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。通过为关键性能指标设置阈值，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数据，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。手动设置阈值可以让管理员完全控制每个设备的性能指标，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是非常困难的。如果这是一个拥有数千台设备的企业网络，情况肯定会变得更糟。
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，使网络管理员能够比以往任何时候都更容易地执行这项关键任务。使用先进的预测算法和基于百分比的计算，OpManager的实时自适应阈值快速适应网络设备不断变化的性能指标，并预测高度可靠的值，然后用于为配置的性能监视器设置阈值。
在OpManager中的阈值配置期间，网络管理员通常会根据以前的趋势和使用模式确定设备特定监视器的标称值。然后，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、关键和故障。这要么在设备级别完成，要么也可以批量应用于多个设备。
现在，有了自适应阈值方法，研究先前性能统计数据的需要完全从等式中消除。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，并计算该监视器的高度可用的“预测”值，来接管这项繁琐的任务。这些基于机器学习的自适应阈值需要至少14天的性能数据才能开始提供预测值。一旦数据模型建立并提供预测值，OpManager将这些值用作基本阈值，以控制发出告警的频率和标准。
一旦启用了自适应阈值，用户只需要提供每个告警关键性的偏差值。当特定监视器的值超过特定临界度的配置偏差值时，会以该监视器的相应级别发出告警。
例如，让我们考虑预测的CPU利用率监视器值为70，注意/故障/临关偏差值分别设置为10、15和20。在这种情况下，告警的值如下：
同样，如果同一显示器目前为70，并已配置为注意力/问题/临关时间偏差百分比分别为10%、15%和20%，则发出告警的级别为：
注意：有关如何计算这些值的更多信息，包括值和百分比，请查看此页面。
自适应阈值将如何使工作更轻松？
OpManager的自适应阈值从网络管理员的肩上卸下冗余工作负载，原因如下：
