异常检测
AI 可自动发现问题并确定问题优先级
什么是异常检测？
异常检测是一种使用 AI 将当前行为与既定模式进行比较以识别异常行为的技术。任何偏离既定基线模式的事物均被视为异常。Dynatrace 的 AI 可自动生成基线、检测异常、修复问题根源并发出警报。
一种确定性 AI 技术支持的异常检测方法
消除过量警报与告警垃圾信息
您的团队是否正疲于应对过量警报与告警？Dynatrace 自动关联相关性能问题，生成更易管理的告警。减少噪音，专注解决问题。
关注真正重要的问题
并非每一次阈值超限都是问题，也并非所有问题都很严重。Davis AI 可以准确分清异常是否严重以及是否对客户产生实际或潜在影响。
通过动态基线实现精确阈值
Dynatrace 使用精密的多维基线技术确定异常检测的精确阈值。阈值越精准，异常检测就越准确。
Dynatrace 自动检测所有依赖关系
通过智能自动基线和预测分析，Dynatrace 可自动检测异常，并通过 AI 确定这些异常是否会影响客户
Dynatrace 可诊断通常难以查明的问题，包括数据库、内存、线程和 CPU 问题
借助 Dynatrace，我们将识别和解决性能问题的时间缩短了 60%，并完全实现了应用程序性能可视化。
Yunpeng Qiao Senior Manager, Global Application Operation, Lenovo
自动确定问题的优先级
在性能异常影响客户之前及时识别。消除盲目猜测，告别耗时的问题排查。Dynatrace 可自动应用 AI 算法确定性能问题是否会对客户产生实际或潜在影响。
由于异常检测引擎洞悉运营指标与业务指标的内在关联，您将获得更少但更具价值的通知，精准告知客户用户体验受影响的内容与程度。
- 专注于问题修复，而非问题定位。
- 基于 100% 客户交易数据进行问题检测，不使用平均值或抽样。
智能基线和基于预测的异常检测
Dynatrace 采用多元方法论判定异常行为是否触发问题通知。自动多维基线技术检测随时间变化的个体参考值违规（如应用程序或服务的响应时间与错误率）预测性分析可识别应用程序流量和服务负载异常，因为流量和负载取决于业务模型的季节性模式（例如，工作日与周末、日间与夜间、黑色星期五等）。
- Dynatrace 会学习应用程序流量模式，并在检测到具有统计显著性偏差时发出问题通知，其中包括量化的客户影响以及对可能问题根源的洞察。
- 分析功能可以预测即将到来的流量水平，并随着时间推移不断优化。
- 自动基线可针对参数化异常检测进行精细调优。对关键核心服务设置较低阈值，对尚在开发中的应用程序与服务设定较高阈值。
Dynatrace 会检测实际行为与预测行为之间具有统计显著性的偏差；例如，这里是一周到下一周之间出现了意外的低流量。
问题通知量化客户影响，并提供潜在问题根源分析。
免费试用
了解我们的统一可观测性和安全平台的运行情况。
