Машинное обучения и искусственный интеллект для мониторинга производительности приложений
Предиктивная аналитика, ранняя идентификация пред-проблемного состояния, root cause анализ, выявление аномалий в данных, визуализация взаимосвязей всех компонентов инфраструктуры для выявления проблемных мест - все это сферы применения ML и AI в мониторинге производительности - обсудим кейсы и доступные инструменты.
Традиционный подход к мониторингу - ручная настройка порогов срабатывания оповещений и анализ данных "глазами" больше не работает. Современные динамичные высоко распределенные инфраструктуры и приложения стали слишком сложными и изменяются слишком быстро для традиционных инструментов мониторинга, а объем данных и метрик постоянно растет.
Искусственный интеллект и машинное обучение для мониторинга производительности позволяет командам экономить часы и даже дни, повышать соотношение сигнал/шум в оповещениях и избавиться от alert storm.