노트북 예시 및 사용 사례

보편적인 사용 사례에서 효과적인 데이터 스토리를 만드는 방법을 보여주는 노트북 예시를 확인해보시기 바랍니다. 각 예시는 쿼리, 시각화, 서술 텍스트를 결합하여 효과적인 분석 문서를 작성하는 방법을 보여줍니다.

인시던트 조사 노트북

팀이 무슨 일이 일어났는지, 그리고 앞으로 어떻게 이를 방지할 수 있는지 이해하는 데 도움이 되는 포괄적인 인지던트 조사 문서를 작성할 수 있습니다.

Structure

마크다운 블록: 인시던트 개요

# Production API Outage - October 15, 2024

**Incident Start**: 2024-10-15 14:32 UTC
**Incident End**: 2024-10-15 15:18 UTC
**Duration**: 46 minutes
**Impact**: 15% of API requests failed

## Summary
Our main API experienced elevated error rates starting at 14:32 UTC...

쿼리 블록: 오류율 타임라인

SELECT count(*) AS 'Total Requests',
       filter(count(*), WHERE httpResponseCode >= 400) AS 'Errors'
FROM Transaction
WHERE appName = 'api-production'
TIMESERIES 1 minute
SINCE '2024-10-15 14:00:00' UNTIL '2024-10-15 16:00:00'

쿼리 블록: 엔드포인트별 오류 분석

SELECT count(*) AS 'Error Count',
       average(duration) AS 'Avg Duration (ms)'
FROM Transaction
WHERE appName = 'api-production'
  AND httpResponseCode >= 400
FACET request.uri
SINCE '2024-10-15 14:00:00' UNTIL '2024-10-15 16:00:00'
ORDER BY count(*) DESC

마크다운 블록: 근본 원인 분석

## Root Cause Analysis

### Timeline of Events
- **14:32**: Error rates began climbing for `/api/users` endpoint
- **14:35**: Database connection pool exhaustion detected
- **14:45**: Database scaling initiated
- **15:18**: Service fully recovered

### Contributing Factors
1. Unusual traffic spike during product launch
2. Database connection pool too small for peak load
3. Missing rate limiting on user registration endpoint

쿼리 블록: 인시던트 발생 중 데이터베이스 성능

SELECT average(duration) AS 'Query Duration (ms)',
       count(*) AS 'Query Count'
FROM DatabaseSample
WHERE host = 'prod-db-01'
TIMESERIES 5 minutes
SINCE '2024-10-15 14:00:00' UNTIL '2024-10-15 16:00:00'

성능 분석 노트북

시간 경과에 따른 애플리케이션 성능 추세를 추적 및 분석하여 최적화 기회를 파악할 수 있습니다.

Structure

마크다운 블록: 분석 개요

# Weekly Performance Review - Week of October 14, 2024

## Objectives
- Review application response times across all services
- Identify performance regressions
- Track progress on optimization initiatives

## Key Metrics
- P95 response time target: < 500ms
- Error rate target: < 0.1%
- Apdex score target: > 0.85

쿼리 블록: 응답 시간 추세

SELECT percentile(duration, 50) AS 'P50',
       percentile(duration, 95) AS 'P95',
       percentile(duration, 99) AS 'P99'
FROM Transaction
WHERE appName IN ('web-frontend', 'api-backend', 'auth-service')
FACET appName
TIMESERIES 1 day
SINCE 7 days ago

쿼리 블록: 오류율 비교

SELECT percentage(count(*), WHERE error IS true) AS 'Error Rate %'
FROM Transaction
WHERE appName IN ('web-frontend', 'api-backend', 'auth-service')
FACET appName
TIMESERIES 1 day
SINCE 7 days ago
COMPARE WITH 1 week ago

마크다운 블록: 분석 및 권장 사항

## Key Findings

### Performance Improvements ✅
- API backend P95 improved from 650ms to 420ms
- Authentication service error rate down 50%

### Areas for Attention ⚠️
- Web frontend P95 increased 15% week-over-week
- Database query timeouts up 25%

### Action Items
1. Investigate frontend asset loading delays
2. Optimize top 5 slowest database queries
3. Implement caching for user profile data

기능 도입 추적

사용자가 새로운 기능과 어떻게 상호 작용하는지 모니터링하고 도입 성공 여부를 측정할 수 있습니다.

Structure

마크다운 블록: 기능 개요

# New Dashboard Feature Adoption - 30 Days Post-Launch

**Launch Date**: September 15, 2024
**Analysis Period**: September 15 - October 15, 2024

## Feature Description
New interactive dashboard builder with drag-and-drop widgets...

## Success Metrics
- **Primary**: 25% of active users create at least one custom dashboard
- **Secondary**: Average 3 widgets per custom dashboard
- **Tertiary**: < 5% bounce rate on dashboard creation page

쿼리 블록: 대시보드를 생성하는 일일 활성 사용자

SELECT uniqueCount(userId) AS 'Users Creating Dashboards'
FROM PageView
WHERE pageUrl LIKE '%/dashboard/create%'
TIMESERIES 1 day
SINCE 30 days ago

쿼리 블록: 대시보드 생성 퍼널

SELECT funnel(userId,
  WHERE pageUrl LIKE '%/dashboard/create%' AS 'Started Creation',
  WHERE pageUrl LIKE '%/dashboard/create%' AND eventType = 'widget_added' AS 'Added Widget',
  WHERE eventType = 'dashboard_saved' AS 'Saved Dashboard'
)
FROM PageView, UserAction
SINCE 30 days ago

보안 모니터링 노트북

잠재적인 위협과 시스템 취약점을 추적하기 위해 지속적인 보안 분석을 생성할 수 있습니다.

Structure

마크다운 블록: 보안 개요

# Weekly Security Review - October 21, 2024

## Monitoring Scope
- Failed authentication attempts
- Unusual API access patterns
- Database query anomalies
- File system access violations

## Alert Thresholds
- Failed logins: > 100/hour from single IP
- API rate limiting: > 1000 requests/minute
- Suspicious queries: containing SQL injection patterns

쿼리 블록: 실패한 인증 패턴

SELECT count(*) AS 'Failed Attempts',
       latest(remoteAddr) AS 'Source IP'
FROM Log
WHERE message LIKE '%authentication failed%'
FACET remoteAddr
SINCE 7 days ago
HAVING count(*) > 50
ORDER BY count(*) DESC

쿼리 블록: API 액세스 이상 징후

SELECT count(*) AS 'Request Count',
       uniqueCount(userAgent) AS 'Unique User Agents'
FROM Transaction
WHERE appName = 'api-gateway'
FACET request.headers.x-forwarded-for
SINCE 24 hours ago
HAVING count(*) > 10000
ORDER BY count(*) DESC

비즈니스 메트릭 대시보드

기술 메트릭과 함께 주요 비즈니스 KPI를 추적하여 전체적인 그림을 파악할 수 있습니다.

Structure

마크다운 블록: 비즈니스 맥락

# Monthly Business & Technical Review - October 2024

## Business Objectives
- Increase user engagement by 15%
- Reduce customer support tickets by 20%
- Improve conversion rate to 3.5%

## Technical Performance Targets
- 99.9% uptime
- < 2 second page load times
- Zero security incidents

쿼리 블록: 사용자 참여 메트릭

SELECT count(*) AS 'Page Views',
       uniqueCount(userId) AS 'Active Users',
       average(duration) AS 'Avg Session Duration'
FROM PageView
TIMESERIES 1 day
SINCE 30 days ago

쿼리 블록: 전환 퍼널

SELECT funnel(userId,
  WHERE pageUrl = '/signup' AS 'Signup Page',
  WHERE pageUrl = '/signup/verify' AS 'Email Verified',
  WHERE pageUrl = '/onboarding/complete' AS 'Onboarding Complete',
  WHERE eventType = 'subscription_created' AS 'Converted'
)
FROM PageView, UserAction
SINCE 30 days ago

템플릿: 조사 시작

이 템플릿을 모든 데이터 조사의 시작점으로 활용할 수 있습니다.

Structure

마크다운 블록: 조사 템플릿

# Investigation: [ISSUE DESCRIPTION]

**Date**: [TODAY'S DATE]
**Investigator**: [YOUR NAME]
**Priority**: [HIGH/MEDIUM/LOW]

## Problem Statement
[Describe what you're investigating and why]

## Hypothesis
[What do you think might be causing the issue?]

## Investigation Plan
1. [First thing to check]
2. [Second thing to check]
3. [Third thing to check]

## Findings
_[Update this section as you discover information]_

## Next Steps
_[What actions should be taken based on your findings?]_

쿼리 블록: 초기 데이터 탐색

-- Replace with your initial query
SELECT count(*)
FROM [YourEventType]
WHERE [YourConditions]
SINCE 1 hour ago

팁

각 조사는 범위를 파악하기 위해 광범위한 쿼리로 시작한 다음, 조사 결과를 바탕으로 구체적인 영역으로 범위를 좁혀 나갑니다.

노트북 예시의 모범 사례

스토리 구성

맥락 제공: 목적을 설명하는 마크다운 블록으로 시작합니다.
논리적 흐름: 자연스럽게 조사를 하게되는 순서대로 쿼리를 정렬합니다.
결론 제공: 결과와 다음 단계를 요약하는 마크다운 블록으로 마무리합니다.

쿼리를 재사용 가능하게 만들기

날짜, 애플리케이션 이름, 한도 등의 변수를 사용합니다.
복잡한 로직은 NRQL에 주석을 달아 설명을 포함합니다.
분석 유형에 적합한 시간 범위를 선택합니다.

시각 디자인 팁

관련 쿼리 전체에서 통일된 차트 유형을 사용합니다.
서술을 뒷받침하는 색상을 선택합니다.
모든 시각화에 명확한 제목과 레이블을 추가합니다.
자세한 데이터는 표를 사용하고 추세와 패턴은 차트를 사용합니다.

다음 단계는?

노트북에 쿼리를 추가하는 방법을 알아보세요.
노트북 공유 옵션을 알아보세요.
NRQL 예시를 살펴보고 더 많은 쿼리 영감을 얻어보세요.

인시던트 조사 노트북.css-21sua1{background:none;border:none;width:0;padding:0;}

Structure

성능 분석 노트북

Structure

기능 도입 추적

Structure

보안 모니터링 노트북

Structure

비즈니스 메트릭 대시보드

Structure

템플릿: 조사 시작

Structure

팁

노트북 예시의 모범 사례

스토리 구성

쿼리를 재사용 가능하게 만들기

시각 디자인 팁

다음 단계는?

인시던트 조사 노트북