Ölçüm Danışmanı kullanarak bir olayı tanılama
Olay nedir?
Belirli bir zaman damgasında tek bir ölçüm içindeki birden çok zaman serisinde bir sorun tespit edildiğinde, ölçüm Danışmanı aynı ana nedeni tek bir olayda paylaşan anormallikleri otomatik olarak gruplandıracaktır. Bir olay genellikle gerçek bir sorunu gösterir, ölçüm Danışmanı bunun üzerine analiz gerçekleştirir ve otomatik kök neden analizi öngörüleri sağlar.
Bu, müşterilerin her bir anomali görüntüleme çabayı önemli ölçüde kaldırır ve bir sorun için en önemli katkı çarpanını hızlıca bulur.
Ölçüm Danışmanı tarafından oluşturulan bir uyarı birden çok olay içerebilir ve her olay aynı zaman damgasında farklı zaman serisinde yakalanan birden çok anomali içerebilir.
Bir olayı tanılamaya yönelik yollar
Bir uyarı bildiriminden tanılama
e-posta/Teams türünde bir kanca yapılandırdıysanız ve en az bir uyarı yapılandırması uyguladıysanız. Daha sonra, ölçüm Danışmanı tarafından çözümlenen olayları ilerleden izleyen sürekli uyarı bildirimleri alırsınız. Bildirim içinde bir olay listesi ve kısa bir açıklama vardır. Her olay için, "Tanıla" düğmesi bulunur, bunu seçtiğinizde tanılama öngörülerini görüntülemek için sizi olay ayrıntısı sayfasına yönlendirirsiniz.
"Olay Hub 'ı" içindeki bir olaydan Tanıla
Ölçüm Danışmanı 'nda yakalanan tüm olayları toplayan ve devam eden sorunları izlemeyi kolaylaştıran merkezi bir yer vardır. Sol gezinti çubuğunda Olay Hub 'ı sekmesinin seçilmesi, seçilen ölçümlerde bulunan tüm olayları listeler. Olay listesi içinde, ayrıntılı tanılama öngörülerini görüntülemek için bunlardan birini seçin.
Ölçümler sayfasında listelenen bir olaydan Tanıla
Ölçüm ayrıntısı sayfasında, bu ölçüm için yakalanan en son olayları listeleyen Olaylar adlı bir sekme vardır. Liste, olayların önem derecesine veya ölçümlerin boyut değerine göre filtrelenebilir.
Listedeki bir olayın seçilmesi, tanılama öngörülerini görüntülemek için sizi olay ayrıntısı sayfasına yönlendirir.
Tipik tanılama akışı
Olay Ayrıntısı sayfasına yönlendirildikten sonra, bir sorunun kök nedenini hızlıca bulmak için ölçüm Danışmanı tarafından otomatik olarak çözümlenen öngörülerden faydalanabilirsiniz veya sorun etkisini daha fazla değerlendirmek için analiz aracını kullanabilirsiniz. Olay Ayrıntısı sayfasında, bir olayı tanılamaya yönelik üç önemli adıma karşılık gelen üç bölüm vardır.
Adım 1. Geçerli olayın özetini denetle
İlk bölümde, temel bilgiler, eylemler & izleyicileri ve çözümlenen bir kök neden dahil olmak üzere geçerli olayın Özeti listelenmektedir.
Temel bilgiler bir diyagramı olan "en önde gelen seriyi", "etki başlangıç & bitiş zamanı", "olay önem derecesi" ve "Toplam anomali" içerir. Bunu okuyarak, devam eden bir sorunu ve bunun etkisini öğrenin.
Eylemler &, bu işlem devam eden bir olay üzerinde ekip işbirliğini kolaylaştırmak için kullanılır. Bazen bir olay, çözümü çözümlemek ve çözmek için bir veya daha fazla takım üyelerinin çabasıyla ilgilenmesini gerektirebilir. Olayı görüntüleme iznine sahip herkes, bir eylem veya izleme olayı ekleyebilir.
Örneğin, olayın tanılanması ve kök nedeni tanımlandıktan sonra, bir mühendis "özelleştirilmiş" türünde bir izleme öğesi ekleyebilir ve Açıklama bölümünde kök nedeni belirtebilir. Durumu "etkin" olarak bırakın. Daha sonra diğer ekip malzemeleri aynı bilgileri paylaşabilir ve bu çözüm üzerinde çalışan bir kişi olduğunu bilir. ayrıca, belirli bir görev veya hata ile olayı izlemek için bir "Azure DevOps" öğesi de ekleyebilirsiniz.
Çözümlenen asıl neden otomatik olarak çözümlenen bir sonucudur. Ölçüm Danışmanı aynı zaman damgasında farklı boyut değerlerine sahip bir ölçüm içindeki zaman serisinde yakalanan tüm anormallikleri analiz eder. Ardından bağıntı, ilgili aykırılları gruplamak ve temel neden önerisi oluşturur.
Birden çok boyut içeren ölçümler için, aynı anda birden çok anomali tespit edilecek yaygın bir durumdur. Ancak, bu bozukluklar aynı ana nedeni paylaşabilir. Tüm anormalilerin tek tek analiz edilmesi yerine, Çözümlenmiş bir kök neden , geçerli olayı tanılamak için en etkili yol olmalıdır.
Adım 2. Çapraz boyut tanılama öngörülerini görüntüleyin
Temel bilgileri ve otomatik analiz öngörülerini aldıktan sonra, "Tanılama ağacı" nı kullanarak bütünsel bir şekilde aynı ölçüm içindeki diğer boyutlarda olağandışı durum hakkında daha ayrıntılı bilgi edinebilirsiniz.
Birden çok boyut içeren ölçümler için, ölçüm Danışmanı, zaman serisini, tanı ağacı adı geçen bir hiyerarşiye sınıflandırır. Örneğin, "gelir" ölçümü iki boyut ile izlenir: "bölge" ve "Kategori". Somut boyut değerlerine rağmen, "Sum" gibi bir toplu boyut değeri olması gerekir. Sonra, "Region" = "Sum" ve "Category" = "Sum" zaman serisi, ağaç içinde kök düğüm olarak kategorilere ayrılır. "Sum" boyutunda yakalanan bir anomali söz konusu olduğunda, bu durumda ayrıntıya gidilmiş ve analiz edilebilir. Bu durumda, üst düğüm anomali 'e en çok katkıda bulunan belirli boyut değerinin yerini bulabilirsiniz. Genişletilecek her düğümü seçin ve ayrıntılı bilgileri görüntüleyin.
Ölçümleriniz içinde "toplanmış" boyut değerini etkinleştirmek için
Ölçüm Danışmanı, "toplanmış" boyut değerini hesaplamak için boyutlar üzerinde "toplama" işlemini gerçekleştirmeyi destekler. Tanılama ağacı, "Sum", "AVG", "Max", "MIN", "Count" toplamalarında tanılamayı destekler. "Toplanmış" bir boyut değerini etkinleştirmek için veri ekleme sırasında "toplama" işlevini etkinleştirebilirsiniz. Lütfen ölçülerinizin matematik hale getirilmiş tablo olduğundan ve toplanmış boyutun gerçek iş değerine sahip olduğundan emin olun.
Ölçümleriniz içinde "toplanmış" boyut değeri yoksa
Ölçümleriniz içinde "toplanmış" boyut değeri yoksa ve veri ekleme sırasında "toplama" işlevi etkinleştirilmemişse. "Toplanmış" boyut için hesaplanabilecek ölçüm değeri olmayacaktır, ağaçta gri düğüm olarak görünür ve alt düğümlerini görüntülemek için genişletilebilir.
Tanılama ağacının göstergesi
Tanılama ağacında üç tür düğüm vardır:
- Gerçek ölçüm değeri olan bir zaman serisine karşılık gelen mavi düğüm.
- Ölçüm değeri olmayan bir sanal zaman serisine karşılık gelen gri düğüm, mantıksal bir düğümdür.
- Geçerli olayın en üstteki etkilenen zaman serisine karşılık gelen kırmızı düğüm.
Her düğüm olağan dışı durumu için düğüm kenarlığının rengi ile açıklanmıştır
- Kırmızı kenarlık , olay zaman damgasına karşılık gelen zaman serisinde yakalanan bir anomali anlamına gelir.
- Kırmızı olmayan kenarlık , olay zaman damgasına karşılık gelen zaman serisinde yakalanan bir anomali olmadığı anlamına gelir.
Görüntü modu
Bir tanılama ağacı için iki görüntüleme modu vardır: yalnızca anomali seriyi göster veya birincil oranları göster.
- Yalnızca anomali modunu göster , müşterinin farklı seriler üzerinde yakalanan ve en üstteki etkilenen serinin kök nedenini tanılayan güncel anolara odaklanmasına olanak sağlar.
- Birincil oranları göster , müşterinin, etkilenen en büyük oranlarının olağandışı durumunu denetlemesini sağlar. Bu modda, ağaç anomali algılanan her iki seriyi de anomali ile birlikte gösterir. Ancak önemli seriler üzerinde daha fazla odaklanırsınız.
Seçenekleri çözümle
Delta oranını göster
"Delta oranı", üst düğüm Delta değeri ile karşılaştırıldığında geçerli düğüm Delta yüzdesidir. Formül şu şekildedir:
(geçerli düğümün gerçek değeri-beklenen geçerli düğüm değeri)/(üst düğümün gerçek değeri-beklenen üst düğüm değeri) * %100
Bu, üst düğüm Delta 'un büyük katkısını çözümlemek için kullanılır.
Değer oranını göster
"Değer oranı", üst düğüm değerine kıyasla geçerli düğüm değerinin yüzdesidir. Formül şu şekildedir:
(geçerli düğümün gerçek değeri/üst düğümün gerçek değeri) * %100
Bu, bütün içindeki geçerli düğümün oranını değerlendirmek için kullanılır.
Müşteriler, "Tanılama ağacı" kullanarak geçerli olayın kök nedenini belirli bir boyuta bulabilir. Bu, müşterinin önemli anomali katkılarını bulmak için her bir bireysel durum veya Özeti farklı boyutlarda görüntüleme çabalarını önemli ölçüde ortadan kaldırır.
3. Adım "Ölçüm grafiği" ni kullanarak çapraz ölçümler tanılama öngörülerini görüntüleme
Bazen bir tek ölçümün olağandışı durumunu denetleyerek bir sorunu analiz etmek zordur, ancak birden çok ölçümü birlikte ilişkilendirmek gerekir. Müşteriler ölçümler arasındaki ilişkiyi gösteren bir ölçüm grafiğini yapılandırabiliyor. Başlamak için ölçüm grafiği oluşturma bölümüne bakın.
"Ölçüm grafiği" içinde kök neden boyutunda anomali durumunu denetleyin
Yukarıdaki çapraz boyut tanılama sonucunu kullanarak, kök nedeni belirli bir boyut değeriyle sınırlıdır. Daha sonra, diğer ölçümlerde anomali durumunu denetlemek için "ölçümler grafiğini" kullanın ve çözümlenen kök nedeni boyutuna göre filtreleyin.
Örneğin, "gelir" ölçümlerinde yakalanan bir olay varsa. Etkilenen en üstteki seriler "bölge" = "SUM" olan genel bölgedir. Çapraz boyut tanılama 'yı kullanarak, kök nedeni "Region" = "Karaçi" üzerinde bulunur. "Gelir", "maliyet", "Bau", "PLT (sayfa yükleme süresi)" ve "CHR (önbellek isabet oranı)" ölçümleri dahil, önceden yapılandırılmış bir ölçüm grafiği vardır.
Ölçüm Danışmanı, ölçüm grafiğini "Region" = "Karaçi" kök neden boyutuna göre otomatik olarak filtreleyecek ve her ölçümün anomali durumunu görüntüleyecektir. Müşteriler, ölçümler ve anomali durumu arasındaki ilişkiyi çözümleyerek, son kök nedenin ne olduğuna ilişkin daha fazla öngörü elde edebilir.
Otomatik ilgili bozukluklar
Ölçüm grafiğinde kök neden boyut filtresi uygulanarak, geçerli olayın zaman damgasında bulunan her bir ölçümle ilgili bozukluklar, oto ilişkili olacaktır. Bu bozukluklar, geçerli olayın belirtilen ana nedeni ile ilişkili olmalıdır.
