Schnellstart: Überwachen Ihrer ersten Metrik mithilfe des Webportals

Wenn Sie eine Instanz von Azure KI Metrics Advisor bereitstellen, können Sie mit dem Dienst über die APIs sowie über den webbasierten Arbeitsbereich interagieren. Der webbasierte Arbeitsbereich ermöglicht einen einfachen und schnellen Einstieg in die Verwendung des Diensts. Darüber hinaus können Sie hier visuell Einstellungen konfigurieren, Ihr Modell anpassen und Ursachenanalysen durchführen.

Voraussetzungen

• Ein Azure-Abonnement. Erstellen Sie ein kostenloses Konto.
• Wenn Sie über Ihre Azure-Abonnements verfügen, erstellen Sie eine Metrics Advisor-Ressource im Azure-Portal, um Ihre Instanz von Metrics Advisor bereitzustellen.

In diesem Dokument wird eine SQL-Datenbank-Instanz als Beispiel für die Erstellung Ihres ersten Monitors verwendet.

Anmelden in Ihrem Arbeitsbereich

Melden Sie sich nach der Erstellung Ihrer Ressource mit Ihrem Active Directory-Konto beim Metrics Advisor-Portal an. Wählen Sie auf der Zielseite Ihr Verzeichnis, Ihr Abonnement und den soeben erstellten Arbeitsbereich und dann die Option Erste Schritte aus. Um Zeitreihendaten zu verwenden, wählen Sie im Menü auf der linken Seite Datenfeed hinzufügen aus.

Derzeit können Sie in jeder verfügbaren Region eine Metrics Advisor-Ressource erstellen. Sie können die Arbeitsbereiche im Metrics Advisor-Portal jederzeit wechseln.

Zeitreihendaten

Metrics Advisor bietet Connectors für verschiedene Datenquellen wie Azure SQL-Datenbank, Azure Data Explorer und Azure Table Storage. Die Schritte für die Verbindung von Daten sind für unterschiedliche Connectors zwar ähnlich, einige Konfigurationsparameter können jedoch variieren. Weitere Informationen finden Sie unter Verbinden verschiedener Datenquellen.

In dieser Schnellstartanleitung wird als Beispiel eine SQL-Datenbank verwendet. Mit denselben Schritten können Sie auch Ihre eigenen Daten erfassen.

Datenschemaanforderungen und -konfiguration

Azure KI Metrics Advisor ist ein Dienst für die Anomalieerkennung in Zeitreihen sowie für die Diagnose und Analyse von Zeitreihen. Da es sich hierbei um einen KI-gestützten Dienst handelt, wird das verwendete Modell mit Ihren Daten trainiert. Der Dienst akzeptiert Tabellen mit aggregierten Daten und folgenden Spalten:

• Measure (erforderlich): Ein Measure ist ein grundlegender bzw. einheitenspezifischer Ausdruck und ein quantifizierbarer Wert der Metrik. Er bezeichnet eine oder mehrere Spalte(n) mit numerischen Werten.
• Zeitstempel (optional): Maximal eine Spalte vom Typ DateTime oder String. Wird diese Spalte nicht festgelegt, wird der Zeitstempel als Startzeit des jeweiligen Erfassungszeitraums festgelegt. Formatieren Sie den Zeitstempel wie folgt: yyyy-MM-ddTHH:mm:ssZ.
• Dimension (optional): Eine Dimension umfasst einen oder mehrere Kategoriewerte. Die Kombination dieser Werte identifiziert eine bestimmte univariate Zeitreihe (z. B. Land/Region, Sprache und Mandant). Die Dimensionsspalten können einen beliebigen Datentyp aufweisen. Achten Sie bei Verwendung großer Mengen von Spalten und Werten darauf, dass nicht übermäßig viele Dimensionen verarbeitet werden.

Wenn Sie Datenquellen wie Azure Data Lake Storage oder Azure Blob Storage verwenden, können Sie Ihre Daten entsprechend dem erwarteten Metrikschema aggregieren. Der Grund dafür ist, dass diese Datenquellen eine Datei als Metrikeingabe verwenden.

Wenn Sie Datenquellen wie Azure SQL oder Azure Data Explorer verwenden, können Sie Aggregationsfunktionen verwenden, um Daten in Ihrem erwarteten Schema zu aggregieren. Der Grund dafür ist, dass diese Datenquellen das Ausführen einer Abfrage zum Abrufen von Metrikdaten aus Quellen unterstützen.

Konfigurieren der Verbindungseinstellungen und der Abfrage

Fügen Sie die Datenfeeds hinzu, indem Sie eine Verbindung mit Ihrer Zeitreihendatenquelle herstellen. Wählen Sie die folgenden Parameter aus:

• Quelltyp: Die Art der Datenquelle, in der Ihre Zeitreihendaten gespeichert sind.
• Granularität: Das Intervall zwischen aufeinanderfolgenden Datenpunkten in Ihren Zeitreihendaten (beispielsweise jährlich, monatlich oder täglich). Das kürzeste unterstützte Intervall beträgt 60 Sekunden.
• Ingest data since (UTC) (Daten erfassen seit (UTC)): Die Startzeit für den ersten zu erfassenden Zeitstempel.

Laden der Daten

Nachdem Sie die Verbindungs- und Abfragezeichenfolgen eingegeben haben, wählen Sie Daten laden aus. Metrics Advisor überprüft die Verbindung und Berechtigung zum Laden von Daten, überprüft die in der Abfrage verwendeten erforderlichen Parameter und überprüft den Spaltennamen aus der Datenquelle.

Gehen Sie wie folgt vor, falls bei diesem Schritt ein Fehler auftritt:

1. Überprüfen Sie, ob die Verbindungszeichenfolge gültig ist.
2. Vergewissern Sie sich, dass ausreichende Berechtigungen vorhanden sind und dass für die IP-Adresse des Erfassungsworkers der Zugriff gewährt wurde.
3. Überprüfen Sie, ob die erforderlichen Parameter (@IntervalStart und @IntervalEnd) in Ihrer Abfrage verwendet werden.

Schemakonfiguration

Wählen Sie nach dem Laden der Daten durch die Ausführung der Abfrage die entsprechenden Felder aus.

Wählen Sie nach dem Konfigurieren des Schemas die Option Schema überprüfen aus. Metrics Advisor führt die folgenden Überprüfungen aus:

• Ob der Zeitstempel der abgefragten Daten in ein einzelnes Intervall fällt.
• Ob für dieselbe Dimensionskombination innerhalb eines Metrikintervalls doppelte Werte zurückgegeben werden.

Einstellungen für automatisches Rollup

Metrics Advisor kann während der Erfassung automatisch Aggregationen für jede Dimension ausführen. Anschließend erstellt der Dienst eine Hierarchie, die Sie bei der Grundursachenanalyse und anderen Diagnosefunktionen verwenden können. Weitere Informationen finden Sie unter Einstellungen für automatisches Rollup.

Geben Sie dem Datenfeed einen benutzerdefinierten Namen, der dann in Ihrem Arbeitsbereich angezeigt wird. Klicken Sie auf Submit (Senden).

Optimieren der Erkennungskonfiguration

Nach dem Hinzufügen des Datenfeeds wird von Metrics Advisor versucht, Metrikdaten des angegebenen Startdatums zu erfassen. Es dauert einige Zeit, bis die Daten vollständig erfasst wurden. Wählen Sie zum Anzeigen des Erfassungsstatus im oberen Bereich der Datenfeedseite die Option Ingestion progress (Erfassungsstatus) aus. Wenn Daten erfasst wurden, wendet Metrics Advisor die Erkennung an und überwacht die Quelle weiter auf neue Daten.

Wählen Sie nach der Anwendung der Erkennung eine der Metriken aus, die im Datenfeed aufgelistet sind, um zur Seite Metrikdetails zu gelangen. Dort haben Sie folgende Möglichkeiten:

• Anzeigen von Visualisierungen aller Zeitreihensegmente unter der betreffenden Metrik.
• Aktualisieren der Erkennungskonfiguration, um die erwarteten Ergebnisse zu erhalten.
• Einrichten von Benachrichtigungen für erkannte Anomalien.

Anzeigen von Diagnoseerkenntnissen

Nach dem Optimieren der Erkennungskonfiguration sollten die erkannten Anomalien den tatsächlichen Anomalien in Ihren Daten entsprechen. Metrics Advisor führt eine Analyse mehrdimensionaler Metriken durch, um die Grundursache für eine bestimmte Dimension zu ermitteln. Der Dienst führt außerdem metrikübergreifende Analysen mithilfe des Features „Metrikgraph“ durch.

Wählen Sie zum Anzeigen von Diagnoseerkenntnissen in Zeitreihenvisualisierungen die roten Punkte aus. Diese roten Punkte stehen für die erkannten Anomalien. Daraufhin wird ein Fenster mit einem Link zur Seite für die Incidentanalyse angezeigt.

Auf der Seite „Incidentanalyse“ wird eine Gruppe verwandter Anomalien und Diagnoseerkenntnisse angezeigt. In den folgenden Abschnitten werden die wichtigsten Schritte zum Diagnostizieren eines Incidents beschrieben.

Überprüfen der Zusammenfassung des aktuellen Incidents

Die Zusammenfassung finden Sie ganz oben auf der Seite der Incidentanalyse. Diese Zusammenfassung enthält grundlegende Informationen, Aktionen und Ablaufverfolgungen sowie eine analysierte Grundursache. Es werden grundlegende Informationen für die Bereiche „Wichtigste betroffene Reihen“ (mit Diagramm), „Start-/Endzeit der Beeinträchtigung“, „Schweregrad“ und „Gesamte Anomalien“ angezeigt.

Bei der analysierten Grundursache handelt es sich um ein automatisch analysiertes Ergebnis. Von Metrics Advisor wird eine Analyse aller Anomalien durchgeführt, die für eine Zeitreihe innerhalb einer Metrik mit verschiedenen Dimensionswerten mit demselben Zeitstempel erfasst wurden. Anschließend führt der Dienst eine Korrelation durch, um verwandte Anomalien zu gruppieren, und es werden Informationen zur Grundursache generiert.

Basierend auf diesen Informationen können Sie sich bereits einen Überblick über den aktuellen Anomaliestatus sowie über die Auswirkungen des Incidents und die wahrscheinlichste Grundursache verschaffen. Sie können dann sofort Maßnahmen ergreifen, um den Incident zu beheben.

Anzeigen von dimensionsübergreifenden Diagnoseerkenntnissen

Mithilfe des Diagnosestrukturfeatures können Sie auf ganzheitliche Weise auch ausführlichere Informationen zum Anomaliestatus für andere Dimensionen innerhalb derselben Metrik erhalten.

Bei Metriken mit mehreren Dimensionen wird die Zeitreihe von Metrics Advisor als Hierarchie kategorisiert (als „Diagnosestruktur“ bezeichnet). Es kann beispielsweise sein, dass die Metrik „Umsatz“ anhand von zwei Dimensionen überwacht wird: „Region“ und „Kategorie“. Sie benötigen einen aggregierten Dimensionswert wie SUM. Dann werden die Zeitreihen von region = SUM und category = SUM als Stammknoten der Struktur kategorisiert. Immer wenn unter der Dimension SUM eine Anomalie erfasst wird, können Sie sie analysieren, um zu ermitteln, welcher spezifische Dimensionswert am meisten zur Anomalie des übergeordneten Knotens beigetragen hat. Wählen Sie die einzelnen Knoten aus, um sie zu erweitern und so detaillierte Informationen anzuzeigen.

Anzeigen metrikübergreifender Diagnoseerkenntnisse

Da es manchmal schwierig sein kann, ein Problem durch die Überprüfung des Anomaliestatus von nur einer Metrik zu analysieren, müssen Sie ggf. mehrere Metriken korrelieren. Hierzu können Kunden einen „Metrikgraphen“ konfigurieren, der die Beziehungen zwischen Metriken anzeigt.

Mithilfe des im vorherigen Abschnitt beschriebenen dimensionsübergreifenden Diagnoseergebnisses können Sie feststellen, dass die Grundursache auf einen bestimmten Dimensionswert beschränkt ist. Verwenden Sie dann einen „Metrikgraphen“, um nach der Grundursache der analysierten Dimension zu filtern und um den Anomaliestatus für andere Metriken zu überprüfen.

Sie können auch mithilfe zusätzlicher Features über weitere Diagnoseerkenntnisse pivotieren. Mit diesen Features können Sie einen Drilldown in Dimensionen von Anomalien durchführen, ähnliche Anomalien anzeigen und metrikübergreifende Vergleiche durchführen. Weitere Informationen finden Sie unter Diagnostizieren eines Incidents.

Erhalten einer Benachrichtigung, wenn neue Anomalien gefunden werden

Wenn Sie im Falle einer erkannten Anomalie in Ihren Daten eine Benachrichtigung erhalten möchten, können Sie ein Abonnement für einzelne oder mehrere Ihrer Metriken erstellen. Metrics Advisor verwendet Hooks, um Warnungen zu senden. Drei Arten von Hooks werden unterstützt: E-Mail-Hook, Webhook und Azure DevOps. Hier wird als Beispiel ein Webhook verwendet.

Erstellen eines Webhooks

In Metrics Advisor können Sie einen Webhook verwenden, um eine Anomalie programmgesteuert aufzufinden. Der Dienst ruft eine benutzerseitig bereitgestellte API auf, wenn eine Warnung ausgelöst wird. Weitere Informationen finden Sie unter Erstellen eines Hooks.

Konfigurieren der Warnungseinstellungen

Nach Erstellung eines Hooks wird durch eine Warnungseinstellung bestimmt, wie und welche Warnbenachrichtigungen gesendet werden. Pro Metrik können jeweils mehrere Warnungseinstellungen festgelegt werden. Zwei wichtige Einstellungen sind Warnung für zur Angabe der einzuschließenden Anomalien und Filter anomaly options (Anomalieoptionen filtern), um zu definieren, welche Anomalien in die Warnung eingeschlossen werden sollen. Weitere Informationen finden Sie unter Hinzufügen oder Bearbeiten von Warnungseinstellungen.

Nächste Schritte

• Hinzufügen Ihrer Metrikdaten zu Metrics Advisor
  • Verwalten Ihrer Datenfeeds
  • Verbinden verschiedener Datenquellen
• Verwenden der Clientbibliotheken oder REST-APIs zum Anpassen Ihrer Lösung
• Konfigurieren von Metriken und Optimieren der Erkennungskonfiguration