监控网络设备的性能是了解网络需求和使用正确的资源将网络性能保持在最佳水平的关键。通过设置关键性能指标的阈值,网络管理员可以密切监控各种设备和整个网络的性能统计信息,并确定如何分配网络资源以确保峰值性能。
然而,与所有网络挑战一样,这也有缺点。就像手动设置阈值使管理员能够完全控制每个设备的性能指标一样,配置这些指标可能是一项真正的任务。由于管理员必须了解每个设备的性能趋势以及当前统计数据,因此手动配置单个设备的阈值非常困难。如果这是一个拥有数千台设备的企业网络,情况肯定会恶化。
为什么手动配置阈值会适得其反?
OpManager的自适应阈值技术利用机器学习的力量,使网络管理员比以往任何时候都更容易执行这项关键任务。使用先进的预测算法和基于百分比的计算,OpManager的实时自适应阈值可以快速适应网络设备不断变化的性能指标,并预测您的指标的高度可靠的值,然后用于为配置的性能监视器设置阈值。
在OpManager的阈值配置期间,网络管理员通常根据以前的趋势和使用模式确定设备特定监视器的名义值。然后将阈值配置为三个不同级别的网络监控告警的基线值,即注意力、关键和故障。这要么在设备级别上完成,要么可以批量应用于多个设备。
现在,使用自适应阈值方法,研究以前性能统计数据的需要完全排除在等式之外。OpManager的高级预测算法通过在几个时间间隔内读取性能统计中的模式,并基于多个网络使用模式来接管这项繁琐的任务,并为该监视器计算高度可用的“预测”值。这些基于机器学习的自适应阈值需要至少3天的性能数据才能开始提供预测值。一旦建立了数据模型并提供预测值,OpManager将这些值用作基本阈值,以控制发出告警的频率和标准。
启用自适应阈值后,用户只需提供告警每个临界值的偏差值。当特定监视器的值超过特定临界性的配置偏差值时,会以该监视器的相应级别发出告警。
例如,如果预测CPU利用率监视器值为70,并且注意力/问题/关键偏差分别设置为10/15/20,则当CPU利用率值超过80(70+10)等时,将生成具有临界性“注意”的告警。
适应性阈值将如何使工作更容易?
OpManager的自适应阈值从网络管理员的肩膀上减去冗余工作负载,原因如下: