LogicMonitor + Catchpoint: 自律型ITの新時代へ
最新のブログ、ホワイトペーパー、電子ガイドなどを直接受信ボックスにお届けします。
ビデオはまもなく始まります
機械学習の異常検出により、より優れた可観測性を実現します。
今日のDevOpsチームは、急速な成長とcに挑戦しています。インフラストラクチャの複雑さ。 静的なしきい値のみを介してこれらの環境を管理することは不十分になるため、この問題に対処するために、最新のDevOpsチームは高度なML / AIアルゴリズムに依存しています。
LogicMonitorの異常検出ソリューションは当社の一部です AIOps早期警告システム コンテキスト、意味のあるアラートを提供し、パターンを照らし、先見性と自動化を可能にします。 これらはすべて、ML / AIアルゴリズムやパラメーターにさらされることなく、自動的に実行されます。
この記事では、以下について説明します。
人工ニューラルネットワークへの第一歩は、1943年にウォーレンマカロックとウォルターピッツがニューロンの仕組みに関する論文を書いたときに始まりました。 彼らは、電気回路を備えた単純なニューラルネットワークもモデル化しました。
数学的アプローチを使用して時系列の変化を記述するために使用される他のアルゴリズム（たとえば、GeorgeBoxとGwilymJenkinsによるARIMAモデル）は、1970年代に開発されました。
これにより、計算能力が得られたのはここ数年（GPUがニューラルネットワークのトレーニングに使用され始めた2009年）であり、利用可能な大量のデータがモデルの効率的かつ正確な学習に重要な役割を果たしました。
元の時系列をXNUMX日の設定（オレンジ）および予想範囲と比較する
いくつかの異常検出技術が文献で提案されています。 人気のある手法には、フォレスト、テンソルベース、相関ベース、ニューラルネットワーク、ベイジアンネットワーク、および相関ルールと頻繁なアイテムセットからの逸脱があります。
LogicMonitorでは、プラットフォームがストリーム内のデータを処理し、システムの俊敏性を維持して、適切なアルゴリズムをすばやく調整して使用できるようにします。 DevOpsエンジニアはデータサイエンティストになる必要はないと私たちは信じています（私たちは数人を雇いました）。 私たちのプラットフォームはあなたのために大変な仕事をするはずです
競合する多くのモニタリングプラットフォームでは、DevOpsチームが特定のパラメーターを入力する必要がありますが、LogicMonitorはこの負担を取り除き、次の質問に自動的に回答します。
ワークロードは自動的に分類され、データポイントごとにモデルが学習および調整します。 トランスフォーマーは、季節性、シフトなどを処理するために使用されます。実装されると、モデルのウォームアップ時間は次のようになります。
注：毎日の季節性は2.5。XNUMX日後に自動的に始まります
異常検出を設定するとき、ユーザーはML / AIアルゴリズムパラメーターにさらされるべきではありません。 アルゴリズムの感度の調整は、簡単な英語で説明する必要があります。
まれにチューニングが必要になる場合もありますが、デフォルトではユーザーに負担をかけず、99.9％のシナリオで回避することを哲学としています。
© LogicMonitor 2026 | 無断複写・転載を禁じます。 | ここで言及されているすべての商標、商号、サービス マーク、およびロゴは、それぞれの会社に帰属します。
