異常検出

静的なしきい値のアラートに応答することで問題を特定する従来の事後対応型アプローチは、コンテナやマイクロサービスを含む、動的なマルチクラウドアーキテクチャでは機能しません。「通常」の動作の内容は、コンテナのスピンアップやスピンダウン、そして個々のエンティティ間で移動する依存関係によって絶えず再定義されます。このような動的な環境には、新たな事前予測型のアプローチが求められます。

ここでAIが登場します。システムのリアルタイムトポロジー、多次元ベースライン、動的な依存関係検出に関する可能な限り深い知識により、Dynatraceは予測分析と継続的な機械学習を活用して、真に重要なメトリクスに基づいて自動的に異常を検出します。

静的なしきい値によって発生するアラートの嵐や誤検知を避けながら、未知の問題を検出できます。エンドツーエンド監視により、最も検出の難しい異常でさえも見つかります。

Dynatraceは、異常動作が問題通知を必要とすべきタイミングを判別するためにさまざまな手法を使用しています。自動多次元ベースラインは、時間（アプリケーションやサービスの応答時間やエラー率）の経過で変化する個々の参照値を検出します。予測分析は、アプリケーショントラフィックやサービス負荷の異常を検出します。これは、トラフィックや負荷が、ビジネスモデルの季節別パターン（平日と週末、日中と夜間、ブラックフライデーなど）に依存するためです。

• Dynatraceはアプリケーショントラフィックのパターンを学習し、統計上、重要な逸脱が検出されたときに問題通知を発行します。これには、顧客への定量化された影響や、可能性のある根本原因へのインサイトが含まれます。
• 分析によって、今後のトラフィックレベルを予測し、時間が経つほど賢くなります。
• 自動ベースラインは、パラメーター化された異常検出向けに微調整できます。特定のミッションクリティカルなサービスについてはしきい値を下げ、開発中のアプリやサービスについてはしきい値を上げることができます。