ИИ в Workflows — Предиктивное обслуживание облачных дисков

• Latest Dynatrace
• Учебное руководство

Анализаторы данных Dynatrace Intelligence предлагают широкий спектр универсальных функций искусственного интеллекта и машинного обучения (ИИ/МО), таких как обучение и прогнозирование временных рядов, обнаружение аномалий или выявление изменений в поведении метрик во временных рядах. Dynatrace Intelligence позволяет бесшовно интегрировать эти анализаторы в ваши пользовательские рабочие процессы. Пример использования — полностью автоматизированная задача прогнозирования и устранения будущих потребностей в ёмкости. Она помогает избежать критических сбоев, уведомляя вас за несколько дней до возникновения инцидентов.

Установка Dynatrace Intelligence (Preview)

Для использования действий Dynatrace Intelligence сначала необходимо установить Dynatrace Intelligence (Preview) из Dynatrace Hub.

1. В Dynatrace Hub найдите Dynatrace Intelligence (Preview).
2. Выберите Dynatrace Intelligence (Preview) и нажмите Install.

После установки действия Dynatrace Intelligence автоматически появятся в разделе Choose action приложения Workflows.

Пример использования

Этот сценарий использования демонстрирует, как можно использовать предиктивный ИИ-анализатор Dynatrace Intelligence для прогнозирования будущих потребностей в дисковой ёмкости и генерации предиктивных оповещений за несколько недель до наступления критических инцидентов.

[

Предоставление необходимых разрешений](davis-for-workflows.md#permissions "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Изучение показателей ёмкости](davis-for-workflows.md#explore "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Определение расписания запуска](davis-for-workflows.md#schedule "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Настройка прогноза](davis-for-workflows.md#forecast "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Оценка результата](davis-for-workflows.md#evaluate "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Устранение до возникновения проблемы](davis-for-workflows.md#remediate "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")[

Просмотр созданных проблем](davis-for-workflows.md#problems "Автоматизация предиктивного обслуживания облачных ресурсов с помощью Dynatrace Intelligence в AutomationEngine.")

Шаг 1. Предоставление необходимых разрешений

Для успешного анализа Dynatrace Intelligence требуются соответствующие права доступа.

1. В Workflows перейдите в Settings > Authorization settings.
2. Предоставьте следующее основное разрешение.

app-engine:functions:run

3. Предоставьте следующие дополнительные разрешения.

davis:analyzers:read


davis:analyzers:execute


storage:bizevents:read


storage:buckets:read


storage:events:read


storage:logs:read


storage:metrics:read


storage:spans:read


storage:system:read

4. В правом верхнем углу нажмите Save.

Шаг 2. Изучение показателей ёмкости в Notebook

Предиктивное управление ёмкостью начинается в Notebooks, где необходимо настроить показатели ёмкости. На изображении ниже показан пример индикатора процента свободного дискового пространства для операционной команды.

Когда у вас есть необходимые индикаторы, пора построить рабочий процесс, который запускает прогноз через регулярные интервалы.

Шаг 3. Определение расписания запуска

В Workflows настройте необходимое расписание для запуска прогноза. Чтобы узнать, как это сделать, см. Триггер расписания рабочего процесса. На изображении ниже показан рабочий процесс, который запускается в 8:00 для прогнозирования всех дисков, которые с высокой вероятностью исчерпают свободное пространство в течение следующей недели.

Шаг 4. Настройка прогноза

Для запуска прогноза из рабочего процесса необходимо действие Analyze data. Действие использует прогнозный анализ и набор данных для прогноза. Вы можете использовать любые данные временных рядов для прогноза. Всё, что нужно — это получить их из Grail с помощью DQL-запроса. Здесь мы определяем набор дисков, для которых хотим спрогнозировать ёмкость. Мы используем метрику dt.host.disk.free, но вы можете использовать любую метрику ёмкости — ЦП хоста, память, сетевую нагрузку. Вы даже можете извлечь значение из строки лога.

Наш прогноз обучается на относительном временном диапазоне за последние семь дней, указанном в DQL-запросе. Он предсказывает 100 точек данных; то есть исходные 120 точек, полученных из Grail, расширяются прогнозируемыми 100 точками данных, охватывающими приблизительно одну неделю в будущее. См. DQL-запрос ниже.

Действие возвращает все спрогнозированные временные ряды, которых может быть сотни или тысячи отдельных прогнозов по дискам.

Для настройки прогноза в действии

1. Добавьте новое действие Analyze data.
2. Задайте имя действия как predict_disk_capacity.
3. Выберите Generic Forecast Analysis в качестве анализатора.
4. В поле Time series data укажите следующий DQL-запрос:

timeseries avg(dt.host.disk.free), by:{dt.entity.host, dt.entity.disk}, bins: 120, from:now()-7d, to:now()

5. Установите Data points to predict равным 100.

Шаг 5. Оценка результата

Следующее действие рабочего процесса проверяет каждый прогноз, чтобы определить, исчерпает ли диск свободное пространство в течение следующей недели. Это действие Run JavaScript, выполняющее пользовательский TypeScript-код, проверяющий нарушения порогов и передающий все нарушения следующему действию. Оно возвращает пользовательский объект с булевым флагом (violation) и массивом, содержащим подробности нарушений (violations).

1. Добавьте новое действие Run JavaScript.
2. Задайте имя действия как check_prediction.
3. Используйте следующий исходный код.

import { execution } from '@dynatrace-sdk/automation-utils';


const THRESHOLD = 15;


const TASK_ID = 'predict_disk_capacity';


export default async function () {


const exe = await execution();


const predResult = await exe.result(TASK_ID);


const result = predResult['result'];


const predictionSummary = { violation: false, violations: new Array<Record<string, string>>() };


console.log("Total number of predicted lines: " + result.output.length);


// Check if prediction was successful.


if (result && result.executionStatus == 'COMPLETED') {


console.log('Prediction was successful.')


// Check each predicted result, if it violates the threshold.


for (let i = 0; i < result.output.length; i++) {


const prediction = result.output[i];


// Check if the prediction result is considered valid


if (prediction.analysisStatus == 'OK' && prediction.forecastQualityAssessment == 'VALID') {


const lowerPredictions = prediction.timeSeriesDataWithPredictions.records[0]['dt.davis.forecast:lower'];


const lastValue = lowerPredictions[lowerPredictions.length-1];


// check against the threshold


if (lastValue < THRESHOLD) {


predictionSummary.violation = true;


// we need to remember all metric properties in the result,


// to inform the next actions which disk ran out of space


predictionSummary.violations.push(prediction.timeSeriesDataWithPredictions.records[0]);


}


}


}


console.log(predictionSummary.violations.length == 0 ? 'No violations found :)' : '' + predictionSummary.violations.length + ' capacity shortages were found!')


return predictionSummary;


} else {


console.log('Prediction run failed!');


}


}

Шаг 6. Устранение до возникновения проблемы

У вас есть множество вариантов действий по устранению прогнозируемого дефицита ёмкости. В нашем примере рабочий процесс создаёт проблему Davis и отправляет сообщение в Slack для каждого потенциального дефицита. Оба действия являются условными и срабатывают только если прогноз предсказывает нехватку дискового пространства.

Каждая созданная проблема Davis содержит пользовательские свойства, которые дают представление о ситуации и помогают идентифицировать проблемный диск.

Для отправки сообщения

1. Добавьте новое действие Send message.
2. Задайте имя действия как send_message.
3. Настройте сообщение. Чтобы узнать, как это сделать, см. Коннектор Slack.
4. Откройте вкладку Conditions.
5. Выберите условие success для действия check_prediction.
6. Добавьте следующее пользовательское условие:

{{ result('check_prediction').violation }}

Для создания проблемы Davis

1. Добавьте новое действие Run JavaScript.
2. Задайте имя действия как raise_violation_events.
3. Используйте следующий исходный код.

import { eventsClient, EventIngestEventType } from "@dynatrace-sdk/client-classic-environment-v2";


import { execution } from '@dynatrace-sdk/automation-utils';


export default async function () {


const exe = await execution();


const checkResult = await exe.result('check_prediction');


const violations = await checkResult.violations;


// Raise an event for each violation


violations.forEach(function (violation) {


eventsClient.createEvent({


body : {


eventType: EventIngestEventType.ResourceContentionEvent,


title: 'Predicted Disk Capacity Alarm',


entitySelector: 'type(DISK),entityId("' + violation['dt.entity.disk'] + '")',


properties: {


'dt.entity.host' : violation['dt.entity.host']


}


}


});


});


};

4. Откройте вкладку Conditions. 5. Выберите условие success для действия check_prediction. 6. Добавьте следующее пользовательское условие.

{{ result('check_prediction').violation }}

Шаг 7. Просмотр всех проблем прогнозируемой ёмкости Dynatrace Intelligence

В Dynatrace операционная команда может просмотреть все прогнозируемые дефициты ёмкости в ленте проблем Dynatrace Intelligence.

Создание проблемы — это необязательный шаг устранения, который можно полностью пропустить, ограничившись уведомлениями ответственных команд. В данном примере он иллюстрирует гибкость и мощь AutomationEngine в сочетании с аналитическими возможностями Dynatrace Intelligence и Grail.

Связанные темы

• Workflows
• Notebooks