異常検出の未来

異常検出の未来

ログデータを完全に間違った方法で使用している可能性があります。 今日、あなたのビジネスはかつてないほど多くのデータを生成し、ログデータは問題の原因のシグナルを含んでいるため、これらすべての中心にあります。 チームがアドホックな方法でこれらのシグナルを検索する必要がある場合、チームは貴重な時間を無駄にしています。 ノイズからこれらの信号をフィルタリングするツールがない可能性があるため、存在するほぼすべての企業がこの課題に取り組んでいます。

あなたがすることができない場合 すべてのログを並べ替える ボリュームが非常に大きいため、一部の人々はそれらを無視することを選択します。 監視ツールが問題のトラブルシューティングに貴重な時間を節約するのに役立たない場合は、間違ったツールを使用しています。 ログに隠された異常は、インシデントが発生する理由を説明するのに役立ち、将来の混乱を防ぐのに役立ちます。 ログを機能させる方法を見つける必要があります でいたソリューション あなた、賢く。

答えはあなたのデータの中にあります…どこかに

追加されるすべての新しいデバイス、およびプッシュされるすべての新しいコードリリースは、ログの過負荷の原因になります。 これらはいわゆる「マシンデータ」の一部を形成し、従来のビジネスデータの50倍の速さで成長しています。 実際、スタック内のすべてのものがログファイルに新しいイベントを継続的に書き込んでいます。 

幸いなことに、ログデータにはアプリケーションの動作パターンが含まれているため、動きの速い組織にとって非常に価値があります。 インフラ。 ただし、どのデータが関連しているかを見極めることは、経験豊富なチームでさえ、多くの場合、非常に大きな課題となる可能性があります。 これがLogicMonitorが信じている理由です ログにアルゴリズム的アプローチをとる

異常検出は、関連するデータ検出を自動化します

生成されるマシンデータの99.999%は反復的であり、人間の注意を必要としません。 これは、すべてが「通常どおりのビジネス」である場合に生成されるデータです。 また、トラブルシューティングを迅速に行うのに役立つのはデータではありません。 実際、それはあなたを遅くするだけです。 トラブルシューティングプロセスを促進する未知の変更を理解しています。 その時点で、環境内で何が変化したのか、なぜ変化したのかを知るための最速の方法が必要です。

LogicMonitorでは、機械学習を使用することが、反復データを自動的に解析し、チームの熟練した専門家の注意が実際に必要なものを判断するための最良の方法であると考えています。 異常検出 機械学習を使用して、予想される行動パターンの変化を特定します。 ライブ環境を継続的に監視することにより、異常検出アルゴリズムは、膨大な量のライブトレーニングデータに効果的にさらすことができます。 これにより、通常のビジネスとは何か、組織の特定の環境ではどのデータが外れ値であるかを理解できます。 

通常、すべての環境は常に変化しているため、効果的な異常検出アルゴリズムは、ヒューリスティックモデルに依存するのではなく、継続的に学習する必要があります。 継続的に学習しないと、微妙なパラメータの変更を見逃したり、誤検知を引き起こしたりするリスクがあります。 

あらゆる種類の機械学習ベースのアプローチと同様に、システムで利用できるデータが多いほど、システムはより正確になります。 これは、一般的な異常検出の最も重要な側面のXNUMXつです。 組織が遭遇する最大のリスクは、ほぼ確実に不明です。つまり、事前に準備していなかったものです。 リスクを示す新しい未知のものを検出するには、システムが可能な限り経験豊富で正確である必要があります。 異常検出を使用すると、ビジネスに悪影響を与える前に、新しい問題や未知の問題を防止するか、少なくともキャッチすることができます。 

異常検出の未来は予防的であり、反応的ではありません 

混乱は変更によって発生し、ビジネスに影響を与える深刻な停止を引き起こす可能性があります。 ただし、環境で発生している変更をほぼリアルタイムで確認できれば、これらの中断、つまり停止を防ぐことができます。 ビジネスの大部分がアプリケーションを介して実行される今日のデジタルビジネス環境では、停止に対応することはもはや選択肢ではありません。 

たとえば、リスクの高いすべてのインシデントがどのようになるかわからない銀行を考えてみましょう。 この場合、銀行がすべてのインシデントを事前に検索したり、異常なデータを特定するためのルールを作成したり、それを防ぐための統計モデルを構築したりすることは不可能です。 継続的な変化に適応する機械学習アプローチによってのみ、将来の未知のIT問題から保護することができます。 

LogicMonitorは提供しています メトリックの異常検出 かなり前からですが、これまでログに特化していませんでした。 4年第2020四半期に、私たちが作ることを発表できることを誇りに思います ログの異常検出 最新の製品であるLMLogs™の形ですべてのお客様にご利用いただけます。 ログに対する画期的なアルゴリズムアプローチにより、あなたとあなたのチームはノイズからの信号を簡単にフィルタリングし、これまでになく迅速に問題を解決できます。 

LMログはまもなく登場します。 それまでの間、LM Logsベータ版への参加に興味がある場合は、をクリックしてください。 こちら 私たちと一緒にITの未来を形作ることに関心を表明すること。

テジ・レドカー

チーフ・プロダクト・オフィサー

Tejは、20年以上にわたってエンタープライズソフトウェア製品を構築してきました。 彼は、Microsoft、VMWare、Cisco、AppDynamicsなどの業界をリードする組織でのキャリアの中で、エンジニアリング、製品管理、ユーザーエクスペリエンス、およびデータサイエンスの各チームを数回率いてきました。 Tejは、Rational Rose、VMware Labs、Microsoft Azure Machine Learning、PowerBI、AppDynamicsなどの非常に成功した製品を一貫して提供しており、それぞれのドメインで人々の生産性を根本的に変革しています。 彼の最新のマイルストーンは、シスコによるAppDynamicsの3.7億ドルの買収をゼロから設計し、自動化された複雑な根本原因分析のために大規模なAI /機械学習機能を導入することでAppDynamicsプラットフォームを強化することでした。 Tejは、LogicMonitorでの戦略と実行を推進するために、ビジネスと深い技術的専門知識の適切なバランスをチームにもたらします。 彼の基本的な使命は、自律的なインフラストラクチャを構築することです。 余暇には、技術的および哲学的なテキストを読んだり、サントゥールとハーモニウムで音楽を演奏したりしています。

LogicBlogを購読して、LogicMonitorの最新の開発に関する最新情報を入手し、ITエキスパートとエンジニアのワールドクラスのチーム、およびITプロフェッショナルが愛する製品。

LogicBlogの他の記事

アンペアロボット 影

お店の話をしましょう。

STARTED GET