Ainda estamos trabalhando nesse recurso, mas adoraríamos que você experimentasse!
Atualmente, esse recurso é fornecido como parte de um programa de visualização de acordo com nossas políticas de pré-lançamento.
NRQL Predictions O New Relic usa os dados históricos da sua métrica para prever tendências futuras, fornecendo insights sobre como a métrica pode se comportar no futuro. Essa abordagem proativa ajuda você a visualizar tendências e antecipar possíveis problemas, permitindo intervenções oportunas para manter o desempenho ideal do sistema. Embora NRQL Predictions em si não identifique problemas potenciais, ele fornece as informações necessárias para avaliar tendências e planejar desafios futuros.
Para identificação automática de possíveis problemas, você pode se inscrever no recurso Predictive Alerts , atualmente disponível em versão prévia pública. Predictive Alerts trabalhe junto com NRQL Predictions para disparar alertas automaticamente quando tendências projetadas indicarem um problema potencial, permitindo o gerenciamento proativo de seus sistemas.
Preços
O uso de NRQL Predictions é faturável durante a visualização, de acordo com seu Pedido, conforme aplicável ao modelo de preços associado à sua Conta. A consulta de idioma New Relic (NRQLS) relacionada ao uso deste recurso é faturável como o Produto de computação principal. Se esse recurso estiver disponível para o público em geral, seu uso será cobrado de acordo com seu Pedido.
Para mais detalhes sobre preços, entre em contato com nossa equipe de vendas ou consulte seu pedido.
Inscrição
Para se inscrever no recurso NRQL Predictions , navegue até one.newrelic.com > Administration > Preview & Trials e ative NRQL predictions.
Adicionar previsão em um gráfico de linha ou área
Você pode adicionar previsões a gráficos de linhas e áreas das duas maneiras a seguir:
Para adicionar uma previsão a um gráfico existente, siga estas etapas:
Para adicionar previsão a um gráfico de linha ou área, selecione-o em Dashboards ou abra-o em Metrics and events.
Adicionar previsão
Para adicionar previsão, a partir do menu, selecione Predict trend. No Data Explorer, a tendência de previsão aparece no gráfico, projetando tendências futuras. O intervalo de previsão é definido automaticamente para 20% da janela de consulta e destacado em cinza. O gráfico aparece em linhas pontilhadas dentro do intervalo previsto.
A palavra-chave PREDICT é anexada à consulta do gráfico. Você pode refinar a consulta de acordo com suas necessidades e executá-la para obter a tendência atualizada.
Dica
Quando você adiciona previsão a um gráfico de área, o tipo de gráfico muda para um gráfico de linhas com previsão.
Adicionar ao dashboard
Para adicionar o gráfico com previsão a um dashboard, clique em Add to dashboard.
Insira um nome para o widget.
Selecione um dashboard no qual você deseja adicionar o widget ou crie um novo dashboard para ele.
Agora você pode visualizar o gráfico com previsão no dashboard selecionado.
Para adicionar a cláusula PREDICT a uma consulta NRQL, siga estas etapas:
Crie uma consulta NRQL
Acesse one.newrelic.com e selecione a conta na qual deseja criar a consulta.
Para abrir Data Explorer, selecione Query Your Data.
Crie uma consulta de série temporal usando a sintaxe NRQL. Consulte a documentação da sintaxe NRQL para obter mais informações.
Para adicionar previsão ao gráfico, anexe a cláusula PREDICT à consulta e execute-a. O intervalo de previsão é definido automaticamente para 20% da janela de consulta e destacado em cinza. O gráfico aparece em linhas pontilhadas dentro do intervalo previsto.
Para adicionar o gráfico com previsão a um dashboard, clique em Add to dashboard.
Insira um nome para o widget.
Selecione um dashboard no qual você deseja adicionar o widget ou crie um novo dashboard para ele.
Agora você pode visualizar o gráfico com previsão no dashboard selecionado.
Algoritmo de previsão suportado
Atualmente, NRQL predictions suporta apenas o algoritmo Holt-Winters para séries temporais sazonais e não sazonais. Este é um algoritmo padrão e comumente usado para tarefas de previsão e predição. Oferecemos suporte a durações sazonais horárias, diárias e semanais para o modelo Holt-Winters.
Comportamento padrão
A cláusula PREDICT em uma consulta vem com os seguintes comportamentos padrão:
Sazonalidade: detecta automaticamente a sazonalidade nos dados e usa a mesma duração da estação para construir o modelo preditivo. Se nenhuma sazonalidade for encontrada, ele constrói um modelo não sazonal.
Janela de previsão: projeta 20% do período total especificado na janela de consulta.
dados históricos para treinamento: Utiliza dados históricos da janela de consulta atual e das duas anteriores para gerar previsões.
Intervalo de tempo: alinha com o intervalo do ponto de dados da série temporal na janela de consulta para garantir consistência na projeção de dados.
Você pode personalizar as previsões definindo manualmente os hiperparâmetros do modelo de treinamento e adicionando as palavras-chave USING e BY . Para se familiarizar com o NRQL, consulte a documentação do NRQL.
Atualmente, Holt-Winters é o único algoritmo de previsão que suportamos e vem com vários hiperparâmetros para ajudar você a ajustar suas previsões. Consulte a tabela a seguir para entender o comportamento de cada hiperparâmetro e escolher aqueles que se adequam ao seu caso de uso.
Para modificar sua consulta, anexe holtwinters(<hyperparameters>: <value>) após a cláusula PREDICT .
Hiperparâmetro
Valor
Comportamento
seasonality
<season length>
Define a sazonalidade da série temporal para uma duração de estação específica. Certifique-se de que a duração da temporada seja de integer unit tempo.\
Exemplos: 1 day ou 3 hours
AUTO
Detecta automaticamente a sazonalidade da série temporal e gera previsões com a sazonalidade identificada.
NONE
Desabilita a sazonalidade da série temporal e gera uma previsão não sazonal.
Importante
seasonality: NONE não é compatível com o hiperparâmetro gamma , que define o fator de suavização sazonal.
alpha
0 a 1
Define o fator de suavização de nível.
Valor mais baixo: Mais peso em dados históricos.
Maior valor: Mais peso em dados recentes.
beta
0 a 1
Define o fator de suavização de tendência.
Valor mais baixo: Mais peso em dados históricos.
Maior valor: Mais peso em dados recentes.
gamma
0 a 1
Define o fator de suavização da estação.
Valor mais baixo: Mais peso em dados históricos.
Maior valor: Mais peso em dados recentes.
phi
0,98 a 1
Define o parâmetro de amortecimento de tendência.
Valor mais baixo: maior efeito de amortecimento na curva de previsão, que gradualmente se nivela até se tornar uma curva plana.
Valor mais alto: menor efeito de amortecimento na curva de previsão.
Use a palavra-chave BY para definir o quão longe no tempo você deseja que o modelo preveja. Por exemplo, PREDICT BY 3 hours gera uma previsão de três horas no futuro a partir do último ponto na série temporal. Certifique-se de que o intervalo de tempo seja de integer unit tempo.
Use a palavra-chave USING para especificar a quantidade de dados históricos que você deseja usar para treinar o modelo. Por exemplo, PREDICT USING 1 day usa a janela de consulta junto com os dados do dia anterior para treinar o modelo. Certifique-se de que o intervalo de tempo seja de integer unit tempo.
Exemplo de uso de PREDICT com hiperparâmetros, BY e palavras-chave USING :
Esta consulta define a sazonalidade para detecção automática e enfatiza dados históricos ajustando o fator de suavização de nível. Ele prevê uma hora no futuro e treina o modelo usando o comprimento da janela de consulta junto com as duas horas anteriores de dados históricos. O gráfico exibe a previsão personalizada da seguinte forma:
