Microsoft Lumos هو الآن مفتوح المصدر يسمح بمراقبة مقاييس تطبيقات الويب والكشف السريع عن الحالات الشاذة عن طريق القضاء على الإيجابيات الكاذبة

أخبار
مايكروسوفت / Microsoft Lumos هو الآن مفتوح المصدر يسمح بمراقبة مقاييس تطبيقات الويب والكشف السريع عن الحالات الشاذة عن طريق القضاء على الإيجابيات الكاذبة 3 دقائق للقراءة

مايكروسوفت



أفضل اللوحة الأم مصغرة itx

فتحت Microsoft إمكانية الوصول إلى 'Lumos' ، مكتبة Python القوية لاكتشاف وتشخيص الانحدارات المترية تلقائيًا في تطبيقات 'مقياس الويب'. يقال إن المكتبة كانت نشطة للغاية داخل Microsoft Teams و Skype. بشكل أساسي ، أصبح 'كاشف الشذوذ' شديد القوة والذكاء الآن مفتوح المصدر ومتاح لمطوري الويب لتحديد ومعالجة الانحدارات في مقاييس الأداء الرئيسية مع التخلص تقريبًا من غالبية الإيجابيات الخاطئة.

Microsoft Lumos هو الآن مفتوح المصدر. تم استخدامه بنشاط في منتجات Microsoft المختارة ، وسيكون متاحًا الآن لمجتمع تطوير التطبيقات والويب العام. وبحسب ما ورد سمحت المكتبة للمهندسين باكتشاف مئات التغييرات في المقاييس ورفض الآلاف من الإنذارات الكاذبة التي تظهر بواسطة أجهزة الكشف عن الشذوذ.



يقلل Lumos من معدل التنبيه الإيجابي الكاذب بأكثر من 90 بالمائة ، ويدعي أن Microsoft:

Lumos هي منهجية جديدة تتضمن كاشفات الشذوذ الحالية الخاصة بالمجال. ومع ذلك ، تؤكد Microsoft أن مكتبة Python يمكنها تقليل معدل التنبيه الإيجابي الخاطئ بأكثر من 90 بالمائة. بعبارة أخرى ، يمكن للمطورين الآن بثقة متابعة المشكلات المستمرة بدلاً من المشكلات المتقطعة التي لم يكن لها تأثير ضار طويل المدى.



عادةً ما تتم مراقبة صحة الخدمات عبر الإنترنت من خلال تتبع مقاييس مؤشر الأداء الرئيسي (KPI) بمرور الوقت. يتطلب المهندسون الذين يقومون بإجراء 'تحليل الانحدار' الكثير من الوقت والموارد للتخلص من المشكلات التي يمكن أن تشير إلى المشكلات الرئيسية. يمكن أن تؤدي هذه المشاكل إلى تصاعد التكاليف التشغيلية وحتى فقدان المستخدمين إذا لم تتم معالجتها.



لا داعي للإضافة ، فإن تعقب السبب الجذري لانحدار كل مؤشر أداء رئيسي يستغرق وقتًا طويلاً. علاوة على ذلك ، غالبًا ما تقضي الفرق الكثير من الوقت في تحليل المشكلات فقط لتجد أنها مجرد شذوذ. هذا هو المكان الذي يكون فيه Microsoft Lumos مفيدًا. تلغي مكتبة Python عملية تحديد ما إذا كان التغيير ناتجًا عن تحول في عدد السكان أو تحديث منتج من خلال توفير قائمة ذات أولوية تضم أهم المتغيرات في شرح التغييرات في القيمة المترية.



يخدم Microsoft Lumos أيضًا الغرض الأوسع المتمثل في فهم الاختلاف في المقياس بين أي مجموعتي بيانات ، ومن المثير للاهتمام أن النظام الأساسي يتضمن `` تحيزًا '' ، ومن خلال مقارنة مجموعة بيانات التحكم والمعالجة مع البقاء غير محدد لمكون السلسلة الزمنية ، يمكن لـ Lumos التحقيق في الشذوذ.

كيف يعمل Microsoft Lumos؟

يعمل Microsoft Lumos مع مبادئ اختبار A / B لمقارنة أزواج من مجموعات البيانات. تبدأ مكتبة Python بالتحقق مما إذا كان الانحدار في القياس بين مجموعات البيانات ذا دلالة إحصائية. ثم يتبع ذلك بفحص التحيز السكاني وتطبيع التحيز لحساب أي تغييرات سكانية بين مجموعتي البيانات. يقرر Lumos أن المشكلة لا تستحق المتابعة إذا لم يكن هناك تراجع ذي دلالة إحصائية في المقياس. ومع ذلك ، إذا كانت دلتا في المقياس ذات دلالة إحصائية ، فإن Lumos يحدد الميزات ويصنفها وفقًا لمساهمتها في دلتا في المقياس المستهدف.

تُعد مكتبة Lumos Python بمثابة الأداة الأساسية لمراقبة سيناريو مئات المقاييس. يمكن للمطورين والفرق التي تجري تحليل الأداء مراقبة موثوقية المكالمات والاجتماعات وخدمات شبكة الهاتف العامة (PSTN) في Microsoft والعمل عليها. تعمل المكتبة على Azure Databricks ، وهي خدمة تحليلات البيانات الضخمة القائمة على Apache-spark للشركة. تم تكوينه للعمل مع وظائف متعددة مرتبة حسب الأولوية والتعقيد ونوع المقاييس. تكتمل الوظائف بشكل غير متزامن. وهذا يعني أنه إذا اكتشف النظام حالة شاذة ، فسيتم تشغيل سير عمل Lumos ، ثم تقوم المكتبة بتحليل والتحقق بذكاء مما إذا كانت الحالة الشاذة تستحق المتابعة والمعالجة.

لاحظت Microsoft أن Lumos غير مضمون لالتقاط جميع حالات الانحدار في الخدمات. بالإضافة إلى ذلك ، ستتطلب الخدمة عددًا كبيرًا من مجموعات البيانات لتقديم رؤى موثوقة. تخطط الشركة لتضمين تحليل المقاييس المستمر ، وإجراء تصنيف أفضل للميزات ، وجلب ميزة المجموعات أيضًا. يجب أن تتناول هذه الخطوات التحدي الأساسي المتمثل في العلاقة الخطية المتعددة في تصنيف الميزات.

العلامات مايكروسوفت