A Microsoft Lumos nyílt forráskódú lehetővé teszi a webalkalmazás-mutatók nyomon követését és az anomáliák gyors felderítését a hamis pozitív elemek kiküszöbölésével

Hírek
Microsoft / A Microsoft Lumos nyílt forráskódú lehetővé teszi a webalkalmazás-mutatók nyomon követését és az anomáliák gyors felderítését a hamis pozitív elemek kiküszöbölésével 3 perc olvasás

Microsoft



legjobb mini itx alaplap

A Microsoft megnyitotta a hozzáférést a „Lumos”, egy erőteljes Python könyvtárhoz, amely automatikusan érzékeli és diagnosztizálja a metrikus regressziókat a „webes léptékű” alkalmazásokban. A könyvtár állítólag nagyon aktív volt a Microsoft Teams és a Skype belsejében. Alapvetően egy rendkívül hatékony és intelligens „anomáliadetektor” nyílt forráskódú, és a webfejlesztők számára elérhető a fő teljesítménymutatók regresszióinak észlelésére és kezelésére, miközben a hamis pozitívok többségét szinte kiküszöbölik.

A Microsoft Lumos már nyílt forráskódú. Aktívan használták a Microsoft egyes termékeiben, és mostantól elérhető lesz az általános web- és alkalmazásfejlesztő közösség számára. Állítólag a könyvtár lehetővé tette a mérnökök számára, hogy több száz változást észleljenek a mutatókban, és visszautasítsák a rendellenesség-detektorok által feltárt hamis riasztások ezreit.



A Lumos több mint 90 százalékkal csökkenti a hamis pozitív riasztások arányát, állítja a Microsoft:

A Lumos egy új módszertan, amely magában foglalja a meglévő, tartományspecifikus anomália detektorokat. A Microsoft azonban biztosítja, hogy a Python könyvtár több mint 90 százalékkal csökkentheti a hamis pozitív riasztási arányt. Más szavakkal, a fejlesztők most már magabiztosan folytathatják a folyamatos problémákat az időszakos problémák helyett, amelyeknek nem volt hosszú távú káros hatása.



Az online szolgáltatások állapotát általában a Key Performance Indicator (KPI) metrikák követésével követik nyomon. A „regressziós elemzést” végző mérnököknek sok időre és erőforrásra van szükségük a problémák kiszűréséhez, amelyek jelezhetik a nagyobb problémákat. Ezek a problémák a működési költségek emelkedésével, sőt a felhasználók elvesztésével járhatnak, ha nem foglalkoznak velük.



Felesleges hozzáfűzni, hogy minden KPI regresszió kiváltó okának felkutatása időigényes. Sőt, a csapatok gyakran sok időt töltenek a kérdések elemzésével, hogy csak pusztán anomáliának találják őket. Itt jön jól a Microsoft Lumos. A Python könyvtár kiküszöböli annak megállapításának folyamatát, hogy a változás a populációváltásnak vagy a termékfrissítésnek köszönhető-e, a metrikális érték változásainak magyarázatában a legfontosabb változók rangsorolt ​​listájának megadásával.



A Microsoft Lumos azt a szélesebb célt is szolgálja, hogy megértsük a két adatkészlet közötti metrika különbségét. Érdekes módon a platform magában foglalja az „elfogultságot”, és a kontroll és kezelési adatsor összehasonlításával, miközben agnosztikus marad az idősor-összetevővel, a Lumos anomáliák.

Hogyan működik a Microsoft Lumos?

A Microsoft Lumos az A / B tesztelés alapelveivel együttműködve összehasonlítja az adatkészletek párjait. A Python könyvtár azzal kezdődik, hogy ellenőrizze, hogy a metrika regressziója statisztikailag szignifikáns-e. Ezután követi a népesség torzításának ellenőrzését és az elfogultság normalizálását, hogy figyelembe vegye a két adatkészlet közötti esetleges népességváltozásokat. A Lumos úgy dönt, hogy a kérdést nem érdemes folytatni, ha nincs statisztikailag szignifikáns regresszió a mutatóban. Ha azonban a mutató delta statisztikailag szignifikáns, akkor Lumos megjelöli a jellemzőket, és rangsorolja őket a deltrához való hozzájárulásuk alapján a célmutatóban.

A Lumos Python könyvtár az elsődleges eszköz a több száz mutató forgatókönyv-monitorozásához. A teljesítményelemzést végző fejlesztők és csapatok figyelemmel kísérhetik a hívások, az értekezletek és a nyilvános kapcsolt telefonhálózat (PSTN) szolgáltatásainak megbízhatóságát és dolgozhatnak rajta. A könyvtár az Azure Databricks, a vállalat Apache-spark-alapú nagy adatelemzési szolgáltatásán működik. Úgy lett konfigurálva, hogy több feladattal fusson, amelyek prioritás, összetettség és metrika típus szerint vannak elrendezve. A munkák aszinkron módon fejeződnek be. Ez azt jelenti, hogy ha a rendszer anomáliát észlel, akkor elindul egy Lumos munkafolyamat, és a könyvtár ezután intelligensen elemzi és ellenőrzi, hogy érdemes-e a rendellenességet folytatni és kezelni.

A Microsoft megjegyezte, hogy a Lumos nem garantáltan elkap minden visszafejlődést a szolgáltatásokban. Ezenkívül a szolgáltatáshoz nagyszámú adatkészletre lesz szükség megbízható betekintéshez. A vállalat azt tervezi, hogy folytatja a metrikák elemzését, jobb tulajdonság-rangsorolást és a funkciók klaszterezésének bevezetését is. Ezeknek a lépéseknek foglalkozniuk kell a multikollinearitás elsődleges kihívásával a jellemzők rangsorolásában.

Címkék Microsoft