의사결정으로 상관 논리 구성

알림의 상관관계 논리를 통해 관련 문제가 함께 그룹화되어 주의를 산만하게 하고 중복되는 알림을 줄입니다. 시스템에 이벤트가 유입되면 해당 이벤트는 당사의 상관관계 분석 로직의 적용 대상이 됩니다. 적격 사안은 시간, 공지 맥락 및 관계 데이터를 기반으로 평가됩니다. 여러 문제가 서로 관련되어 있는 경우, 당사의 상관관계 분석 로직은 관련된 공지 이벤트를 하나의 포괄적인 문제 로 통합합니다.

우리는 이것을 상관 논리 decisions 이라고 부릅니다. 기본 제공되는 결정 사항 외에도, 결정 사항 페이지에서 직접 결정 사항을 만들고 맞춤 설정할 수 있습니다. 결정 페이지를 찾으려면 one.newrelic.com > All capabilities > Alerts > Decisions 로 이동하세요. 사용자의 요구사항에 맞춰 의사결정을 더욱 세밀하게 구성할수록, 뉴렐릭은 공지 이벤트와의 연관성을 더욱 잘 파악하고, 노이즈를 줄이며, 온콜 팀에게 더욱 풍부한 맥락 정보를 제공할 수 있습니다.

/* <img title="NRAI_Decisions_Page.png" alt="알림 결정 UI 보여주는 화면입니다." src="/images/alerts_screenshot-full_new-relic-decisions-page.webp" /> <figcaption> <DNT>**[one.newrelic.com > 모든 기능](https\://one.newrelic.com/all-capabilities) > 알림 > 공지 이벤트 인텔리전스 > 결정**</DNT>: 우리의 UI 각 결정이 공지 이벤트와 어떻게 연관되어 있는지 보여줍니다. </figcaption> */

상관 관계란 무엇이며 어떻게 작동합니까?

가장 최근에 활성화된 공지 이벤트가 상관 관계 분석에 사용됩니다. 예를 들어, 시스템이 합성 모니터가 호주와 런던에서 오류를 일으키고 있다는 두 개의 알림을 수신했다고 가정해 보겠습니다. 이 두 가지 알림은 고유한 공지 이벤트를 생성합니다. 해당 공지 이벤트는 팀의 기존 공지 이벤트 생성 정책을 기반으로 고유한 이슈를 생성합니다. 그런 다음 뉴렐릭의 상관 관계 논리는 해당 공지 이벤트를 서로 테스트하여 유사점을 찾습니다. 이 경우 여러 위치에서 오류가 발생하는 동일한 모니터이므로 뉴렐릭은 두 공지 이벤트를 각 관련 이벤트가 포함된 단일 문제로 병합합니다.

이벤트를 상호 연관시킬 때 모든 조합 쌍을 서로 확인하고 가능한 한 많이 조합합니다. 예를 들어:

• 우리의 알고리즘은 공지 이벤트 A와 B("AB"라고 함)를 연관시킵니다.
• 우리의 알고리즘은 공지 이벤트 B와 C("BC"라고 함)를 연관시킵니다.
• B가 두 문제 모두에 존재하기 때문에 알고리즘은 세 가지 공지 이벤트를 하나의 문제로 묶어서 처리합니다.

상관 관계 정책 구성

경고기반 문제에 대한 상관 관계를 활성화하려면 해당 경고 정책 에 대한 상관 관계에 연결해야 합니다.

의사결정 유형

결정에 따라 공지 이벤트 인텔리전스가 문제의 상관 관계를 파악하는 방법이 결정됩니다. 뉴렐릭의 상관관계 로직은 세 가지 유형의 의사결정으로 팀에서 활용할 수 있습니다.

• Global decision: 알림 사용을 시작하면 다양한 기본 결정이 자동으로 활성화됩니다.
• Suggested decision: 뉴렐릭의 상관관계 엔진은 이벤트 데이터를 지속적으로 평가하여 상관관계 패턴을 포착하여 노이즈를 줄이는 결정을 제안합니다. 제안된 결정의 시뮬레이션 결과를 미리 보고 활성화하도록 선택할 수 있습니다.
• Custom decision: 팀에서는 사용 사례에 따라 결정을 맞춤화하여 상관관계 효율성을 높일 수 있습니다. 뉴렐릭의 결정 UI 결정의 모든 차원을 구성할 수 있는 유연성을 제공합니다.

귀하의 적극적인 결정 검토

팀의 기존 결정을 검토하려면:

1. one.newrelic.com> Alerts > alert event intelligence > Decisions 으)로 이동합니다.
2. 활성 결정 목록을 검토합니다. 문제 간의 상관 관계를 생성하는 규칙 논리를 보려면 결정을 클릭하십시오.
3. 공지 이벤트와 결정 간의 연관성에 대한 예시를 보려면 Recent correlations 탭을 클릭하세요.
4. 이러한 전역 결정을 활성화하거나 비활성화할 수 있는 옵션이 있습니다.

소스 구성

결정을 구성하기 전에 상호 연관시킬 소스를 결정하는 것이 중요합니다. 소스는 데이터 입력입니다.

다음 소스에서 데이터를 얻을 수 있습니다.

글로벌 의사결정

팀이 알림을 사용하기 시작하면 글로벌 의사결정이 자동으로 활성화됩니다. 설정이 필요하지 않으며 팀에서 즉시 사용할 수 있습니다. 글로벌 의사결정은 다양한 상관관계 시나리오를 다룹니다.

아래 표는 자동으로 활성화되는 모든 전역 결정에 대한 설명을 제공합니다.

제안된 결정 사용

선택한 소스의 데이터에 패턴이 있는지 지속적으로 검사하여 노이즈를 줄이는 데 도움이 됩니다. 데이터에서 패턴이 관찰되면 당사의 상관 관계 논리가 향후 이러한 유형의 이벤트를 상관시킬 수 있는 고유한 결정을 제안합니다.

시작하려면 Decisions UI 페이지 주제에서 Suggested decisions 탭을 클릭하세요. 제안된 결정의 논리와 각 제안된 결정을 클릭하면 예상 상관관계율을 확인할 수 있습니다.

제안된 결정을 활성화하려면 Add to your decisions 클릭하세요. 활성화되면 결정이 팀의 기본 결정 테이블에 표시됩니다. 제안된 모든 결정에는 작성자가 뉴렐릭 AI로 표시됩니다(이는 뉴렐릭 알림을 나타냄).

제안된 결정이 귀하의 요구사항과 관련이 없으면 Dismiss 클릭하세요.

맞춤 결정 만들기

사용자 정의 결정을 내려 노이즈를 줄이고 상관 관계를 개선할 수 있습니다. 결정을 내리려면 one.newrelic.com > All capabilities > Alerts > Decisions 으로 이동한 다음 Create new decision 클릭하세요.

의사 결정 빌더에는 두 가지 버전이 있습니다.

• 기본 의사 결정 작성기(미리 보기)
• 고급 의사 결정 빌더

이러한 의사 결정 도구를 사용하는 방법에 대한 자세한 내용은 계속 읽으십시오.

결정 요소

결정은 다음 요소로 구성됩니다.

• 속성별 상관관계: 모든 공지 이벤트를 해당 속성의 유사점이나 차이점을 기준으로 상관시킵니다.
• 특정 값으로 필터링: 특정 값을 가진 공지 이벤트만 필터링합니다.
• 관련 엔터티로 필터링: 찾고자 하는 공유 연결 또는 종속성의 종류를 선택합니다.
• 상관관계 시간 범위: 두 공지 이벤트의 생성 시간 간 최대 허용 시간 차이를 설정하여 두 이벤트가 상관관계 분석에 고려될 수 있도록 합니다.

공지 이벤트 간의 연결이 설정되면 우리 알고리즘 그룹은 공지 이벤트를 단일 이슈로 연관시킵니다.

기본 의사결정자

This feature is currently in preview and available for only some customers. 액세스 권한이 없는 경우 고급 의사 결정 작성 도구 에 대한 지침을 참조하세요.

다음은 기본 의사 결정 작성 도구를 사용하는 방법을 보여주는 짧은 비디오(3분 25초)입니다.

기본 의사 결정 빌더는 대부분의 사용 사례를 다루며 "속성별 상관 관계"에 중점을 둡니다. 여기서는 상관 관계 일치에 대한 필터 조건을 지정할 수 있습니다. 상관관계가 있는 두 공지 이벤트 모두에 특정 값에 대한 동일한 필터 로직을 적용할 수도 있습니다. 예를 들어 공지 이벤트 둘 다에 대한 이름이 host 1 인 경우 공지 이벤트를 연관시킬 수 있습니다.

기본 의사결정 빌더를 사용하여 사용자 정의 의사결정을 작성하려면 다음 단계를 완료하십시오. 1, 2, 3단계는 그 자체로는 선택 사항이지만 결정을 내리려면 3단계 중 적어도 하나를 정의해야 합니다.

1단계: 속성별 상관관계

드롭다운 메뉴에서 속성을 선택합니다. 가장 인기 있는 옵션인 equal 연산자가 미리 선택되어 있거나 다른 연산자를선택할 수 있습니다.

두 번째 속성은 일반적으로 첫 번째 속성과 일치하므로 자동으로 채워집니다. 자동 입력 옵션을 유지하거나 다른 연산자를 선택할 수 있습니다.

완료되면 시뮬레이션이 자동으로 실행됩니다.

이 단계를 반복하여 최대 8개의 로직 필터를 추가할 수 있습니다.

/* <CollapserGroup> <Collapser id="basic-correlate-속성-ui" title="UI 스크린샷 보기" > <img title="속성과 상관관계가 있는 기본 의사결정 빌더의 스크린샷." alt="속성과 연관된 기본 의사 결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-crop_basic-decision-builder-correlate-속성.webp" /> </Collapser> </CollapserGroup> */

2단계: 특정 값으로 필터링

1. Filter by specific values 섹션을 열고 추가 필터를 보려면 See more options 클릭하세요.
2. 속성을 선택합니다.
3. equal 연산자가 미리 선택되어 있거나 다른 연산자를선택할 수 있습니다.
4. 다중 선택이 지원되는 선택된 속성에 대한 예상 값을 선택하십시오.

완료되면 시뮬레이션이 자동으로 실행됩니다.

이 단계를 반복하여 최대 8개의 로직 필터를 추가할 수 있습니다.

/* <CollapserGroup> <Collapser id="basic-builder-filer-values-ui" title="UI 스크린샷 보기" > <img title="값으로 필터링하는 기본 의사 결정 빌더의 스크린샷입니다." alt="값으로 필터링하는 기본 의사 결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-crop_basic-decision-builder-filter-values.webp" /> </Collapser> </CollapserGroup> */

3단계: 관련 엔터티로 필터링

Filter by related entities 클릭하고 엔터티 클래스를 선택합니다.

New Relic 에이전트에서 데이터를 수집하면 자동 토폴로지 상관 관계가 생성됩니다. 기본 토폴로지 상관 관계에 대해 자세히 알아보십시오.

NerdGraph API를 사용하여 토폴로지 설정을설정할 수도 있습니다. 이를 통해 모든 토폴로지 관련 결정을 토폴로지 데이터와 일치시킬 수 있습니다. 토폴로지 상관 설정에 대해 자세히 알아보세요.

/* <CollapserGroup> <Collapser id="basic-builder-관련-엔티티-ui" title="UI 스크린샷 보기" > <img title="기본 의사결정 빌더의 스크린샷, 필터링으로 필터링." alt="엔티티별 필터링을 적용한 기본 의사 결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-crop_basic-decision-builder-filter-related-엔티티.webp" /> </Collapser> </CollapserGroup> */

4단계: 상관 관계 시간 범위 설정

이는 두 공지 이벤트의 생성 시간 간 최대 허용 시간 차이를 설정하여, 해당 차이가 상관관계 분석에 사용될 수 있도록 합니다. 이 범위 내의 공지 이벤트는 지정된 규칙에 따라 평가되며, 범위를 벗어난 이벤트는 연관되지 않습니다.

시간 범위는 기본적으로 20분으로 설정됩니다. 1-120분 사이에서 조정할 수 있습니다.

/* <CollapserGroup> <Collapser id="basic-builder-time-range" title="UI 스크린샷 보기" > <img title="상관관계 시간 범위를 설정하는 기본 의사 결정 빌더의 스크린샷입니다." alt="상관관계 시간 범위를 설정하는 기본 의사 결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-crop_basic-decision-builder-time-range.webp" /> </Collapser> </CollapserGroup> */

5단계: 시뮬레이션을 사용하여 결정 테스트

필터 로직을 추가하면 시스템이 자동으로 지난 7일간의 공지 이벤트 데이터를 사용하여 시뮬레이션을 실행하여 적용하기 전에 결정을 검증할 수 있도록 도와줍니다.

Simulate 클릭하여 시뮬레이션을 수동으로 트리거할 수도 있는데, 결정에서 변경된 사항이 있는 경우 수행할 수 있습니다.

/* <CollapserGroup> <Collapser id="basic-builder-test-with-simulation-ui" title="UI 스크린샷 보기" > <img title="시뮬레이션을 사용하여 테스트하는 기본 의사 결정 빌더의 스크린샷입니다." alt="시뮬레이션을 통해 테스트 중인 기본 의사 결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-crop_basic-decision-builder-run-simulation.webp" /> </Collapser> </CollapserGroup> */

6단계: 결정 이름 지정 및 저장

이름 및 설명 패널에 액세스하려면 Create decision 클릭합니다. 시스템은 귀하의 결정에 따라 이름을 생성합니다. 원하는 대로 이름과 설명을 사용자 정의합니다.

/* <CollapserGroup> <Collapser id="basic-builder-save-decision-ui" title="UI 스크린샷 보기" > <img title="기본 의사 결정 빌더 스크린샷: 의사 결정 이름 지정 및 저장" alt="기본 의사 결정 빌더 스크린샷: 의사 결정 이름 지정 및 저장" src="/images/alerts_screenshot-crop_basic-decision-builder-name-describe.webp" /> </Collapser> </CollapserGroup> */

고급 의사 결정 빌더

고급 의사결정 생성기는 상관관계가 있는 두 공지 이벤트에 서로 다른 논리 필터를 적용하여 더욱 복잡한 의사결정을 생성할 수 있도록 합니다. 예를 들어, 공지 이벤트 중 하나는 분리 이름이 host 1 이고 다른 하나는 분할 이름이 host 2 인 경우 상관 관계를 설정할 수 있습니다. 시간 범위 설정 외에도 더 고급 설정들이 있습니다.

고급 의사결정 작성기를 사용하려면 다음을 수행하십시오.

1. one.newrelic.com > All capabilities > Alerts > Decisions 으)로 이동합니다.
2. Create new decision 클릭한 다음 Use advanced builder 클릭합니다.

사용 가능한 옵션에 대한 자세한 내용은 계속 읽으십시오.

중요 용어:

• 논리 필터: 연산자 를 속성에 적용하여 정의한 논리 조건입니다.
• 세그먼트(Segment) : 논리필터의 조합을 만족하는 공지이벤트의 그룹.

사용자 정의 결정을 작성하려면 다음 단계를 완료하십시오. 1, 2, 3단계는 그 자체로 선택 사항이지만 결정을 내리려면 세 가지 중 하나 이상을 정의해야 합니다.

1단계: 데이터 필터링

두 개의 공지 이벤트 간에 상관관계가 발생합니다. 필터가 정의되지 않은 경우, 모든 수신 알림 이벤트가 결정에 고려됩니다. 사용자의 요구사항에 맞춰 의사결정을 더욱 세밀하게 구성할수록, 공지 이벤트의 연관성을 더욱 정확하게 파악하고, 불필요한 정보를 줄이며, 온콜 팀에 더욱 풍부한 맥락 정보를 제공할 수 있습니다.

귀하의 팀은 공지 이벤트의 첫 번째 세그먼트와 공지 이벤트의 두 번째 세그먼트에 대한 필터를 정의할 수 있습니다. 필터 연산자는 부분 문자열 일치부터 정규 표현식 일치 까지 다양하며, 원하는 공지 이벤트를 찾고 원하지 않는 이벤트를 제외하는 데 도움이 됩니다.

/* <CollapserGroup> <Collapser id="advanced-decision-builder-filter-data-ui" title="UI 스크린샷 보기" > <img title="고급 의사 결정 빌더 스크린샷: 데이터 필터링" alt="기본 의사 결정 빌더 스크린샷: 데이터 필터링" src="/images/alerts_screenshot-crop_advanced-decision-builder-filter-data.webp" /> </Collapser> </CollapserGroup> */

2단계: 속성별 상관 관계

데이터를 필터링한 후에는 공지 이벤트의 컨텍스트를 비교할 때 사용할 로직을 정의하십시오. 다음 방법들을 이용하여 이벤트 간의 상관관계를 분석할 수 있습니다.

• 표준 연산자를 사용한 속성 값 비교
• 유사성 알고리즘 을 사용한 속성 값 유사성
• 캡처 그룹이 있는 속성 값 정규식
• 유사성 또는 클러스터 알고리즘을 이용한 전체 공지이벤트 비교

/* <CollapserGroup> <Collapser id="advanced-decision-builder-correlate-속성-ui" title="UI 스크린샷 보기" > <img title="고급 의사결정 빌더의 스크린샷: 속성별 상관관계" alt="기본 의사결정 빌더의 스크린샷: 속성별 상관관계" src="/images/alerts_screenshot-crop_advanced-decision-builder-correlate-속성.webp" /> </Collapser> </CollapserGroup> */

3단계: 관련 엔터티별 상관 관계

자동 토폴로지 상관 관계를 위해 New Relic 에이전트 에서 원격 측정 데이터를 수집해야 합니다. 기본 제공되는 토폴로지 상관 관계 에 대해 자세히 알아보십시오.

NerdGraph API를 사용하여 토폴로지 설정을설정할 수도 있습니다. 이를 통해 모든 토폴로지 관련 결정을 토폴로지 데이터와 일치시킬 수 있습니다. 토폴로지 상관 설정에 대해 자세히 알아보세요.

/* <CollapserGroup> <Collapser id="advanced-builder-관련-엔티티-ui" title="UI 스크린샷 보기" > <img title="고급 의사결정 빌더의 샷: 관련 부분으로 상관" alt="기본 의사결정 빌더의 샷: 관련 부분으로 상관" src="/images/alerts_screenshot-crop_advanced-decision-builder-관련-엔티티.webp" /> </Collapser> </CollapserGroup> */

4단계: 이름 지정

결정 논리를 구성한 후 인식할 수 있는 이름과 설명을 지정합니다.

이는 공지 및 기타 UI 영역에서 두 공지 이벤트가 서로 연관되게 된 원인이 된 결정을 나타내는 데 사용됩니다. 다음 단계에서 기본 고급 설정을 업데이트하지 않으려면 Create decision 클릭하여 생성을 완료하세요.

/* <CollapserGroup> <Collapser id="advanced-builder-name-decision" title="UI 스크린샷 보기" > <img title="고급 의사 결정 빌더: 이름 결정 스크린샷" alt="기본 의사 결정 빌더: 이름 결정 스크린샷" src="/images/alerts_screenshot-crop_advanced-decision-builder-name-decision.webp" /> </Collapser> </CollapserGroup> */

5단계: 고급 설정 사용

고급 설정 영역을 사용하여 이벤트를 연관시킬 때 결정이 작동하는 방식을 추가로 사용자 정의하십시오. 각 설정에는 기본값이 있으므로 사용자 지정은 선택 사항입니다.

• Time window: 두 공지 이벤트 생성 시간 사이의 최대 시간 간격을 설정하여 상관 관계 분석이 가능하도록 합니다.
• Issue priority: 기본 우선순위 설정(inherit priority)을 재정의하여 공지 이벤트가 연관되어 있는 경우 더 높거나 낮은 우선순위를 추가합니다.
• Frequency: 결정 로직이 실행되기 위해 필요한 최소 공지 이벤트 수를 수정합니다.
• Similarity: 결정 논리에 similar to 연산자를 사용하는 경우 알고리즘 목록에서 선택하고 민감도를 설정할 수 있습니다. 이는 귀하가 결정한 모든 similar to 연산자에 적용됩니다.

/* <CollapserGroup> <Collapser id="advanced-builder-advanced-settings-ui" title="UI 스크린샷 보기" > <img title="의사결정 - 고급 설정" alt="고급 설정을 구성하는 방법을 보여주는 의사결정 빌더의 스크린샷입니다." src="/images/alerts_screenshot-full_decision-builder-settings.webp" /> </Collapser> </CollapserGroup> */

논리 연산자

Decision은 공지 이벤트의 속성 값이 논리 필터에서 어떻게 평가되는지 유연하게 정의하는 데 도움이 되는 연산자 세트를 제공합니다. 기본 연산자는 equals, contains, starts with, ends with, exists 이며, 각각의 부정 연산자도 있습니다. 예를 들어, does not equal.

유사성 연산자 is similar to 이 있으며, 이 연산자에 대해 기본 유사성 알고리즘을 지정할 수 있습니다. 기본적으로 Levenshtein Distance를 사용합니다.

contains (regex) 연산자를 사용하면 정규식 조건을 정의할 수 있습니다. 임의의 데이터 값을 일치시키는 데 강력합니다.

유사성 알고리즘

다음은 우리가 사용하는 유사성 알고리즘에 대한 기술적인 세부 사항입니다.

It is not length of life, but depth of life.
Depth of life does not depend on length.

[1, 0, 1, 1, 2, 2, 1, 1, 0, 0, 0]
[0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1]

Low Disk Space in application myapp in data center us01

flowers / florets

1 - [(# of characters in both sets) / (# of characters in either set) * 100]

정규식 연산자

의사결정 을 작성할 때 사용 가능한 연산자는 다음과 같습니다.

• contains (regex): 1단계: 데이터 필터링 에서 사용됩니다.
• regular expression match: 2단계: 문맥 상관 관계 에서 사용됩니다.

의사 결정 작성기 는 정규 표현식에 대해 이 문서에 설명된 표준을 따릅니다.

상관 도우미

상관관계 도우미를 사용하면 공지 이벤트를 더 빠르게 분석하고, 의사 결정 로직을 생성하고, 시뮬레이션을 통해 로직을 테스트할 수 있습니다. 상관관계 도우미를 사용하려면 다음 단계를 따르세요.

1. one.newrelic.com > All capabilities > Alerts > Issues & activity > Alert events 탭으로 이동하세요.
2. 연관시키려는 공지 이벤트의 확인란을 선택하세요. 그런 다음 공지이벤트 목록 하단의 Correlate alert events 클릭하세요.
3. 공지 이벤트 상관 관계에 대한 최상의 결과를 얻으려면 빈도가 낮은 공통 속성을 선택하십시오. 빈도 사용에 대해 자세히 알아보세요.
4. 새로운 결정이 데이터의 마지막 주에 미칠 영향을 확인하려면 Simulate 클릭하세요.
5. 사용할 상관 관계를 결정하려면 상관 쌍의 예를 클릭하십시오.
6. 시뮬레이션된 내용이 마음에 들면 Next 클릭한 다음 결정 내용을 지정하고 설명하세요.
7. 시뮬레이션 결과에 잠재적인 공지 이벤트가 너무 많이 표시되는 경우 결정을 위해 다른 속성 및 공지 이벤트 집합을 선택하고 다른 시뮬레이션을 실행할 수 있습니다. 시뮬레이션에 대해 더 자세히 알아보세요.

시뮬레이션 대 실시간 상관관계

의사결정에 있어서 시뮬레이션과 실시간 상관관계의 차이점을 이해하는 것이 중요합니다.

• Simulation시뮬레이션 상관관계는 시뮬레이션 조건 하에서 두 개의 개별 공지 이벤트를 분석하여 그 관계를 이해하는 것을 의미합니다. 이러한 공지 이벤트는 동일한 근본적인 문제에서 비롯될 수도 있고, 서로 다른 문제에서 비롯될 수도 있습니다. 개별 공지 사건 간의 잠재적 원인 또는 공통적인 특징을 파악하는 데 중점을 둡니다. 시뮬레이션은 이를 앞으로 적용하기 전에 이력 데이터에 대한 상관관계 논리를 테스트하고 검증하는 데 도움이 됩니다.

• Real-time correlation (decisions): 대조적으로, 대구 상관관계는 목표가 뚜렷한 이슈로, 각 이슈는 잠재적으로 여러 공지 이벤트를 포괄합니다. AI 모니터링은 이러한 여러 공지 이벤트 전반에 걸쳐 패턴을 감지하고 연결하여 보다 효율적인 상관관계 분석을 통해 근본적인 문제를 파악하는 것을 목표로 합니다. 실시간 상관관계 분석은 실시간 데이터 스트림을 활용하여 발생 가능한 문제를 식별하고 대응할 수 있도록 합니다.

시뮬레이션 사용

시뮬레이션은 지난주 데이터에서 발생한 두 개의 별도 공지 이벤트를 분석하여 상관관계 논리를 테스트하고, 발생했을 상관관계의 수를 보여줍니다. 이를 통해 실시간 문제 상관관계 분석에 적용하기 전에 의사 결정 논리를 검증할 수 있습니다. 시뮬레이션을 실행할 때 표시되는 의사결정 미리보기 정보는 다음과 같습니다.

• Potential correlation rate: 테스트된 비율, 공지 이벤트, 이 결정이 영향을 미쳤을 것입니다.
• Total created alert events: 이 결정에 의해 테스트된 공지 이벤트의 수입니다.
• Total estimated correlated alert events: 이번 결정으로 예상되는 공지 이벤트 건수는 상관관계가 있을 것입니다.
• Alert event examples: 해당 결정과 연관되었을 공지 이벤트 쌍 목록으로, 규칙의 속성과 값, 그리고 각 쌍에서 자주 사용되는 다른 속성들이 포함됩니다. 공지이벤트를 클릭하시면 자세한 내용을 보실 수 있습니다.

원하는 결과를 얻을 때까지 필요한 만큼 다양한 속성으로 시뮬레이션을 실행하십시오. 준비가 되면 UI 프롬프트에 따라 결정을 저장합니다.

토폴로지 상관 관계

뉴렐릭 알림의 경우 토폴로지는 서비스 맵, 즉 리소스의 서비스와 리소스가 서로 어떻게 관련되어 있는지를 나타냅니다.

의사결정 사용자의 경우 기본 토폴로지 의사결정 이 계정에 추가되고 활성화됩니다. 또한 사용자 지정 결정을 생성 할 수 있는 옵션이 있습니다.

우리의 토폴로지 상관 관계는 공지 이벤트 소스 간의 관계를 찾아 공지 이벤트 와 해당 문제의 상관 관계를 결정합니다. 토폴로지 상관관계는 상관관계의 품질과 발견 속도를 향상시키도록 설계되었습니다.

요구 사항

자동 토폴로지 상관 관계(토폴로지 그래프를 명시적으로 설정할 필요 없음)의 경우, 셸 메타 데이터가 뉴렐릭 에이전트 에 의해 수집되는지 확인하세요. 귀하의 서비스와 환경에 더 많은 유형의 뉴렐릭 요원이 설치될수록 공지 이벤트를 상호 연관시키기 위한 토폴로지 결정 기회가 더 많아집니다.

토폴로지 상관 관계는 어떻게 작동합니까?

New Relic 에이전트 가 수집한 엔티티 및 관계 외에 토폴로지를 설정하려면 NerdGraph API 를 사용하십시오.

사용자 정의 토폴로지 상관 관계는 다음 두 가지 주요 개념에 의존합니다.

• Vertex: 정점은 모니터 부분을 나타냅니다. 이는 공지 이벤트가 발생하는 출처이거나, 문제가 되는 증상을 설명하는 것입니다. 꼭지점에는 들어오는 공지 이벤트와 연결할 수 있도록 하는 부분 GUID 또는 기타 ID와 같이 구성된 속성(핵심 가치 쌍)이 있습니다.
• Edges: 모서리는 두 정점 사이의 연결입니다. 모서리는 정점 간의 관계를 설명합니다.

위상이 공지 이벤트를 연관시키는 데 어떻게 사용되는지 이해하는 것이 도움이 될 수 있습니다.

1. 먼저 뉴렐릭은 관련 공지 이벤트를 모두 수집합니다. 여기에는 결정 논리 1단계와 2단계 가 참이고 고급 설정에서 정의된 시간 범위 내에 있는 공지 이벤트가 포함됩니다.

   

2. 다음으로, 꼭짓점의 정의 속성과 공지 이벤트의 사용 가능한 속성을 사용하여 각 공지 이벤트를 토폴로지 그래프 의 꼭짓점에 연결하려고 합니다.

   

3. 그런 다음 공지 이벤트와 연관된 정점 쌍을 "위상적으로 종속적인" 연산자를 사용하여 테스트하여 이러한 정점이 서로 연결되어 있는지 확인합니다.

   

   공지 이벤트들을 서로 연관시켜 문제를 병합합니다.

공지 이벤트에 속성 추가

공지 이벤트는 정점의 정의 속성을 사용하여 정점에 연결됩니다. (설명된 토폴로지 예시에서 각 정점은 고유값을 갖는 "CID"라는 정의 속성을 가지고 있습니다.) 다음으로 뉴렐릭의 알림 시스템은 속성과 일치하는 정점을 찾습니다.

정점에 적용하려는 정의 속성이 공지 이벤트에 아직 없는 경우, 다음 옵션 중 하나를 사용하여 속성을 추가하세요.

토폴로지 생성 또는 보기

토폴로지를 설정하거나 기존 토폴로지를 보려면 NerdGraph 토폴로지 튜토리얼 을 참조하십시오.