예측 능력

당신이 처리량, 지연 시간 또는 오류율과 같은 중요한 설계 지표를 담당하는 엔지니어라고 상상해 보십시오. 이러한 지표가 설정된 한도에 가까워지기 시작하면 알림을 받을 수 있는 방법이 필요합니다. 이를 통해 사전 조치를 취해 애플리케이션이 원활하게 실행되도록 할 수 있습니다. 아니면 디스크 용량이 한계에 다다를 때 사전 공지를 통해 업그레이드를 계획하고 다운타임을 방지하고자 하는 데이터센터 관리자일 수도 있습니다. 사업 전략가로서, 재무 계획 과제를 해결하기 위해 수익 추세를 예측하기 위해 AI 실시간 분석을 활용할 수 있습니다. 이러한 각 시나리오에서 잠재적인 문제를 예측하고 문제가 발생하기 전에 알림을 받을 수 있는 기능은 생산성과 의사 결정을 크게 향상시킬 수 있습니다.

Predictive Alerts 기능은 문제가 발생하기 전에 이를 감지하도록 도와 이러한 문제를 해결합니다. 이벤트가 발생한 후 알려주는 대부분의 알림과 달리, Predictive Alerts 는) 신호가 사용자가 설정한 정적 레버 값을 위반할 것으로 예측될 때 공지를 트리거합니다.

Predictive Alerts 기능은 이력 데이터를 사용하여 예측 모델을 신호에 맞춥니다. 모델은 이 역량 데이터를 사용하여 들어오는 각 데이터 포인트에 대해 최대 360개의 미래 데이터 포인트를 예측할 수 있습니다. 각 데이터 포인트는 한 창 기간 내의 데이터 그룹을 나타냅니다. 예측된 데이터 포인트가 정적 한계 설정을 위반하는 경우 알림을 받게 되며, 이를 통해 잠재적인 문제가 발생하기 전에 예방 조치를 취할 수 있습니다.

예측 알림은 많은 상황에서 유용하지만, "빠른 실패"나 급격한 동작을 보이는 신호에는 적합하지 않습니다. 예를 들어, 일반적으로 안정적이지만 단기적으로 급증하는 오류 수는 이 기능으로 예측할 수 없습니다. 이러한 경우에는 정적, 경계 조건이 더 적합하며 필요한 공지 적용 범위를 제공합니다.

지원되는 알고리즘

현재 Predictive Alerts 계절적 및 비계절적 시계열 모두에 대해 지수 평활화라고도 하는 Holt-Winters 알고리즘을 지원합니다. 이 기능은 예측 및 예측 작업을 위한 알고리즘을 기반으로 한 모델을 사용합니다. 데이터에 예측 모델을 적용할 때 역량 데이터의 동작에 따라 자동으로 계절 모델이나 비계절 모델이 선택됩니다.

계절 모델

계절 모델은 이력 데이터의 반복되는 패턴을 식별하고 활용하여 미래 가치를 예측합니다. 이러한 반복되는 패턴을 계절성이라고 하며, 한 주기를 완료하는 데 필요한 기간을 계절의 길이라고 합니다. 이력 데이터에 계절성이 나타나면 알고리즘이 자동으로 계절 길이를 감지하고 계절 모델을 적용합니다.

Predictive Alerts 기능은 시간별, 일별, 주별 계절 기간을 지원하지만 월별 및 연간 계절 기간은 지원하지 않습니다. 계절 패턴을 사용하여 예측을 생성하려면 계절 길이의 최소 3배인 이력 데이터가 필요합니다. 즉, 시간당의 경우 3시간, 일당의 경우 3일, 주당의 경우 3주가 필요합니다. 사용 가능한 이력 데이터가 계절 길이의 3배 미만이면 모델은 예측을 생성하지 않고 충분한 데이터가 확보될 때까지 기다립니다.

계절 길이는 수동으로 선택할 수 없습니다. 모델이 역량 데이터의 계절성과 신호 창 기간을 기준으로 자동으로 결정합니다. 창 기간을 조정하면 모델에서 감지할 수 있는 계절적 길이가 영향을 받습니다. 다양한 창 기간과 그에 따른 계절적 길이 사이의 상관관계는 다음과 같습니다.

비계절 모델

이력 데이터에서 반복되는 패턴이 감지되지 않으면 알고리즘은 비계절 모델을 사용합니다. 이 모델은 데이터의 추세와 수준에만 기반하므로 계절적 패턴에 의존하지 않고 예측이 가능합니다.

예: 기능이 창 기간을 기준으로 예측 모델을 선택하는 방법

창 기간을 1분으로 설정하면 가능한 계절 길이는 시간당이 됩니다. 기능이 이력 데이터에서 시간별 계절 패턴을 감지하면 공지 조건에 계절 모델을 적용하고 3시간의 이력 데이터(계절 길이의 3배)를 사용하여 예측을 생성합니다.

• 계절적 패턴이 감지되지 않으면 해당 기능은 비계절적 모델을 사용하여 예측을 수행합니다.
• 적절한 역량 데이터를 사용할 수 없는 경우 모델은 충분한 데이터가 축적될 때까지 기다린 후 예측을 생성합니다.

할 수 있게 하다 Predictive Alerts

Predictive Alerts 기능을 활성화하려면 one.newrelic.com > Administration > Preview & Trials 으로 이동하여 Predictive Alerts 기능을 활성화하세요.

설정하기 Predictive Alert

Predictive Alert 을 설정하려면 다른 공지 사항 과 동일한 단계를 따른 다음, 설정 중에 예측 기능을 활성화하세요. 다음 절차에서는 NRQL 쿼리를 통해 신호를 정의하여 Predictive Alert 조건을 만드는 방법을 보여줍니다. 차트를 만들 거나 가이드 모드를 사용하여 신호를 정의할 수도 있습니다. 신호를 정의한 후 공지사항을 생성하는 추가 단계는 동일합니다.

신호 정의

1. 새로운 공지 조건을 생성하려면 Alert conditions (policies) 에서 New alert condition 선택하세요.

2. 공지 신호를 정의하려면 Write your own query 선택하고 NRQL 쿼리를 작성하세요. 다음은 MyAwesomeApp 애플리케이션의 처리량을 알려주는 참고용 쿼리 예시입니다.

   팁

   NRQL과 구문에 대해 자세히 알아보려면 NRQL 설명서를 참조하세요.

   SELECT rate(count(apm.service.transaction.duration), 1 minute)
   FROM Metric
   WHERE appName = 'MyAwesomeApp'

   카피

3. 쿼리 차트를 미리 보려면 Run 클릭하세요.

   

고급 설정으로 신호를 미세 조정하세요

신호를 미세 조정하려면 Next 클릭하고 요구 사항에 따라 다음 고급 설정을 수행하세요.

Advanced setting	설명
창 기간	분석을 위해 데이터를 그룹화하거나 집계하는 방법을 정의합니다. Predictive Alerts 의 경우, 훈련에 사용되는 데이터 양과 허용되는 최대 시즌 길이를 결정하는 것이 중요합니다. 자세한 내용은 위의 예를 참조하세요.
슬라이딩 윈도우 집계 사용	신호의 변동을 부드럽게 합니다. Advanced 및 Core 컴퓨팅 요금제를 사용하는 고객은 이를 이용할 때 추가 CCU 요금이 부과될 수 있습니다. 자세한 내용은 슬라이딩 창문 가격 섹션 을 참조하세요.
스트리밍 방식	평가에 앞서 데이터가 수집되는 방식을 제어하세요. 귀하의 데이터에 가장 적합한 옵션을 선택하세요.
지연	각 평가 창에 해당하는 이벤트를 기다리는 시간을 설정합니다. 지연 시간이 길어지면 '공'의 정확도는 높아지지만 '공'이 지연됩니다.
갭 메우기 전략	분석에서 누락된 데이터를 처리하는 방법을 정의합니다.
평가 지연	평가를 시작하기 전에 특정 기간 동안 기다리게 하려면 신호에 대한 안전성을 확인하려면 이 기능을 활성화하고 원하는 대기 시간을 설정하세요.

조건 설정하기, 레버 값

1. Predictive Alert 생성하려면 디지털 경계 유형을 Static 로 설정해야 합니다. 자세한 내용은 정적 휠체어값, 릴레이 문서를 참조하세요.

2. 예측 기능을 구현하려면 Predict future behavior 토글을 활성화하세요.

   

3. 예측 시간을 조정하여 예측하고자 하는 미래 시점을 설정합니다.

   • 최소 예측 시간: 창 기간의 2배.
   • 최대 예측 시간: 창 지속 시간의 360배.

4. 실제 신호가 한계를 위반할 때 Predictive Alert 에 대한 동작을 설정합니다. Predictive Alert 을 닫고 실제 공지를 열거나, Predictive Alert 를 열어두어 소음을 줄일 수 있습니다.

5. 귀하의 조건인 레버 값 설정이 완료되면 Next 클릭하세요.

경고 조건 세부 정보 추가

공지사항의 이름을 지정하고 공지사항에 첨부하세요. 자세한 내용은 공지 조건 세부 정보 를 참조하세요.

위의 모든 단계를 완료하면 예측 기능을 갖춘 공지 조건이 성공적으로 설정됩니다.