NRQL 예측

개요

NRQL Predictions 뉴렐릭에서는 지표의 이력 데이터 패턴을 사용하여 미래 추세를 예측하고 인사이트에서 지표가 미래에 어떻게 행동할지 알려줍니다. 이러한 사전 예방적 접근 방식은 추세를 시각화하고 잠재적인 문제를 예상하는 데 도움이 되며, 적절한 개입을 통해 최적의 시스템 성능을 유지할 수 있습니다. 이 기능은 현재 계절적(일정한 주기로 반복적이고 반복적인 패턴을 갖는 데이터) 및 비계절적 시계열에 대한 예측을 모두 지원합니다. 강력한 추세나 정의된 계절적 패턴을 보이는 지표는 NRQL 예측에 가장 적합합니다. 이러한 예측은 기존 대시보드에 추가하여 메트릭의 진행 방향을 빠르게 시각적으로 보여주는 데 가장 적합합니다.

차트에 예측을 추가하고 싶을 수 있는 상황의 예:

• 귀하의 애플리케이션은 지난 몇 시간 동안 더 많은 로그를 생성하고 있으며 디스크 공간이 부족해지고 있습니다.
• 귀하의 애플리케이션은 꾸준히 메모리 부족을 겪고 있으며, 컨테이너 전체가 충돌할 위험이 있습니다.
• 관찰된 계절적, 추세적 패턴을 토대로 미래 수익을 예측해야 합니다.

NRQL Predictions 자체는 잠재적인 문제를 식별하지 못하지만 추세를 평가하고 미래의 과제를 계획하는 데 필요한 정보를 제공합니다. 예측에서 임박한 문제가 나타날 경우 알림을 생성하려면 현재 공개 미리 보기로 제공되는 Predictive Alerts 기능에 등록하면 됩니다. Predictive Alerts NRQL Predictions 과 함께 작동하여 지표 및 공지에 대한 예측을 생성합니다. 해당 예측이 정적 옛 값, 인덱스를 통과할 때입니다.

가격

NRQL Predictions 의 사용은 귀하의 계정과 관련된 가격 모델에 적용되는 주문에 따라 미리 보기 중에 청구될 수 있습니다. 뉴렐릭 쿼리 기능 이 사용과 관련된 언어 쿼리는 핵심 컴퓨트 제품으로 청구됩니다. 이 기능이 일반적으로 제공되면, 귀하의 주문에 따라 사용료가 청구됩니다.

가격에 대한 자세한 내용은 당사 영업팀에 문의하시거나 주문서를 참조하세요.

용법

NRQL Predictions 두 가지 방법으로 생성할 수 있습니다. 이미 만든 차트에서 직접 생성하거나 PREDICT 절을 사용하여 NRQL 쿼리를 작성하는 것입니다.

기존 차트에 예측을 추가합니다.

프리딕션은 선형 또는 영역형 차트 등 시계열을 표현하는 차트에만 추가할 수 있습니다. 기존 차트에 예측을 추가하려면 다음 단계를 따르세요.

라인 또는 영역 차트에 액세스

1. one.newrelic.com > All capabilities 으로 이동하세요.
2. 선형 또는 영역형 차트에 예측을 추가하려면 Dashboards 에서 선택하거나 Metrics and events 에서 엽니다.

예측 추가

예측을 추가하려면 메뉴에서 Predict trend 선택하세요. Data Explorer [데이터 탐색기] 에서 예측은 차트에 나타납니다. 예측 범위는 자동으로 쿼리 창의 20%로 설정됩니다. 예측 값이 차트에서 어느 위치에 있는지 나타내기 위해 해당 영역이 회색으로 강조 표시되고 예측된 값이 점선으로 연결되었습니다.

PREDICT 절은 쿼리에 추가되고 NRQL 예측 기본 동작을 사용하여 예측을 생성합니다. 요구 사항에 맞게 쿼리를 세부 조정하여 세분화하고 다시 실행하여 업데이트된 예측을 얻을 수 있습니다.

팁

영역형 차트에 예측을 추가하면 예측이 포함된 선형 차트로 변경됩니다.

대시보드에 추가

대시보드에 예측이 포함된 차트를 추가하려면:

1. Add to dashboard 을(를) 클릭합니다.
2. 위젯 이름을 입력하세요.
3. 기존 대시보드를 선택하거나 새 대시보드를 만드세요.

PREDICT 절을 사용하세요.

NRQL 구문에는 NRQL 예측 사용을 간소화하기 위한 PREDICT 절이 포함되어 있습니다. 자세한 사용법과 예는 NRQL 구문 설명서를 참조하세요.

NRQL 쿼리에서 PREDICT 사용하는 예:

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT

카피

차트의 기본 예측은 다음과 같습니다.

기본 동작

현재 NRQL predictions 계절 및 비계절 시계열 모두에 대해 지수 평활화라고도 하는 Holt-Winters 알고리즘만 지원합니다. 이는 예측 및 예측 작업에 일반적으로 사용되는 표준 알고리즘입니다. 우리는 Holt-Winters 모델에 대해 시간별, 일별, 주별 계절 길이를 지원합니다.

일반적으로 기본 동작은 대부분의 NRQL 예측 사용 사례에 충분할 것입니다.

쿼리의 PREDICT 절에는 다음과 같은 기본 동작이 적용됩니다.

• 계절성: 과거 데이터에 계절성이 있는지 자동으로 감지합니다. 계절성이 감지되면 식별된 계절 길이는 Holt-Winters 계절 알고리즘에 사용됩니다. 계절성이 발견되지 않으면 비계절 모델을 구성합니다.
• 하이퍼 매개변수: 계절성과 이력 데이터를 기반으로 Holt-Winters 알고리즘에 대한 하이퍼 매개변수를 설정합니다.
• 예측 창: 쿼리 창에 지정된 총 시간 범위의 20%에 해당하는 범위를 예측합니다.
• 학습용 이력 데이터: 현재 쿼리 창과 이전 두 창의 이력 데이터를 사용하여 예측을 생성합니다.
• 시간 간격: 데이터 투영의 일관성을 보장하기 위해 쿼리 창에서 시계열의 데이터 포인트 간격에 맞춥니다.

예측 모델 사용자 정의

학습 모델의 하이퍼파라미터를 수동으로 설정하고 USING 및 BY 키워드를 추가하여 예측을 사용자 정의할 수 있습니다. NRQL과 구문에 대해 자세히 알아보려면 NRQL 설명서를 참조하세요. 일반적으로 대부분 사용자가 조정하고 싶어하는 유일한 하이퍼파라미터는 계절성입니다. 이 알고리즘은 사용자가 알려진 계절성(또는 알려진 비계절성)을 지정했을 때 가장 좋은 성능을 발휘합니다. Holt-Winters 알고리즘의 다른 하이퍼파라미터는 접근이 가능하고 변경이 가능하지만 기본값은 지표의 이력 데이터를 기반으로 결정됩니다.

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT BY 30 minutes

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT USING 2 days

사용자 정의 하이퍼파라미터를 지정하고 BY 및 USING 키워드를 추가하는 PREDICT 절이 있는 예제 쿼리:

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT holtwinters(seasonality: AUTO, alpha: 0.2) BY 1 hour USING 2 hours

이 쿼리는 계절성을 자동 감지로 설정하고, 레벨 평활화 요소를 조정하여 이력데이터를 강조합니다. 이 기능은 1시간 뒤의 미래를 예측하고 이전 2시간의 이력 데이터와 쿼리 창 길이를 사용하여 모델을 학습합니다. 차트에는 사용자 정의된 예측이 다음과 같이 표시됩니다.