ಎಲಾಸ್ಟಿಕ್ ಸ್ಟಾಕ್ ಸಂಬಂಧವಿಲ್ಲದ ಸ್ಥಿತಿಸ್ಥಾಪಕ ಹುಡುಕಾಟ ಡೇಟಾಬೇಸ್, ಕಿಬಾನಾ ವೆಬ್ ಇಂಟರ್ಫೇಸ್ ಮತ್ತು ಡೇಟಾ ಸಂಗ್ರಾಹಕರು ಮತ್ತು ಪ್ರೊಸೆಸರ್ಗಳನ್ನು ಆಧರಿಸಿದೆ ಎಂಬುದನ್ನು ನಾವು ನೆನಪಿಸಿಕೊಳ್ಳೋಣ (ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಲಾಗ್ಸ್ಟಾಶ್, ವಿವಿಧ ಬೀಟ್ಸ್, ಎಪಿಎಂ ಮತ್ತು ಇತರರು). ಸಂಪೂರ್ಣ ಪಟ್ಟಿ ಮಾಡಲಾದ ಉತ್ಪನ್ನ ಸ್ಟಾಕ್ಗೆ ಉತ್ತಮವಾದ ಸೇರ್ಪಡೆಗಳಲ್ಲಿ ಒಂದು ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಾಗಿದೆ. ಈ ಅಲ್ಗಾರಿದಮ್ಗಳು ಏನೆಂದು ಲೇಖನದಲ್ಲಿ ನಾವು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ. ದಯವಿಟ್ಟು ಬೆಕ್ಕಿನ ಕೆಳಗೆ.
ಯಂತ್ರ ಕಲಿಕೆಯು ಶೇರ್ವೇರ್ ಎಲಾಸ್ಟಿಕ್ ಸ್ಟಾಕ್ನ ಪಾವತಿಸಿದ ವೈಶಿಷ್ಟ್ಯವಾಗಿದೆ ಮತ್ತು ಇದನ್ನು ಎಕ್ಸ್-ಪ್ಯಾಕ್ನಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ. ಇದನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಲು, ಅನುಸ್ಥಾಪನೆಯ ನಂತರ 30-ದಿನದ ಪ್ರಯೋಗವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ. ಪ್ರಾಯೋಗಿಕ ಅವಧಿ ಮುಗಿದ ನಂತರ, ಅದನ್ನು ವಿಸ್ತರಿಸಲು ಅಥವಾ ಚಂದಾದಾರಿಕೆಯನ್ನು ಖರೀದಿಸಲು ನೀವು ಬೆಂಬಲವನ್ನು ವಿನಂತಿಸಬಹುದು. ಚಂದಾದಾರಿಕೆಯ ವೆಚ್ಚವನ್ನು ಡೇಟಾದ ಪರಿಮಾಣದ ಆಧಾರದ ಮೇಲೆ ಲೆಕ್ಕಹಾಕಲಾಗುವುದಿಲ್ಲ, ಆದರೆ ಬಳಸಿದ ನೋಡ್ಗಳ ಸಂಖ್ಯೆ. ಇಲ್ಲ, ಡೇಟಾದ ಪ್ರಮಾಣವು ಅಗತ್ಯವಿರುವ ನೋಡ್ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಆದರೆ ಇನ್ನೂ ಕಂಪನಿಯ ಬಜೆಟ್ಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಪರವಾನಗಿಗೆ ಈ ವಿಧಾನವು ಹೆಚ್ಚು ಮಾನವೀಯವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಉತ್ಪಾದಕತೆಯ ಅಗತ್ಯವಿಲ್ಲದಿದ್ದರೆ, ನೀವು ಹಣವನ್ನು ಉಳಿಸಬಹುದು.
ಸ್ಥಿತಿಸ್ಥಾಪಕ ಸ್ಟಾಕ್ನಲ್ಲಿರುವ ML ಅನ್ನು C++ ನಲ್ಲಿ ಬರೆಯಲಾಗಿದೆ ಮತ್ತು JVM ನ ಹೊರಗೆ ಚಲಿಸುತ್ತದೆ, ಇದರಲ್ಲಿ Elasticsearch ಸ್ವತಃ ಚಲಿಸುತ್ತದೆ. ಅಂದರೆ, ಪ್ರಕ್ರಿಯೆಯು (ಮೂಲಕ, ಇದನ್ನು ಸ್ವಯಂ ಪತ್ತೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ) JVM ನುಂಗದ ಎಲ್ಲವನ್ನೂ ಸೇವಿಸುತ್ತದೆ. ಡೆಮೊ ಸ್ಟ್ಯಾಂಡ್ನಲ್ಲಿ ಇದು ತುಂಬಾ ನಿರ್ಣಾಯಕವಲ್ಲ, ಆದರೆ ಉತ್ಪಾದನಾ ಪರಿಸರದಲ್ಲಿ ML ಕಾರ್ಯಗಳಿಗಾಗಿ ಪ್ರತ್ಯೇಕ ನೋಡ್ಗಳನ್ನು ನಿಯೋಜಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ.
ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್ಗಳು ಎರಡು ವರ್ಗಗಳಾಗಿ ಬರುತ್ತವೆ -
ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಿರ್ವಹಿಸಲು, ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಅಲ್ಗಾರಿದಮ್ ಎಲಾಸ್ಟಿಕ್ ಸರ್ಚ್ ಇಂಡೆಕ್ಸ್ಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತದೆ. ನೀವು ಕಿಬಾನಾ ಇಂಟರ್ಫೇಸ್ನಿಂದ ಮತ್ತು API ಮೂಲಕ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಕಾರ್ಯಗಳನ್ನು ರಚಿಸಬಹುದು. ನೀವು ಇದನ್ನು ಕಿಬಾನಾ ಮೂಲಕ ಮಾಡಿದರೆ, ನೀವು ಕೆಲವು ವಿಷಯಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಬೇಕಾಗಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, ಅಲ್ಗಾರಿದಮ್ ಅದರ ಕಾರ್ಯಾಚರಣೆಯ ಸಮಯದಲ್ಲಿ ಬಳಸುವ ಹೆಚ್ಚುವರಿ ಸೂಚ್ಯಂಕಗಳು.
ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಬಳಸಲಾಗುವ ಹೆಚ್ಚುವರಿ ಸೂಚ್ಯಂಕಗಳು.ml-state — ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮಾದರಿಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿ (ವಿಶ್ಲೇಷಣೆ ಸೆಟ್ಟಿಂಗ್ಗಳು);
.ml-anomalies-* — ML ಅಲ್ಗಾರಿದಮ್ಗಳ ಫಲಿತಾಂಶಗಳು;
.ml-notifications — ವಿಶ್ಲೇಷಣೆಯ ಫಲಿತಾಂಶಗಳ ಆಧಾರದ ಮೇಲೆ ಅಧಿಸೂಚನೆಗಳಿಗಾಗಿ ಸೆಟ್ಟಿಂಗ್ಗಳು.
Elasticsearch ಡೇಟಾಬೇಸ್ನಲ್ಲಿನ ಡೇಟಾ ರಚನೆಯು ಸೂಚ್ಯಂಕಗಳು ಮತ್ತು ಅವುಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ದಾಖಲೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ಗೆ ಹೋಲಿಸಿದಾಗ, ಸೂಚ್ಯಂಕವನ್ನು ಡೇಟಾಬೇಸ್ ಸ್ಕೀಮಾಗೆ ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಟೇಬಲ್ನಲ್ಲಿನ ದಾಖಲೆಗೆ ಹೋಲಿಸಬಹುದು. ಈ ಹೋಲಿಕೆಯು ಷರತ್ತುಬದ್ಧವಾಗಿದೆ ಮತ್ತು ಸ್ಥಿತಿಸ್ಥಾಪಕ ಹುಡುಕಾಟದ ಬಗ್ಗೆ ಮಾತ್ರ ಕೇಳಿದವರಿಗೆ ಮತ್ತಷ್ಟು ವಸ್ತುಗಳ ತಿಳುವಳಿಕೆಯನ್ನು ಸರಳಗೊಳಿಸಲು ಒದಗಿಸಲಾಗಿದೆ.
ವೆಬ್ ಇಂಟರ್ಫೇಸ್ ಮೂಲಕ ಅದೇ ಕಾರ್ಯವು API ಮೂಲಕ ಲಭ್ಯವಿದೆ, ಆದ್ದರಿಂದ ಪರಿಕಲ್ಪನೆಗಳ ಸ್ಪಷ್ಟತೆ ಮತ್ತು ತಿಳುವಳಿಕೆಗಾಗಿ, ಕಿಬಾನಾ ಮೂಲಕ ಅದನ್ನು ಹೇಗೆ ಕಾನ್ಫಿಗರ್ ಮಾಡಬೇಕೆಂದು ನಾವು ತೋರಿಸುತ್ತೇವೆ. ಎಡಭಾಗದಲ್ಲಿರುವ ಮೆನುವಿನಲ್ಲಿ ನೀವು ಹೊಸ ಉದ್ಯೋಗವನ್ನು ರಚಿಸಬಹುದಾದ ಯಂತ್ರ ಕಲಿಕೆ ವಿಭಾಗವಿದೆ. ಕಿಬಾನಾ ಇಂಟರ್ಫೇಸ್ನಲ್ಲಿ ಇದು ಕೆಳಗಿನ ಚಿತ್ರದಂತೆ ಕಾಣುತ್ತದೆ. ಈಗ ನಾವು ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಕಾರ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತೇವೆ ಮತ್ತು ಇಲ್ಲಿ ನಿರ್ಮಿಸಬಹುದಾದ ವಿಶ್ಲೇಷಣೆಯ ಪ್ರಕಾರಗಳನ್ನು ತೋರಿಸುತ್ತೇವೆ.
ಏಕ ಮೆಟ್ರಿಕ್ - ಒಂದು ಮೆಟ್ರಿಕ್ ವಿಶ್ಲೇಷಣೆ, ಮಲ್ಟಿ ಮೆಟ್ರಿಕ್ - ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನ ಮೆಟ್ರಿಕ್ಗಳ ವಿಶ್ಲೇಷಣೆ. ಎರಡೂ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಪ್ರತಿ ಮೆಟ್ರಿಕ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ ಪರಿಸರದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ, ಅಂದರೆ. ಅಲ್ಗಾರಿದಮ್ ಸಮಾನಾಂತರ ವಿಶ್ಲೇಷಿತ ಮೆಟ್ರಿಕ್ಗಳ ನಡವಳಿಕೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ, ಇದು ಮಲ್ಟಿ ಮೆಟ್ರಿಕ್ನ ಸಂದರ್ಭದಲ್ಲಿ ಕಾಣಿಸಬಹುದು. ವಿವಿಧ ಮೆಟ್ರಿಕ್ಗಳ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಕೈಗೊಳ್ಳಲು, ನೀವು ಜನಸಂಖ್ಯೆಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಬಹುದು. ಮತ್ತು ಸುಧಾರಿತ ಕೆಲವು ಕಾರ್ಯಗಳಿಗಾಗಿ ಹೆಚ್ಚುವರಿ ಆಯ್ಕೆಗಳೊಂದಿಗೆ ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತಿದೆ.
ಏಕ ಮೆಟ್ರಿಕ್
ಒಂದೇ ಮೆಟ್ರಿಕ್ನಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ಇಲ್ಲಿ ಮಾಡಬಹುದಾದ ಸರಳವಾದ ವಿಷಯವಾಗಿದೆ. ಕ್ರಿಯೇಟ್ ಜಾಬ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿದ ನಂತರ, ಅಲ್ಗಾರಿದಮ್ ವೈಪರೀತ್ಯಗಳನ್ನು ಹುಡುಕುತ್ತದೆ.
ಕ್ಷೇತ್ರದಲ್ಲಿ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆ ನೀವು ವೈಪರೀತ್ಯಗಳನ್ನು ಹುಡುಕುವ ವಿಧಾನವನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, ಯಾವಾಗ ನಿಮಿಷ ವಿಶಿಷ್ಟ ಮೌಲ್ಯಗಳ ಕೆಳಗಿನ ಮೌಲ್ಯಗಳನ್ನು ಅಸಂಗತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ತಿನ್ನು ಗರಿಷ್ಠ, ಹೆಚ್ಚಿನ ಸರಾಸರಿ, ಕಡಿಮೆ, ಸರಾಸರಿ, ವಿಭಿನ್ನ ಮತ್ತು ಇತರರು. ಎಲ್ಲಾ ಕಾರ್ಯಗಳ ವಿವರಣೆಯನ್ನು ಕಾಣಬಹುದು
ಕ್ಷೇತ್ರದಲ್ಲಿ ಫೀಲ್ಡ್ ನಾವು ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಡೆಸುವ ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿ ಸಂಖ್ಯಾ ಕ್ಷೇತ್ರವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
ಕ್ಷೇತ್ರದಲ್ಲಿ
ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾದ ಅವಧಿಯು ವಿಶ್ಲೇಷಣೆಯ ಪರಿಣಾಮಕಾರಿತ್ವದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಪ್ರಮುಖ ವಿಷಯವಾಗಿದೆ. ವಿಶ್ಲೇಷಣೆಯ ಸಮಯದಲ್ಲಿ, ಅಲ್ಗಾರಿದಮ್ ಪುನರಾವರ್ತಿತ ಮಧ್ಯಂತರಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ, ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳನ್ನು (ಬೇಸ್ಲೈನ್ಗಳು) ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಮತ್ತು ವೈಪರೀತ್ಯಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ - ಮೆಟ್ರಿಕ್ನ ಸಾಮಾನ್ಯ ನಡವಳಿಕೆಯಿಂದ ವಿಲಕ್ಷಣ ವಿಚಲನಗಳು. ಕೇವಲ ಉದಾಹರಣೆಗೆ:
ಸಣ್ಣ ಪ್ರಮಾಣದ ಡೇಟಾದೊಂದಿಗೆ ಬೇಸ್ಲೈನ್ಗಳು:
ಅಲ್ಗಾರಿದಮ್ ಕಲಿಯಲು ಏನನ್ನಾದರೂ ಹೊಂದಿರುವಾಗ, ಬೇಸ್ಲೈನ್ ಈ ರೀತಿ ಕಾಣುತ್ತದೆ:
ಕಾರ್ಯವನ್ನು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ, ಅಲ್ಗಾರಿದಮ್ ರೂಢಿಯಲ್ಲಿರುವ ಅಸಂಗತ ವಿಚಲನಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ ಮತ್ತು ಅಸಂಗತತೆಯ ಸಂಭವನೀಯತೆಗೆ ಅನುಗುಣವಾಗಿ ಅವುಗಳನ್ನು ಶ್ರೇಣೀಕರಿಸುತ್ತದೆ (ಅನುಗುಣವಾದ ಲೇಬಲ್ನ ಬಣ್ಣವನ್ನು ಆವರಣಗಳಲ್ಲಿ ಸೂಚಿಸಲಾಗುತ್ತದೆ):
ಎಚ್ಚರಿಕೆ (ನೀಲಿ): 25 ಕ್ಕಿಂತ ಕಡಿಮೆ
ಮೈನರ್ (ಹಳದಿ): 25-50
ಮೇಜರ್ (ಕಿತ್ತಳೆ): 50-75
ನಿರ್ಣಾಯಕ (ಕೆಂಪು): 75-100
ಕೆಳಗಿನ ಗ್ರಾಫ್ ಕಂಡುಬರುವ ವೈಪರೀತ್ಯಗಳ ಉದಾಹರಣೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.
ಇಲ್ಲಿ ನೀವು 94 ಸಂಖ್ಯೆಯನ್ನು ನೋಡಬಹುದು, ಇದು ಅಸಂಗತತೆಯ ಸಂಭವನೀಯತೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಮೌಲ್ಯವು 100 ಕ್ಕೆ ಹತ್ತಿರವಾಗಿರುವುದರಿಂದ, ನಮಗೆ ಅಸಂಗತತೆ ಇದೆ ಎಂದು ಅರ್ಥ. ಗ್ರಾಫ್ನ ಕೆಳಗಿರುವ ಕಾಲಮ್ ಅಲ್ಲಿ ಗೋಚರಿಸುವ ಮೆಟ್ರಿಕ್ ಮೌಲ್ಯದ 0.000063634% ನಷ್ಟು ಸಣ್ಣ ಸಂಭವನೀಯತೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.
ವೈಪರೀತ್ಯಗಳನ್ನು ಹುಡುಕುವುದರ ಜೊತೆಗೆ, ನೀವು ಕಿಬಾನಾದಲ್ಲಿ ಮುನ್ಸೂಚನೆಯನ್ನು ಚಲಾಯಿಸಬಹುದು. ಇದನ್ನು ಸರಳವಾಗಿ ಮತ್ತು ವೈಪರೀತ್ಯಗಳೊಂದಿಗೆ ಅದೇ ನೋಟದಿಂದ ಮಾಡಲಾಗುತ್ತದೆ - ಬಟನ್ ಮುನ್ಸೂಚನೆ ಮೇಲಿನ ಬಲ ಮೂಲೆಯಲ್ಲಿ.
ಮುನ್ಸೂಚನೆಯನ್ನು ಗರಿಷ್ಠ 8 ವಾರಗಳ ಮುಂಚಿತವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ. ನೀವು ನಿಜವಾಗಿಯೂ ಬಯಸಿದ್ದರೂ ಸಹ, ವಿನ್ಯಾಸದಿಂದ ಇನ್ನು ಮುಂದೆ ಸಾಧ್ಯವಿಲ್ಲ.
ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ಮುನ್ಸೂಚನೆಯು ತುಂಬಾ ಉಪಯುಕ್ತವಾಗಿರುತ್ತದೆ, ಉದಾಹರಣೆಗೆ, ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಬಳಕೆದಾರರ ಲೋಡ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವಾಗ.
ಮಲ್ಟಿ ಮೆಟ್ರಿಕ್
ಎಲಾಸ್ಟಿಕ್ ಸ್ಟಾಕ್ನಲ್ಲಿ ಮುಂದಿನ ML ವೈಶಿಷ್ಟ್ಯಕ್ಕೆ ಹೋಗೋಣ - ಒಂದು ಬ್ಯಾಚ್ನಲ್ಲಿ ಹಲವಾರು ಮೆಟ್ರಿಕ್ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು. ಆದರೆ ಒಂದು ಮೆಟ್ರಿಕ್ನ ಅವಲಂಬನೆಯನ್ನು ಇನ್ನೊಂದರ ಮೇಲೆ ವಿಶ್ಲೇಷಿಸಲಾಗುವುದು ಎಂದು ಇದರ ಅರ್ಥವಲ್ಲ. ಇದು ಸಿಂಗಲ್ ಮೆಟ್ರಿಕ್ನಂತೆಯೇ ಇರುತ್ತದೆ, ಆದರೆ ಒಂದರ ಮೇಲೆ ಇನ್ನೊಂದರ ಪ್ರಭಾವವನ್ನು ಸುಲಭವಾಗಿ ಹೋಲಿಸಲು ಒಂದು ಪರದೆಯಲ್ಲಿ ಬಹು ಮೆಟ್ರಿಕ್ಗಳೊಂದಿಗೆ. ಜನಸಂಖ್ಯೆಯ ವಿಭಾಗದಲ್ಲಿ ಒಂದು ಮೆಟ್ರಿಕ್ನ ಅವಲಂಬನೆಯನ್ನು ಇನ್ನೊಂದರ ಮೇಲೆ ವಿಶ್ಲೇಷಿಸುವ ಕುರಿತು ನಾವು ಮಾತನಾಡುತ್ತೇವೆ.
ಮಲ್ಟಿ ಮೆಟ್ರಿಕ್ನೊಂದಿಗೆ ಚೌಕದ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿದ ನಂತರ, ಸೆಟ್ಟಿಂಗ್ಗಳೊಂದಿಗೆ ವಿಂಡೋ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಅವುಗಳನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ನೋಡೋಣ.
ಮೊದಲು ನೀವು ಅವುಗಳ ಮೇಲೆ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಡೇಟಾ ಒಟ್ಟುಗೂಡಿಸಲು ಕ್ಷೇತ್ರಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಇಲ್ಲಿ ಒಟ್ಟುಗೂಡಿಸುವ ಆಯ್ಕೆಗಳು ಏಕ ಮೆಟ್ರಿಕ್ (ಗರಿಷ್ಠ, ಹೆಚ್ಚಿನ ಸರಾಸರಿ, ಕಡಿಮೆ, ಸರಾಸರಿ, ವಿಭಿನ್ನ ಮತ್ತು ಇತರರು). ಇದಲ್ಲದೆ, ಬಯಸಿದಲ್ಲಿ, ಡೇಟಾವನ್ನು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಒಂದಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ (ಕ್ಷೇತ್ರ ಸ್ಪ್ಲಿಟ್ ಡೇಟಾ) ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಇದನ್ನು ಕ್ಷೇತ್ರದಿಂದ ಮಾಡಿದ್ದೇವೆ ಮೂಲ ವಿಮಾನ ನಿಲ್ದಾಣ ID. ಬಲಭಾಗದಲ್ಲಿರುವ ಮೆಟ್ರಿಕ್ಸ್ ಗ್ರಾಫ್ ಅನ್ನು ಈಗ ಬಹು ಗ್ರಾಫ್ಗಳಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.
ಕ್ಷೇತ್ರ ಪ್ರಮುಖ ಕ್ಷೇತ್ರಗಳು (ಪ್ರಭಾವಿಗಳು) ಪತ್ತೆಯಾದ ವೈಪರೀತ್ಯಗಳನ್ನು ನೇರವಾಗಿ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಇಲ್ಲಿ ಯಾವಾಗಲೂ ಕನಿಷ್ಠ ಒಂದು ಮೌಲ್ಯವಿರುತ್ತದೆ ಮತ್ತು ನೀವು ಹೆಚ್ಚುವರಿ ಮೌಲ್ಯಗಳನ್ನು ಸೇರಿಸಬಹುದು. ಅಲ್ಗಾರಿದಮ್ ವಿಶ್ಲೇಷಿಸುವಾಗ ಈ ಕ್ಷೇತ್ರಗಳ ಪ್ರಭಾವವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚು "ಪ್ರಭಾವಶಾಲಿ" ಮೌಲ್ಯಗಳನ್ನು ತೋರಿಸುತ್ತದೆ.
ಉಡಾವಣೆಯ ನಂತರ, ಕಿಬಾನಾ ಇಂಟರ್ಫೇಸ್ನಲ್ಲಿ ಈ ರೀತಿಯ ಏನಾದರೂ ಕಾಣಿಸುತ್ತದೆ.
ಇದು ಕರೆಯಲ್ಪಡುವದು ಪ್ರತಿ ಕ್ಷೇತ್ರದ ಮೌಲ್ಯಕ್ಕೆ ವೈಪರೀತ್ಯಗಳ ಶಾಖ ನಕ್ಷೆ ಮೂಲ ವಿಮಾನ ನಿಲ್ದಾಣ ID, ನಾವು ಸೂಚಿಸಿದ ಸ್ಪ್ಲಿಟ್ ಡೇಟಾ. ಸಿಂಗಲ್ ಮೆಟ್ರಿಕ್ನಂತೆ, ಬಣ್ಣವು ಅಸಹಜ ವಿಚಲನದ ಮಟ್ಟವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಇದೇ ರೀತಿಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಮಾಡಲು ಅನುಕೂಲಕರವಾಗಿದೆ, ಉದಾಹರಣೆಗೆ, ಕಾರ್ಯಸ್ಥಳಗಳಲ್ಲಿ ಅನುಮಾನಾಸ್ಪದವಾಗಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ದೃಢೀಕರಣಗಳನ್ನು ಹೊಂದಿರುವವರನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಲು, ಇತ್ಯಾದಿ. ನಾವು ಈಗಾಗಲೇ ಬರೆದಿದ್ದೇವೆ
ಶಾಖದ ನಕ್ಷೆಯ ಕೆಳಗೆ ವೈಪರೀತ್ಯಗಳ ಪಟ್ಟಿ ಇದೆ, ಪ್ರತಿಯೊಂದರಿಂದಲೂ ನೀವು ವಿವರವಾದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಏಕ ಮೆಟ್ರಿಕ್ ವೀಕ್ಷಣೆಗೆ ಬದಲಾಯಿಸಬಹುದು.
ಜನಸಂಖ್ಯೆ
ವಿಭಿನ್ನ ಮೆಟ್ರಿಕ್ಗಳ ನಡುವಿನ ಪರಸ್ಪರ ಸಂಬಂಧಗಳ ನಡುವಿನ ವೈಪರೀತ್ಯಗಳನ್ನು ನೋಡಲು, ಸ್ಥಿತಿಸ್ಥಾಪಕ ಸ್ಟಾಕ್ ವಿಶೇಷವಾದ ಜನಸಂಖ್ಯೆಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹೊಂದಿದೆ. ಅದರ ಸಹಾಯದಿಂದ ನೀವು ಇತರರಿಗೆ ಹೋಲಿಸಿದರೆ ಸರ್ವರ್ನ ಕಾರ್ಯಕ್ಷಮತೆಯಲ್ಲಿ ಅಸಂಗತ ಮೌಲ್ಯಗಳನ್ನು ನೋಡಬಹುದು, ಉದಾಹರಣೆಗೆ, ಗುರಿ ವ್ಯವಸ್ಥೆಗೆ ವಿನಂತಿಗಳ ಸಂಖ್ಯೆ ಹೆಚ್ಚಾದಾಗ.
ಈ ವಿವರಣೆಯಲ್ಲಿ, ಜನಸಂಖ್ಯೆಯ ಕ್ಷೇತ್ರವು ವಿಶ್ಲೇಷಿಸಿದ ಮೆಟ್ರಿಕ್ಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಮೌಲ್ಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಇದು ಪ್ರಕ್ರಿಯೆಯ ಹೆಸರು. ಪರಿಣಾಮವಾಗಿ, ಪ್ರತಿ ಪ್ರಕ್ರಿಯೆಯ ಪ್ರೊಸೆಸರ್ ಲೋಡ್ ಪರಸ್ಪರ ಹೇಗೆ ಪ್ರಭಾವಿತವಾಗಿದೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡುತ್ತೇವೆ.
ವಿಶ್ಲೇಷಿಸಿದ ಡೇಟಾದ ಗ್ರಾಫ್ ಏಕ ಮೆಟ್ರಿಕ್ ಮತ್ತು ಮಲ್ಟಿ ಮೆಟ್ರಿಕ್ ಪ್ರಕರಣಗಳಿಂದ ಭಿನ್ನವಾಗಿದೆ ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ವಿಶ್ಲೇಷಿಸಿದ ಡೇಟಾದ ಮೌಲ್ಯಗಳ ವಿತರಣೆಯ ಸುಧಾರಿತ ಗ್ರಹಿಕೆಗಾಗಿ ವಿನ್ಯಾಸದ ಮೂಲಕ ಕಿಬಾನಾದಲ್ಲಿ ಇದನ್ನು ಮಾಡಲಾಗಿದೆ.
ಪ್ರಕ್ರಿಯೆಯು ಅಸಹಜವಾಗಿ ವರ್ತಿಸಿದೆ ಎಂದು ಗ್ರಾಫ್ ತೋರಿಸುತ್ತದೆ ಒತ್ತಡ (ಮೂಲಕ, ವಿಶೇಷ ಉಪಯುಕ್ತತೆಯಿಂದ ರಚಿಸಲಾಗಿದೆ) ಸರ್ವರ್ನಲ್ಲಿ ಪೊಯಿಪು, ಈ ಅಸಂಗತತೆಯ ಸಂಭವಿಸುವಿಕೆಯ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರಿದ (ಅಥವಾ ಪ್ರಭಾವಶಾಲಿಯಾಗಿ ಹೊರಹೊಮ್ಮಿದ).
ಸುಧಾರಿತ
ಉತ್ತಮ ಶ್ರುತಿಯೊಂದಿಗೆ ವಿಶ್ಲೇಷಣೆ. ಸುಧಾರಿತ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ, ಹೆಚ್ಚುವರಿ ಸೆಟ್ಟಿಂಗ್ಗಳು ಕಿಬಾನಾದಲ್ಲಿ ಗೋಚರಿಸುತ್ತವೆ. ಸೃಷ್ಟಿ ಮೆನುವಿನಲ್ಲಿ ಸುಧಾರಿತ ಟೈಲ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿದ ನಂತರ, ಟ್ಯಾಬ್ಗಳೊಂದಿಗೆ ಈ ವಿಂಡೋ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಟ್ಯಾಬ್ ಜಾಬ್ ವಿವರಗಳು ನಾವು ಅದನ್ನು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಬಿಟ್ಟುಬಿಟ್ಟಿದ್ದೇವೆ, ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹೊಂದಿಸಲು ನೇರವಾಗಿ ಸಂಬಂಧಿಸದ ಮೂಲಭೂತ ಸೆಟ್ಟಿಂಗ್ಗಳಿವೆ.
В ಸಾರಾಂಶ_ಎಣಿಕೆ_ಕ್ಷೇತ್ರ_ಹೆಸರು ಐಚ್ಛಿಕವಾಗಿ, ನೀವು ಒಟ್ಟು ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ದಾಖಲೆಗಳಿಂದ ಕ್ಷೇತ್ರದ ಹೆಸರನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಬಹುದು. ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಪ್ರತಿ ನಿಮಿಷಕ್ಕೆ ಈವೆಂಟ್ಗಳ ಸಂಖ್ಯೆ. IN
ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಕ್ಕಾಗಿ ಅಸಂಗತತೆ ಪತ್ತೆಕಾರಕವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲು ಸೆಟ್ಟಿಂಗ್ಗಳ ಹೆಚ್ಚುವರಿ ಬ್ಲಾಕ್ ಇಲ್ಲಿದೆ. ನಾವು ಮುಂದಿನ ಲೇಖನಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು (ವಿಶೇಷವಾಗಿ ಭದ್ರತೆಯನ್ನು) ಚರ್ಚಿಸಲು ಯೋಜಿಸುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ,
ಕ್ಷೇತ್ರದಲ್ಲಿ ಕಾರ್ಯ ವೈಪರೀತ್ಯಗಳನ್ನು ಹುಡುಕಲು ನೀವು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯವನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು. ಹೊರತುಪಡಿಸಿ ಅಪರೂಪ, ಒಂದೆರಡು ಹೆಚ್ಚು ಆಸಕ್ತಿದಾಯಕ ಕಾರ್ಯಗಳಿವೆ -
В ಕ್ಷೇತ್ರದ ಹೆಸರು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕೈಗೊಳ್ಳುವ ಡಾಕ್ಯುಮೆಂಟ್ನ ಕ್ಷೇತ್ರವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಫೀಲ್ಡ್_ಹೆಸರಿನಿಂದ ಇಲ್ಲಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಡಾಕ್ಯುಮೆಂಟ್ ಕ್ಷೇತ್ರದ ಪ್ರತಿಯೊಂದು ಮೌಲ್ಯಕ್ಕೆ ವಿಶ್ಲೇಷಣೆ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಬಳಸಬಹುದು. ನೀವು ತುಂಬಿದರೆ ಮೇಲೆ_ಕ್ಷೇತ್ರ_ಹೆಸರು ನಾವು ಮೇಲೆ ಚರ್ಚಿಸಿದ ಜನಸಂಖ್ಯೆಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನೀವು ಪಡೆಯುತ್ತೀರಿ. ನೀವು ಮೌಲ್ಯವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದರೆ partition_field_name, ನಂತರ ಡಾಕ್ಯುಮೆಂಟ್ನ ಈ ಕ್ಷೇತ್ರಕ್ಕೆ ಪ್ರತಿ ಮೌಲ್ಯಕ್ಕೆ ಪ್ರತ್ಯೇಕ ಬೇಸ್ಲೈನ್ಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ (ಮೌಲ್ಯವು, ಉದಾಹರಣೆಗೆ, ಸರ್ವರ್ನ ಹೆಸರು ಅಥವಾ ಸರ್ವರ್ನಲ್ಲಿನ ಪ್ರಕ್ರಿಯೆ). IN ಹೊರತುಪಡಿಸಿ_ಆಗಾಗ್ಗೆ ಆಯ್ಕೆ ಮಾಡಬಹುದು ಎಲ್ಲಾ ಅಥವಾ ಯಾವುದೂ, ಇದು ಆಗಾಗ್ಗೆ ಸಂಭವಿಸುವ ಡಾಕ್ಯುಮೆಂಟ್ ಕ್ಷೇತ್ರ ಮೌಲ್ಯಗಳನ್ನು ಹೊರತುಪಡಿಸಿ (ಅಥವಾ ಸೇರಿದಂತೆ) ಎಂದರ್ಥ.
ಈ ಲೇಖನದಲ್ಲಿ, ಎಲಾಸ್ಟಿಕ್ ಸ್ಟಾಕ್ನಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯ ಸಾಮರ್ಥ್ಯಗಳ ಬಗ್ಗೆ ಸಾಧ್ಯವಾದಷ್ಟು ಸಂಕ್ಷಿಪ್ತವಾದ ಕಲ್ಪನೆಯನ್ನು ನೀಡಲು ನಾವು ಪ್ರಯತ್ನಿಸಿದ್ದೇವೆ; ಇನ್ನೂ ಹೆಚ್ಚಿನ ವಿವರಗಳು ತೆರೆಮರೆಯಲ್ಲಿ ಉಳಿದಿವೆ. ಎಲಾಸ್ಟಿಕ್ ಸ್ಟಾಕ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಪರಿಹರಿಸಲು ನಿರ್ವಹಿಸುತ್ತಿದ್ದೀರಿ ಮತ್ತು ನೀವು ಅದನ್ನು ಯಾವ ಕಾರ್ಯಗಳಿಗಾಗಿ ಬಳಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ಕಾಮೆಂಟ್ಗಳಲ್ಲಿ ನಮಗೆ ತಿಳಿಸಿ. ನಮ್ಮನ್ನು ಸಂಪರ್ಕಿಸಲು, ನೀವು Habré ನಲ್ಲಿ ವೈಯಕ್ತಿಕ ಸಂದೇಶಗಳನ್ನು ಬಳಸಬಹುದು ಅಥವಾ
ಮೂಲ: www.habr.com