Microsoft Lumos és ara de codi obert que permet el control de mètriques d'aplicacions web i la detecció ràpida d'anomalies mitjançant l'eliminació de falsos positius

Notícies
Microsoft / Microsoft Lumos és ara de codi obert que permet el control de mètriques d'aplicacions web i la detecció ràpida d'anomalies mitjançant l'eliminació de falsos positius 3 minuts de lectura

Microsoft



la millor placa base mini itx

Microsoft ha obert accés a ‘Lumos’, una potent biblioteca Python per detectar i diagnosticar automàticament regressions mètriques en aplicacions “a escala web”. Segons els informes, la biblioteca ha estat molt activa dins de Microsoft Teams i Skype. Bàsicament, ara hi ha un “detector d’anomalies” altament potent i intel·ligent que és obert i està disponible per als desenvolupadors web per detectar i abordar les regressions en mètriques clau de rendiment, mentre que quasi elimina la majoria de falsos positius.

Microsoft Lumos ja és de codi obert. S’utilitzava activament en determinats productes de Microsoft i ara estarà disponible per a la comunitat general de desenvolupament d’aplicacions i web. Segons els informes, la biblioteca va permetre als enginyers detectar centenars de canvis en les mètriques i rebutjar milers de falses alarmes aparegudes pels detectors d’anomalies.



Lumos redueix la taxa d'alertes falses positives en més del 90%, segons Microsoft:

Lumos és una nova metodologia que inclou detectors d’anomalies específics de domini existents. Tot i això, Microsoft assegura que la biblioteca de Python pot reduir el percentatge d’alertes falses positives en més d’un 90%. Dit d’una altra manera, ara els desenvolupadors poden seguir amb confiança problemes persistents en lloc de problemes intermitents que no tinguessin un efecte perjudicial a llarg termini.



La salut dels serveis en línia se sol controlar mitjançant el seguiment de mètriques d’indicadors clau de rendiment (KPI) al llarg del temps. Els enginyers que duen a terme l’anàlisi de regressió requereixen molt de temps i recursos per eliminar problemes que poden ser indicatius de problemes importants. Aquests problemes poden provocar un augment dels costos operatius i fins i tot la pèrdua d’usuaris si no s’aborden.



No cal afegir-lo, el seguiment de la causa arrel de cada regressió de KPI requereix molt de temps. A més, els equips sovint dediquen molt de temps a analitzar els problemes només per trobar que eren una mera anomalia. Aquí és on Microsoft Lumos és útil. La biblioteca Python elimina el procés d'establir si un canvi es deu a un canvi de població o a una actualització del producte, proporcionant una llista prioritzada de les variables més importants a l'hora d'explicar els canvis en el valor mètric.



Microsoft Lumos també té el propòsit més ampli de comprendre la diferència en una mètrica entre dos conjunts de dades. Curiosament, la plataforma inclou 'biaix' i, comparant un conjunt de dades de control i tractament, tot i que es manté agnòstic amb el component de la sèrie temporal, Lumos pot investigar el anomalies.

Com funciona Microsoft Lumos?

Microsoft Lumos treballa amb els principis de les proves A / B per comparar parells de conjunts de dades. La biblioteca Python comença comprovant si la regressió a la mètrica entre conjunts de dades és estadísticament significativa. A continuació, es fa un control de biaix de la població i la normalització del biaix per tenir en compte els canvis de població entre els dos conjunts de dades. Lumos decideix que no val la pena buscar el problema si no hi ha una regressió estadísticament significativa a la mètrica. Tot i això, si el delta de la mètrica és estadísticament significatiu, Lumos marca les característiques i les classifica segons la seva contribució al delta de la mètrica objectiu.

La biblioteca Lumos Python serveix com a eina principal per a la supervisió d’escenaris de centenars de mètriques. Els desenvolupadors i els equips que realitzen anàlisis de rendiment podrien controlar i treballar en la fiabilitat de les trucades, les reunions i els serveis de xarxa telefònica amb commutació pública (PSTN) de Microsoft. La biblioteca és operativa a Azure Databricks, el servei d’anàlisi de dades de big data basat en Apache de la companyia. S'ha configurat per executar-se amb diversos treballs que es disposen segons la prioritat, la complexitat i el tipus de mètrica. Els treballs es completen de manera asíncrona. Significa que si el sistema detecta una anomalia, es desencadena un flux de treball Lumos i la biblioteca analitza i comprova de manera intel·ligent si val la pena perseguir-la i abordar-la.

Microsoft ha assenyalat que Lumos no garanteix captar totes les regressions dels serveis. A més, el servei requerirà un gran nombre de conjunts de dades per oferir informació fiable. La companyia té previst incloure anàlisis de mètriques contínues, realitzar un millor rànquing de funcions i incorporar també un clúster de funcions. Aquests passos haurien d'abordar el repte principal de la multicolinealitat en el rànquing de funcions.

Etiquetes Microsoft