적용된 인텔리전스를 통한 이상 감지

적용된 인텔리전스의 이상 탐지를 통해 New Relic은 비정상적인 행동을 즉시 팀에 알립니다. New Relic은 응용 인텔리전스를 사용하여 애플리케이션을 지속적으로 관찰합니다. 이 정보를 사용하여 애플리케이션의 기준 또는 예상 성능을 결정합니다. 행동이 기준선에서 벗어날 때마다 즉시 파악하고 팀에 경고하여 모든 오류를 신속하고 효율적으로 해결할 수 있습니다.

New Relic에는 사용자 지정 및 자동 의 두 가지 이상 탐지 유형이 있습니다. 팀이 모니터링하려는 각 상황에 적합한 이상 감지와 시스템에서 이상 감지를 구현하는 방법에 대해 알아보십시오.

우리가 변칙을 사용하는 방법

New Relic의 개발자들은 애플리케이션의 상태를 모니터링하는 것이 얼마나 중요한지 잘 알고 있습니다. 우리는 고객이 필요할 때마다 필요한 데이터에 액세스할 수 있기를 원하므로 시스템 성능에 이상이 있는 경우 팀에 경고해야 합니다. New Relic의 이상 탐지는 응용 인텔리전스를 사용하여 처리량, 오류율 및 대기 시간이라는 세 가지 주요 황금 신호를 모니터링합니다. 이상 탐지를 통해 개발자는 이러한 메트릭에 대한 기본 성능을 모니터링합니다.

따라서 어느 날 오후 응답 시간이 급증하여 고객이 홈페이지에 액세스하는 데 평소보다 오래 걸린다고 가정해 보겠습니다. 대기 시간 메트릭 데이터가 기준에서 벗어났기 때문에 변칙 검색은 이 변칙 동작에 플래그를 지정합니다. 이것은 반드시 문제가 있다는 것을 의미하는 것이 아니라 AI가 우리 시스템에 비정상적인 무언가를 등록했으며 우리가 더 자세히 살펴봐야 한다는 것을 나타냅니다.

우리는 몇 가지 방법으로 이러한 비정상적인 동작을 모니터링합니다. 먼저 우리 팀은 변칙 대시보드를 사용하여 무엇이 언제 변경되었는지 확인할 수 있습니다.

이상 감지에는 자동 및 사용자 지정의 두 가지 유형이 있습니다.

자동 이상 징후 는 팀이 APM 모니터링 애플리케이션의 비정상적인 동작에 대해 학습할 수 있는 가장 효율적인 방법입니다. 자동 변칙 검색은 애플리케이션의 동작이 기준에서 벗어나는 순간 알림을 받을 수 있도록 팀에서 구현할 수 있는 자동 도구입니다. 자동 이상 현상을 사용하여 문제의 원인을 식별하고 적절한 조치를 취하여 시스템을 다시 원활하게 실행할 수 있습니다.

사용자 지정 이상 현상을 통해 팀의 구성 가능성이 높아집니다. 사용자 지정 이상 현상은 팀에 모든 NQRL 조건에 대해 경고하고 임계값을 조정 및 최적화할 수 있는 기능을 제공합니다. 또한 사용자 지정 변칙은 정적 경고와 동일한 고급 조정 설정을 사용하므로 팀에서 중요한 변칙 사고만 볼 수 있습니다.