Descrição
Nota: se já tiver implementado esta solução, clique aqui para ver a sua implementação.
Ligue-se a um dos nossos parceiros do Advanced Analytics para organizar uma prova de conceito no seu ambiente: Neal Analytics, Empired
Tempo de Aprovisionamento Estimado: 30 minutos
Hoje em dia, os serviços modernos geram grandes volumes de dados telemétricos para controlar diversos aspetos do estado de funcionamento operacional, desempenho do sistema, informações de utilização, métricas empresariais, alertas e muitos outros. No entanto, a monitorização e recolha de informações deste elevado volume de dados para departamentos de TI não é, muitas vezes, totalmente automatizada e pode estar sujeita a erros (normalmente, através de regras ou alertas baseados em limiares), o que dificulta a determinação eficaz e exata do estado de funcionamento do sistema a qualquer momento.
O Cortana Intelligence IT Anomaly Insights resolve esta preocupação do cliente ao fornecer uma solução com uma barreira de entrada reduzida baseada em Soluções do Cortana Intelligence (para fácil implementação dos serviços do Azure) e na API de Deteção de Anomalias do Azure Machine Learning (para total controlo automatizado de dados históricos e em tempo real), o que facilita a tomada de decisões empresariais para avaliar e criar valor em minutos e permitir aos clientes utilizar os seus próprios dados, personalizar e expandir a solução para a adaptarem aos respetivos cenários específicos através de uma prova de conceito rápida. Com esta solução, as organizações poderão:
- Tirar partido da avançada API de Deteção de Anomalias do Azure Machine Learning para conhecerem e reagirem a anomalias de dados históricos e em tempo real. Isto permite eliminar a interação humana, de outra forma necessária para recalibrar os limiares para detetar anomalias em falta e minimizar falsos positivos.
- Alcançar rapidamente o potencial da solução ao experimentá-la com os seus próprios dados sem qualquer investimento inicial. A experiência "Experimente Agora" permite também aos utilizadores determinar o conjunto adequado de parâmetros de sensibilidade para o caso de utilização em prática.
- Implementar um pipeline ponto a ponto na respetiva subscrição para ingerir dados de origens de dados no local e na cloud, bem como comunicar eventos anómalos a sistemas de pedidos de suporte e monitorização a jusante através de plug-and-play numa questão de minutos.
Experiência Experimente com o PowerBI
Diagrama de Solução
Veja a arquitetura de soluções e instruções detalhadas no GitHub.
Conforme descrito no diagrama da solução abaixo, os fluxos de métricas em tempo real com origem em sistemas baseados no local ou na cloud podem ser colocados na fila do Hub de Eventos do Azure. Estes eventos (ou pontos de dados de série de tempo) são processados pelo Azure Stream Analytics, no qual são agregados em intervalos de cinco minutos. Cada série de tempo é enviada para a API de Deteção de Anomalias do Azure para avaliação, com uma cadência de 15 minutos. Os resultados da API e as dimensões fornecidas durante a entrada de dados são armazenados na BD SQL do Azure. As anomalias detetadas também são publicadas no Azure Service Bus para que possam ser consumidas pelos sistemas de pedidos de suporte a jusante. A solução fornece ainda orientações para configurar o dashboard do Power BI para que as anomalias possam ser visualizadas rapidamente para análise da causa raiz.
API de Deteção de Anomalias
A API de Deteção de Anomalias é utilizada na experiência "Experimente Agora" e na solução implementada. Ajuda a detetar diferentes tipos de padrões anómalos nos dados de série de tempo. Atribui uma classificação de anomalia a cada ponto de dados na série de tempo, que pode ser utilizada para gerar alertas, monitorizar através de dashboards ou ligar aos sistemas de pedidos de suporte. A API de deteção de anomalias deteta os seguintes tipos de anomalias nos dados de série de tempo:
- Picos e quedas: por exemplo, ao monitorizar o número de falhas de início de sessão num serviço ou o número de finalizações de compras num site de comércio eletrónico, os picos ou as quedas anormais podem indicar ataques de segurança ou interrupções do serviço.
- Tendências positivas e negativas: ao monitorizar a utilização da memória na computação, por exemplo, a redução do tamanho de memória livre é indicativa de uma potencial fuga de memória; ao monitorizar o comprimento da fila do serviço, uma tendência de subida persistente pode indicar um problema de software subjacente.
- Alterações do nível e no intervalo dinâmico de valores: por exemplo, pode ser interessante monitorizar as alterações de nível de um serviço após uma atualização ou os níveis mais baixos de exceções após uma atualização.
Exclusão de Responsabilidade
©2017 Microsoft Corporation. Todos os direitos reservados. A informação é fornecida "tal como está" e pode ser alterada sem aviso prévia. A Microsoft não faz garantias, de forma expressa ou implícita, em relação à informação aqui fornecida. Foram utilizados dados de terceiros para gerar a Solução. É responsável por respeitar os direitos de outros, incluindo a aquisição e conformidade com as licenças relevantes para criar conjuntos de dados semelhantes.