução de manutenção preditiva monitora a aeronave e prevê a vida útil restante dos componentes do seu motor.

Garantia de qualidade

Os sistemas de garantia de qualidade permitem que os negócios evitem defeitos durante seus processos de entrega de itens ou serviços para os clientes. Criar um sistema desse tipo, que coleta dados e identifica possíveis problemas junto a um pipeline, pode oferecer enormes vantagens. Por exemplo, na fabricação digital, a garantia de qualidade na linha de assembly é imperativa. Identificar lentidão e possíveis falhas antes que elas ocorram em vez de após elas serem detectadas pode ajudar as empresas a reduzir custos de descarte e retrabalho, aumentando simultaneamente a produtividade.