Адаптивные модели метрик
Описание
Адаптивная модель метрики рассчитывает параметры пороговых значений на основе исторических данных метрики. Такой способ настройки позволяет не задавать диапазоны критичности вручную, а формировать их на основе фактического поведения показателя.
Одна адаптивная модель соответствует одной метрике
Назначение
Адаптивные модели позволяют:
- автоматически рассчитывать диапазоны критичности для метрик
- учитывать различные правила и временные окна расчета
- обучать модель отдельно по объектам метрики, если метрика разделена по измерениям
Алгоритмы
Для адаптивных метрик доступны следующие типы моделей:
| Тип модели | Название в интерфейсе | Описание | Рассчитанные параметры |
|---|---|---|---|
std_dev | Среднеквадратичное отклонение | Рассчитывает среднее значение и стандартное отклонение на основе исторических данных. | mean, std |
quantile | Перцентиль | Рассчитывает значения перцентилей на основе исторических данных. | значения перцентилей от 0 до 100 |
range | Диапазон | Рассчитывает исторический минимум и максимум. | min, max |
percentage | Отклонение от процента | Рассчитывает среднее значение, от которого далее задается процентное отклонение. | mean |
Обучение модели
Модель обучается с заданной частотой автоматического переобучения на основе значений метрики за указанный период обучения с использованием выбранного алгоритма, групп фильтров и временных окон.
Если для метрики настроены переопределения правил, модель рассчитывается отдельно для каждого набора фильтров. Для правил с временными окнами параметры рассчитываются в пределах соответствующих окон, а для правила по умолчанию используются данные, не входящие в эти окна.
При расчете здоровья адаптивной метрики система использует последний завершенный результат обучения. ЕЕсли результат текущего обучения отсутствует или обучение завершилось с ошибкой, но параметры уже были рассчитаны ранее, система продолжает использовать предыдущие параметры до следующего успешного завершения обучения.
Если метрика разбита по объектам и включена настройка Обучать модель индивидуально по измерениям, система дополнительно рассчитывает индивидуальные параметры для объектов метрики.
Индивидуальные результаты позволяют просматривать параметры, рассчитанные для конкретного объекта, например сервера, города или другого значения измерения.
К сведению: количество объектов для индивидуального обучения ограничено значением
1000. Если объектов больше, в интерфейсе отображается предупреждение и указывается количество объектов, превышающих установленный лимит.
Статусы обучения
В истории обучения отображаются последние запуски модели и их состояния.
| Статус | Описание |
|---|---|
В процессе | Обучение запущено и еще не завершено. |
Успешно | Обучение завершилось успешно. |
Ограничение | Обучение завершилось, но часть объектов не вошла в индивидуальные результаты из-за установленного лимита. |
Ошибка | Обучение завершилось ошибкой. |
Список моделей
Список адаптивных моделей используется для контроля состояния всех обученных адаптивных метрик.
Карточка модели
Карточка адаптивной модели содержит подробную информацию о выбранной метрике.
Просмотр результатов обучения
Для каждого запуска можно открыть рассчитанную модель.
Каждая группа результата содержит правило, фильтры, временные окна, рассчитанные параметры, количество обученных объектов и количество объектов, превышающих установленный лимит.