V září tohoto roku společnost Broadcom (dříve CA) uvedla novou verzi 20.2 svého řešení DX Operations Intelligence (DX OI). Na trhu je tento produkt označován jako komplexní systém pro sledování. Systém je schopen přijímat a slučovat data z monitorovacích systémů různých domén (síť, infrastruktura, aplikace, databáze) jak od CA, tak od třetích stran, včetně open source řešení (Zabbix, Prometheus a další).

Hlavní funkcí DX OI je vytvoření komplexního modelu zdrojů a služeb (ŘSM) na základě konfiguračních jednotek (KJ), které zaplňují inventární databázi při integraci se třetími systémy. V DX OI jsou implementovány funkce strojového učení a umělé inteligence (ML a AI) nad daty, která vstupují do platformy, což umožňuje posoudit/předpovědět pravděpodobnost selhání konkrétní KJ a míru vlivu selhání na obchodní službu, jejíž základ tvoří konkrétní KJ. Kromě toho je DX OI jediným centrem pro shromažďování monitorovacích událostí a tím pádem integraci se systémem Service Desk, což je nesporná výhoda používání systému v jednotných monitorovacích centrech, které obsluhují organizace. V tomto článku podrobněji popíšeme funkce systému a ukážeme uživatelské a administrátorské rozhraní.

Architektura řešení DX OI

Platforma DX má mikroservisní architekturu, instalace a provoz se uskutečňuje pod řízením Kubernetes nebo OpenShift. Na dalším obrázku jsou uvedeny komponenty řešení, které mohou být používány jako samostatné nástroje monitorování nebo mohou být nahrazeny již existujícími monitorovacími systémy se srovnatelnými funkcemi (na obrázku jsou příklady takových systémů), a dále se napojit na komplex DX OI. Na schématu níže:

• Monitoring mobilních aplikací v DX App Experience Analytics;
• Monitoring výkonu aplikací v DX APM;
• Monitoring infrastruktury v DX Infrastructure Manager;
• Monitoring síťových zařízení v DX NetOps Manager.

Komponenty DX pracují pod správou klastru Kubernetes a škálují se jednoduchým spuštěním nových PODů. Níže je uveden přehledný diagram řešení.

Správa, škálování a aktualizace platformy DX se provádí v administrační konsoli. Z jedné konzole lze spravovat multitenantní architekturu, která může pokrývat několik podniků nebo obchodních jednotek v rámci společnosti. V tomto modelu může být každé podnikání individuálně nastaveno jako nájemce se svým vlastním souborem konfigurací.

Administrační konzole je webový nástroj pro správu operací a systému, který poskytuje administrátorům konzistentní jednotné rozhraní pro provádění úkolů správy monitorovacího clusteru.

Nové nájemce pro obchodní jednotky nebo podniky v rámci společnosti lze nasadit během několika minut. To poskytuje výhodu, pokud chcete mít jednotný systém monitorování, ale na úrovni platformy (nikoli oprávnění) oddělit objekty monitorování mezi odděleními.

Modely služeb a monitorování obchodních služeb

DX OI má vestavěné mechanismy pro vytváření služeb a vývoj tradičních RCM se stanovením logiky vlivu a váh mezi komponenty služby. K dispozici jsou také mechanismy pro export RCM z externí CMDB. Na obrázku níže je vestavěný editor RCM (věnujte pozornost váhám vazeb).

DX OI poskytuje celkový obraz klíčových ukazatelů výkonnosti obchodních nebo IT služeb s detailním rozlišováním, včetně dostupnosti služeb a prognózování rizik selhání. Nástroj také může poskytnout porozumění vlivu problému výkonnosti nebo změnám ve struktuře IT komponent (aplikací nebo infrastruktury) na obchodní službu. Na obrázku níže interaktivní dashboard zobrazuje stav všech služeb.

Podívejme se na detaily na příkladu služby Digitální bankovnictví. Kliknutím na název služby přejdeme na detailní RCM služby. Vidíme, že stav služby Digitální bankovnictví závisí na stavu infrastrukturních a transakčních podslužeb s různými váhami. Práce s váhami a jejich zobrazení je zajímavá výhoda DX OI.

Topologie je důležitým prvkem operačního monitorování podniku, který umožňuje operátorům a inženýrům analyzovat vzájemné vztahy mezi komponenty, nalézt příčinu a vliv.

DX OI Topology Viewer je služba, která používá topologická data získaná od doménových systémů monitorování, jež shromažďují data přímo z monitorovaných objektů. Nástroj je určen k hledání v několika vrstvách úložišť topologie a zobrazení mapy vztahů, která závisí na kontextu. Pro vyšetřování problémů lze přejít na problematický podservis Backend Banking a vidět topologii a problematické komponenty. Také je možné analyzovat výstražné zprávy a metriky výkonu pro každou komponentu.

Při analýze transakčních komponentů Payments (uživatelské transakce) můžeme sledovat hodnoty podnikových KPI, které se také zohledňují při výpočtu stavu dostupnosti a zdraví služby. Příklad podnikových KPI je uveden níže:

Analytika událostí (Alarm Analytics)

Algoritmické potlačení šumu pomocí klasifikace výjimek

Jednou z klíčových funkcí DX OI při zpracování událostí je klasifikace. Mechanismus pracuje se všemi upozorněními, která do systému přicházejí, aby identifikoval vzory na základě různých kontextů a spojoval je do skupin. Tyto klastry se samoučí, není nutné je konfigurovat ručně.

Klasifikace tedy umožňuje uživatelům sdružovat a shromažďovat obrovské množství událostí a analyzovat pouze ty, které mají společný kontext. Například soubor událostí představujících incident, který ovlivňuje provoz aplikací nebo datového centra. Situace jsou vytvářeny pomocí klasifikačních algoritmů na bázi strojového učení, které používají k analýze časovou korelaci, topologické souvislosti a zpracování přirozeného jazyka. Na níže uvedených obrázcích jsou příklady vizualizace shlukových skupin zpráv, které se označují jako Situations Alarms, a Evidence Timeline, které zobrazují hlavní parametry klasifikace a proces zmenšování počtu šumových událostí.

Analýza základních problémů a korelace výjimek

V moderním hybridním prostředí může uživatelská transakce zasáhnout více systémů, které jsou používány dynamicky. V důsledku toho může být vytvořeno více upozornění z různých systémů, ale souvisejících se stejným problémem nebo incidentem. DX OI používá patentované mechanismy k potlačení nadbytečných a duplicitních upozornění a k analýze souvisejících upozornění, aby zlepšilo detekci kritických problémů a urychlilo jejich řešení.

Podívejme se na příklad, kdy do systému přichází četná havarijní upozornění na různých objektech (KE), které leží na základě jedné služby. V případě dopadu na dostupnost a funkčnost služby systém vygeneruje havárii služby (Service Alarm), uvede a označí pravděpodobnou příčinu (problematic KE a havarijní zprávu k KE), která přispěla k poklesu výkonu nebo selhání služby. Na obrázku níže je vizualizace havarijní situace pro službu Webex.

DX OI umožňuje práce s událostmi prostřednictvím intuitivních akcí v webovém rozhraní systému. Uživatelé mohou ručně přiřazovat události zodpovědným zaměstnancům k odstranění problémů, zrušit/potvrdit upozornění, vytvářet žádosti nebo posílat e-maily, spouštět automatizované skripty pro odstranění havarijní situace (Remediation Workflow, o tom později). Tímto způsobem DX OI umožňuje operátorům pohotovostních směn soustředit se na kořenovou havarijní zprávu a pomoci zjednodušit proces třídění zpráv na clusterovaná pole.

Strojové algoritmy zpracovávání metrik a analýza dat výkonnosti

Strojové učení umožňuje sledovat, agregovat a vizualizovat klíčové ukazatele výkonnosti za jakékoli konkrétní časové období, což uživateli poskytuje následující výhody:

• Odhalení úzkých míst a anomálií výkonnosti;
• Porovnání několika ukazatelů pro stejná zařízení, rozhraní nebo sítě;
• Porovnání stejných ukazatelů na několika objektech;
• Porovnání různých ukazatelů podle jednoho a několika objektů;
• Porovnání vícerozměrných metrik na několika objektech.

Pro analýzu metrik DX OI využívá funkce strojového učení s využitím matematických algoritmů, což pomáhá zkrátit čas při nastavování statických prahů a generování upozornění při výskytu anomálií.

Výsledkem použití matematických algoritmů je vytvoření tzv. pravděpodobnostních rozdělení hodnoty metriky (Rare, Probable, Center, Mean, Actual). Na výše uvedených a níže uvedených obrázcích jsou zachycena pravděpodobnostní rozdělení.

Na dvou výše uvedených grafech jsou uvedena následující data:

• Skutečná data (Actual). Skutečná data jsou na grafu zobrazena jako spojitá černá čára (žádná varovná znamení) nebo barevná spojitá čára (stav alarmu). Čára se počítá na základě skutečných dat pro metriku. Porovnáním skutečných dat a mediánové hodnoty můžete rychle vidět variace metriky. Když dojde k události, černá čára se změní na barevnou spojitou čáru, která odpovídá kritičnosti události a zobrazuje značky s odpovídající kritičností nad grafem. Například červená barva pro kritickou anomálii, oranžová pro významnou anomálii a žlutá pro nevýznamnou anomálii.
• Průměrná hodnota ukazatele (Mean value). Průměrná hodnota nebo průměrná hodnota ukazatele je na diagramu zobrazena šedou čárou. Průměrná hodnota se zobrazuje, když chybí historická data.
• Mediánová hodnota ukazatele (Center value). Mediánová čára je středem rozsahu a je zobrazena zelenou přerušovanou čárou. Oblasti blízké této čáře jsou nejblíže typickým hodnotám ukazatele.
• Obecná data (Common Value). Data obecné zóny sledují nejbližší hodnotu k centrální čáře nebo normě pro váš ukazatel a zobrazují se jako tmavě zelený pruh. Analytické výpočty umisťují obecnou zónu o jeden percentil výše nebo níže než norma.
• Pravděpodobnostní data. Data pravděpodobnostní zóny jsou na grafu zobrazena zeleným pruhem. Systém umisťuje pravděpodobnostní zónu o dva percentily výše nebo níže než norma.
• Vzácná data. Údaje o vzácných zónách jsou zobrazeny na grafu jako světle zelený pruh. Systém umisťuje zónu se vzácnými hodnotami metriky o tři percentily výše nebo níže než norma a signalizuje, že se ukazatel chová mimo normální rozsah, přičemž systém generuje tzv. Anomaly Alert.

Anomálie je měření nebo událost, která je v rozporu s normálními hodnotami metriky. Odhalování anomálií pro identifikaci problémů a porozumění trendům v infrastruktuře a aplikacích je klíčovou vlastností DX OI. Detekce anomálií umožňuje rozeznávat neobvyklé chování (například server, který odpovídá pomaleji než obvykle, nebo neobvyklou síťovou aktivitu způsobenou hacknutím) a reagovat na to odpovídajícím způsobem (založení incidentu, spuštění automatického scénáře Remediation).

Funkce detekce anomálií DX OI poskytuje následující výhody:

• Není nutné nastavovat prahové hodnoty. DX OI automaticky porovná data a odhalí anomálie.
• DX OI zahrnuje více než deset algoritmů umělé inteligence a strojového učení, včetně EWMA (Exponentially-Weighted—Moving-Average) a KDE (Kernel Density Estimation). Tyto algoritmy umožňují rychlou analýzu příčin a prognózu budoucích hodnot metrik.

Prediktivní analýza a upozornění na možné výpadky

Predictive Insights je funkce, která používá schopnosti strojového učení k identifikaci vzorců a trendů. Na základě těchto trendů systém předpovídá události, které se mohou v budoucnu vyskytnout. Tato oznámení naznačují potřebu podniknout opatření, než hodnoty metrik vyjdou mimo normální hodnoty, což ovlivní kritické obchodní služby. Predictive Insights jsou znázorněny na obrázku níže.

A to je vizualizace prediktivních upozornění pro konkrétní metriku.

Predikce zátěže výpočetních kapacit s funkcí plánování zatížení

Funkce plánování kapacit Capacity Analytics pomáhá spravovat IT zdroje tím, že zajišťuje správnou velikost zdrojů k uspokojení současných a budoucích potřeb podnikání. Můžete optimalizovat výkon a efektivitu stávajících zdrojů, naplánovat a obhájit jakékoli finanční investice.

Funkce Capacity Analytics v DX OI přináší následující výhody:

• Předpověď kapacity během vrcholných sezón;
• Určení okamžiku, kdy budou potřebné další zdroje pro zajištění kvalitní funkce služby;
• Nákup dalších zdrojů pouze v případě potřeby;
• Efektivní řízení infrastruktury a sítí;
• Odstranění nadbytečných nákladů na energii díky odhalení nevyužitých zdrojů;
• Provádění hodnocení zatížení zdrojů v případě plánovaného zvýšení poptávky po službě nebo zdroji.

Na stránce Capacity Analytics DX OI (obrázek níže) jsou následující widgety:

• Stav kapacity zdroje (Resource Capacity Status);
• Kontrolované skupiny/služby (Monitored Groups/Services);
• Hlavní spotřebitelé zdrojů (Top Capacity Consumers).

Hlavní stránka Capacity Analytics ukazuje komponenty zdrojů, které jsou přeplněné a jejichž kapacita se blíží vyčerpání. Tato stránka pomáhá administrátorům platformy nacházet nadměrně využívané zdroje a pomáhá jim měnit velikost a optimalizovat zdroje. Stav zdrojů lze analyzovat na základě barevných kódů a jejich příslušných hodnot. Zdroje jsou klasifikovány podle míry jejich přetížení na stránce stavu kapacity zdrojů. Na každý z barevných kódů lze kliknout, aby se zobrazil seznam komponentů v dané kategorii. Dále se zobrazí tepelná mapa se všemi objekty a předpověďmi na 12 měsíců, což umožňuje určit zdroje, které budou brzy vyčerpány.

Pro každou z metrik v Capacity Analytics lze nastavit filtry, které DX Operational Intelligence používá pro vytváření prognóz (obrázek níže).

Jsou dostupné následující filtry:

• Metrika. Metrika, která bude použita pro předpověď.
• Base on. Výběr objemu historických dat, která budou použita pro sestavení prognóz do budoucna. Toto pole se používá pro srovnání a analýzu trendů za poslední měsíc, trendů za poslední 3 měsíce, trendů za rok atd.
• Růst. Očekávaná rychlost růstu pracovního zatížení, kterou chcete použít pro modelování prognózy výkonu. Tato data lze použít k předpovědi růstu nad rámec prognóz. Například se očekává, že využití zdrojů vzroste o dalších 40 procent kvůli otevření nové kanceláře.

Analýza logů

Funkce analýzy logů DX OI poskytuje:

• sběr, agregaci logů z různých zdrojů (včetně těch získaných agentním a bezagentním způsobem);
• parsování a normalizaci dat;
• analýzu shody stanoveným podmínkám a generaci událostí;
• korelaci událostí na základě logů, včetně událostí získaných v rámci monitorování IT infrastruktury;
• vizualizaci dat na základě analýzy v DX Dashboards;
• závěry o dostupnosti služeb na základě analýzy dat z logů.

Sběr logů bezagentním způsobem provádí systém pro Windows Event logs a Syslog. Agentním způsobem se sbírají textové logy.

Funkce automatizovaného řešení havarijních situací (Remediation)

Automatizované akce pro opravu havarijní situace (Remediation Workflow) umožňují vyřešit problémy, které vedly k vytvoření události v DX OI. Například problém s vytížením CPU generuje havarijní zprávu, proces opravy (Remediation Workflow) vyřeší problém restartováním serveru, na kterém došlo k problému. Integrace mezi DX OI a systémem automatizace umožňuje spouštět procesy opravy z konzoly událostí v DX Operational Intelligence a sledovat je v konzole systému automatizace.

Po integraci se systémem automatizace můžete spouštět automatické akce pro opravu jakékoli havarijní situace v konzole DX OI z kontextu havarijní zprávy. Můžete si prohlédnout doporučené akce spolu s informacemi o procentech důvěryhodnosti (pravděpodobnost odstranění situace provedením akce).

Zpočátku, když chybí statistiky o výsledcích provádění Remediation Workflow, mechanismus doporučení navrhuje potenciální varianty na základě vyhledávání podle klíčových slov, poté se používají výsledky strojového učení a mechanismus začíná doporučovat metodiku opravy na základě heuristiky. Jakmile začnete hodnotit výsledky poskytnutých návrhů, přesnost doporučení se zlepší.

Příklad zpětné vazby od uživatele: uživatel vybírá akci, která se mu líbí nebo nelíbí, a systém tuto volbu zohledňuje při dalších doporučeních. Líbí/nelíbí:

Doporučené nápravné akce pro konkrétní upozornění vycházejí z kombinace zpětné vazby, která určuje, zda je akce přijatelné. DX OI je dodáváno s připravenou integrací se systémem automatizace Automic Automation.

Integrace DX OI se systémem třetí strany

Nebudeme se podrobně zaměřovat na integraci dat z nativních monitorovacích produktů Broadcom (DX NetOps, DX Infrastructure Management, DX Application Performance Management). Místo toho se zaměříme na to, jak se integrují data ze systémů třetí strany a podíváme se na příklad integrace s jedním z nejoblíbenějších systémů — Zabbix.

Pro integraci se systémy třetí strany používá komponent DX Gateway. DX Gateway se skládá ze 3 komponentů — On-Prem Gateway, RESTmon a Log Collector (Logstash). Můžete nainstalovat všechny 3 komponenty nebo pouze ten, který potřebujete, změnou obecných konfiguračních souborů při instalaci DX Gateway. Na obrázku níže je architektura DX Gateway.

Pojďme se podívat na účel komponentů DX Gateway jednotlivě.

On-Prem Gateway. Jde o rozhraní, které shromažďuje alarmy z platformy DX a posílá oznámení o haváriích do systémů třetích stran. On-Prem Gateway funguje jako poler, který pravidelně sbírá data o událostech z DX OI pomocí API požadavků přes protokol HTTPS a poté odesílá upozornění na server třetí strany, který je integrován s platformou DX pomocí webhooků.

DX Log Collector přijímá syslog ze síťových zařízení nebo servery a nahrává je do OI. DX Log Collector umožňuje oddělit software, který generuje zprávy, systém, který je uchovává, a software, který je zprostředkovává a analyzuje. Každá zpráva je označena kódem objektu, který ukazuje typ software generujícího zprávu, a je jí přiřazen úroveň kritičnosti. V DX Dashboards to pak všechno můžete vidět.

DX RESTmon se integruje se třetími produkty/službami přes REST API a posílá data do OI. Na obrázku níže je schéma fungování DX RESTmon na příkladu integrace se systémy monitorování Solarwinds a SCOM.

Klíčové funkce DX RESTmon:

• Připojení k jakémukoli externímu zdroji dat pro přijímání dat:
  • PULL: připojení a extrakce dat z veřejných REST API;
  • PUSH: proud dat do RESTmon přes REST.
• Podpora formátů JSON a XML;
• Přijímání metrik, upozornění, skupin, topologie, inventáře a logů;
• Hotové konektory pro různé nástroje/technologie, je také možné vyvinout konektor pro jakýkoli zdroj s otevřeným API (seznam boxových konektorů na obrázku níže);
• Podpora základní autentizace (ve výchozím nastavení) při přístupu k rozhraní Swagger a API;
• Podpora HTTPS (ve výchozím nastavení) pro všechny příchozí a odchozí zprávy;
• Podpora příchozích a odchozích proxy;
• Silné možnosti syntaktické analýzy textu pro logy získané přes REST;
• Konfigurovatelná syntaktická analýza pomocí RESTmon, která zajišťuje efektivní analýzu a vizualizaci logů;
• Podpora extrakce informací o skupinách zařízení z monitorovacích aplikací a jejich nahrávání do OI pro analýzu a vizualizaci;
• Podpora možnosti porovnání s regulárními výrazy. To může být použito pro syntaktickou analýzu a porovnání zpráv logů získaných přes REST, stejně jako pro generování nebo uzavírání událostí na základě určitých podmínek regulárního výrazu.

Nyní se podívejme na proces nastavení integrace DX OI se Zabbixem přes DX RESTmon. Boxová integrace načítá ze Zabbixu následující data:

• inventární data;
• topologie;
• problémy;
• metriky.

Protože konektor pro Zabbix je k dispozici přímo, vše, co je třeba udělat pro nastavení integrace, je aktualizovat profil, uvést IP adresu API serveru Zabbix a účet, a poté profil nahrát přes webové rozhraní Swagger. Příklad na následujících dvou obrázcích.

Po nastavení integrace budou pro příchozí data ze Zabbixu k dispozici analytické funkce DX OI, jak bylo uvedeno výše, konkrétně: Alarm Analytics, Performance Analytics, Predictive Insights, Service Analytics a Remediation. Na obrázku níže je uveden příklad analýzy metrik výkonu podle objektů integrováných ze Zabbixu.

Závěr

DX OI — moderní analytický nástroj, který zajistí významnou provozní efektivitu IT oddělení, umožní přijímat rychlejší a správnější rozhodnutí pro zvyšování kvality IT služeb a obchodních služeb díky mezioborové kontextové analýze. Pro vlastníky aplikací a obchodních oddělení DX OI vypočítá ukazatel dostupnosti a kvalitu služeb nejen v kontextu technologických IT ukazatelů, ale také obchodních KPI získávaných z transakční statistiky koncových uživatelů.

Pokud se chcete dozvědět více o tomto řešení, zanechte žádost o demonstraci nebo pilotní projekt. vám pohodlným způsobem. na našich webových stránkách.

Zdroj: habr.com