Logo da.nowadaytechnol.com

Microsoft Lumos Er Nu åben Kilde, Der Muliggør Overvågning Af Webapp-målinger Og Hurtig Detektion Af Uregelmæssigheder Ved At Eliminere Falske Positive

Indholdsfortegnelse:

Microsoft Lumos Er Nu åben Kilde, Der Muliggør Overvågning Af Webapp-målinger Og Hurtig Detektion Af Uregelmæssigheder Ved At Eliminere Falske Positive
Microsoft Lumos Er Nu åben Kilde, Der Muliggør Overvågning Af Webapp-målinger Og Hurtig Detektion Af Uregelmæssigheder Ved At Eliminere Falske Positive

Video: Microsoft Lumos Er Nu åben Kilde, Der Muliggør Overvågning Af Webapp-målinger Og Hurtig Detektion Af Uregelmæssigheder Ved At Eliminere Falske Positive

Video: Microsoft Lumos Er Nu åben Kilde, Der Muliggør Overvågning Af Webapp-målinger Og Hurtig Detektion Af Uregelmæssigheder Ved At Eliminere Falske Positive
Video: Raining Tacos - Parry Gripp & BooneBum 2024, Marts
Anonim
Image
Image

Microsoft har åbnet adgang til 'Lumos', kraftfulde Python-bibliotek til automatisk detektion og diagnosticering af metriske regressioner i "web-skala" applikationer. Biblioteket har angiveligt været meget aktiv inden for Microsoft Teams og Skype. I det væsentlige er meget kraftfuld og intelligent 'anomali detektor' nu open source og tilgængelig for webudviklere til at få øje på og adressere regressioner i nøglepræstationsmålinger, mens de næsten eliminerer de fleste falske positive.

Microsoft Lumos er nu open source. Det blev aktivt brugt i udvalgte Microsoft-produkter og vil nu være tilgængeligt for det generelle web- og appudviklingssamfund. Biblioteket tillod angiveligt ingeniører at opdage hundredvis af ændringer i målinger og afvise tusindvis af falske alarmer, der blev opdaget af anomalidetektorer.

Lumos reducerer falsk-positiv alarmfrekvens med over 90 procent, hævder Microsoft:

Lumos er en ny metode, der inkluderer eksisterende, domænespecifikke anomalidetektorer. Imidlertid forsikrer Microsoft, at Python-biblioteket kan reducere den falske positive alarmfrekvens med over 90 procent. Med andre ord kan udviklere nu med sikkerhed gå efter vedvarende problemer i stedet for intermitterende, som ikke havde langvarig skadelig virkning.

Onlinetjenesternes sundhed overvåges normalt ved at spore KPI-målinger (Key Performance Indicator) over tid. Ingeniører, der udfører 'Regressionsanalyse', kræver meget tid og ressourcer til at udrydde problemer, der kan være tegn på store problemer. Disse problemer kan resultere i stigende driftsomkostninger og endda tab af brugere, hvis de ikke løses.

Introduktion: Lumos 365 # bigdat # analytics #datascience # dat # datawareghan # upstream #oilandgas #energy # Ghan # westafric # microsoft #businesscentral # lumos365 #erp #finance #supplychain pic.twitter.com/xTYE3yLhaP

- Dataware Tech Ghan (@datawareghana) 1. april 2020

Det er overflødigt at tilføje, at spore årsagen til enhver KPI-regression er tidskrævende. Desuden bruger hold ofte meget tid på at analysere problemerne for kun at finde ud af, at de kun var anomalier. Dette er hvor Microsoft Lumos er praktisk. Python-biblioteket eliminerer processen med at fastslå, om ændring skyldes skift i population eller produktopdatering ved at give en prioriteret liste over de vigtigste variabler til forklaring af ændringer i metrisk værdi.

Microsoft Lumos tjener også det bredere formål at forstå forskellen i metrisk mellem to datasæt. Interessant nok inkluderer platformen 'bias', og ved at sammenligne kontrol- og behandlingsdatasæt, mens de forbliver agnostiske med tidsseriekomponenten, kan Lumos undersøge uregelmæssighederne.

Vi introducerer vores nye partnere: Lumos 365 Ltd. # bigdat # analytics #datascience # dat # datawareghan # upstream #oilandgas #energy # Ghan # westafric # microsoft #businesscentral # lumos365 #erp #finance #SupplyChain pic.twitter.com/UdYh8aYdvn

- Dataware Tech Ghan (@datawareghana) 2. marts 2020

Hvordan fungerer Microsoft Lumos?

Microsoft Lumos arbejder med principperne for A / B-test for at sammenligne par datasæt. Python-biblioteket begynder med at kontrollere, om regressionen i metricen mellem datasæt er statistisk signifikant. Derefter følger opfølgningen op med befolkningsforstyrrelseskontrol og biasnormalisering for at tage højde for eventuelle befolkningsændringer mellem de to datasæt. Lumos beslutter, at problemet ikke er værd at forfølge, hvis der ikke er nogen statistisk signifikant regression i metricen. Hvis deltin-metricen er statistisk signifikant, markerer Lumos dog funktionerne og rangerer dem efter deres bidrag til deltin-mål-metricen.

"Microsoft-forskerne advarer om, at Lumos ikke garanteres at fange alle regressioner i service, og at det ikke kan give indsigt uden tilstrækkelig stor mængde data." Microsofts åbne kilder Lumos, https://t.co/IXmMqGjrN8 vi @ VentureBeat

- LisWood Shapiro (@LisaWShapiro) 29. juni 2020

Lumos Python-biblioteket fungerer som det primære værktøj til scenarioovervågning af hundredvis af målinger. Udviklere og teams, der udfører præstationsanalyse, kunne overvåge og arbejde på pålideligheden af opkald, møder og offentlige switchede telefonnetværk (PSTN) -tjenester hos Microsoft. Biblioteket er operationelt på Azure Databricks, virksomhedens Apache-gnistbaserede store datanalytiske service. Det er konfigureret til at køre med flere job, der er arrangeret efter prioritet, kompleksitet og metriktype. Jobbet udføres asynkront. Det betyder, at hvis systemet registrerer en anomali, udløses Lumos-workflow, og biblioteket analyserer og kontrollerer derefter intelligent, om anomalien er værd at forfølge og adressere.

Microsoft har bemærket, at Lumos ikke garanteres at fange alle regressioner i tjenester. Derudover vil tjenesten kræve et stort antal datasæt for at give pålidelig indsigt. Virksomheden planlægger at inkludere kontinuerlig metrics-analyse, udføre bedre rangordning af funktioner og også inddrage funktionsgrupper. Disse trin skal tackle den primære udfordring ved multikollinearitet i funktionsrangeringen.

Anbefalede: