ການຕິດຕາມ + ການທົດສອບການໂຫຼດ = ການຄາດຄະເນແລະບໍ່ລົ້ມເຫລວ

ພະແນກໄອທີ VTB ຫຼາຍຄັ້ງຕ້ອງໄດ້ຈັດການກັບສະຖານະການສຸກເສີນໃນການດໍາເນີນງານຂອງລະບົບ, ເມື່ອການໂຫຼດຂອງພວກມັນເພີ່ມຂຶ້ນຫຼາຍຄັ້ງ. ດັ່ງນັ້ນ, ມີຄວາມຕ້ອງການທີ່ຈະພັດທະນາແລະທົດສອບຕົວແບບທີ່ຈະຄາດຄະເນການໂຫຼດສູງສຸດໃນລະບົບທີ່ສໍາຄັນ. ເພື່ອເຮັດສິ່ງນີ້, ຜູ້ຊ່ຽວຊານດ້ານໄອທີຂອງທະນາຄານໄດ້ຕັ້ງການຕິດຕາມ, ວິເຄາະຂໍ້ມູນແລະຮຽນຮູ້ອັດຕະໂນມັດຂອງການຄາດຄະເນ. ພວກເຮົາຈະບອກທ່ານໃນບົດຄວາມສັ້ນໆວ່າເຄື່ອງມືໃດທີ່ຊ່ວຍຄາດຄະເນການໂຫຼດແລະວ່າພວກເຂົາຊ່ວຍເພີ່ມປະສິດທິພາບການເຮັດວຽກ.

ບັນຫາກ່ຽວກັບການບໍລິການທີ່ມີນ້ໍາຫນັກສູງເກີດຂື້ນໃນເກືອບທຸກອຸດສາຫະກໍາ, ແຕ່ສໍາລັບຂະແຫນງການເງິນພວກເຂົາມີຄວາມສໍາຄັນ. ໃນຊົ່ວໂມງ X, ທຸກໆຫນ່ວຍງານສູ້ຮົບຕ້ອງກຽມພ້ອມ, ແລະດັ່ງນັ້ນ, ມັນຈໍາເປັນຕ້ອງຮູ້ລ່ວງຫນ້າວ່າສິ່ງທີ່ອາດຈະເກີດຂຶ້ນແລະແມ້ກະທັ້ງກໍານົດມື້ເວລາທີ່ການໂຫຼດຈະໂດດແລະລະບົບໃດທີ່ຈະພົບກັບມັນ. ຄວາມລົ້ມເຫຼວຕ້ອງໄດ້ຮັບການແກ້ໄຂແລະປ້ອງກັນ, ດັ່ງນັ້ນຄວາມຈໍາເປັນໃນການປະຕິບັດລະບົບການວິເຄາະການຄາດເດົາບໍ່ໄດ້ຖືກປຶກສາຫາລື. ມັນຈໍາເປັນຕ້ອງປັບປຸງລະບົບທີ່ທັນສະໄຫມໂດຍອີງໃສ່ຂໍ້ມູນການຕິດຕາມ.

ການວິເຄາະຢູ່ຫົວເຂົ່າຂອງທ່ານ

ໂຄງການເງິນເດືອນແມ່ນຫນຶ່ງໃນຄວາມອ່ອນໄຫວທີ່ສຸດໃນກໍລະນີຂອງຄວາມລົ້ມເຫຼວ. ມັນເປັນຄວາມເຂົ້າໃຈທີ່ສຸດສໍາລັບການພະຍາກອນ, ດັ່ງນັ້ນພວກເຮົາໄດ້ຕັດສິນໃຈເລີ່ມຕົ້ນດ້ວຍມັນ. ເນື່ອງຈາກການເຊື່ອມຕໍ່ສູງ, ລະບົບຍ່ອຍອື່ນໆ, ລວມທັງການບໍລິການທະນາຄານທາງໄກ (RBS), ສາມາດປະສົບບັນຫາໃນເວລາທີ່ການໂຫຼດສູງສຸດ. ຕົວຢ່າງ, ລູກຄ້າທີ່ມີຄວາມຍິນດີກັບ SMS ກ່ຽວກັບການໄດ້ຮັບເງິນໄດ້ເລີ່ມຕົ້ນທີ່ຈະໃຊ້ມັນຢ່າງຈິງຈັງ. ການໂຫຼດສາມາດໂດດໄດ້ຫຼາຍກ່ວາຄໍາສັ່ງຂອງຂະຫນາດ. 

ຮູບແບບການພະຍາກອນທໍາອິດຖືກສ້າງຂຶ້ນດ້ວຍຕົນເອງ. ພວກເຮົາໄດ້ເອົາການອັບໂຫລດສໍາລັບປີທີ່ຜ່ານມາແລະຄິດໄລ່ວ່າມື້ໃດທີ່ຄາດວ່າຈະສູງສຸດສູງສຸດ: ຕົວຢ່າງ: ວັນທີ 1, 15 ແລະ 25, ເຊັ່ນດຽວກັນກັບມື້ສຸດທ້າຍຂອງເດືອນ. ຮູບແບບນີ້ຕ້ອງການຄ່າໃຊ້ຈ່າຍແຮງງານທີ່ສໍາຄັນແລະບໍ່ໄດ້ສະຫນອງການຄາດຄະເນທີ່ຖືກຕ້ອງ. ຢ່າງໃດກໍຕາມ, ມັນໄດ້ກໍານົດຂໍ້ບົກຜ່ອງທີ່ມັນຈໍາເປັນຕ້ອງເພີ່ມຮາດແວ, ແລະເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະເພີ່ມປະສິດທິພາບຂະບວນການໂອນເງິນໂດຍການຕົກລົງກັບລູກຄ້າສະມໍ: ເພື່ອບໍ່ໃຫ້ເງິນເດືອນໃນຫນຶ່ງ gulp, ການເຮັດທຸລະກໍາຈາກພາກພື້ນຕ່າງໆໄດ້ຖືກຢຸດອອກໃນໄລຍະເວລາ. ຕອນນີ້ພວກເຮົາປຸງແຕ່ງພວກມັນຢູ່ໃນພາກສ່ວນທີ່ໂຄງສ້າງ IT ຂອງທະນາຄານສາມາດ "chew" ໂດຍບໍ່ມີຄວາມລົ້ມເຫລວ.

ໂດຍໄດ້ຮັບຜົນໄດ້ຮັບໃນທາງບວກຄັ້ງທໍາອິດ, ພວກເຮົາໄດ້ກ້າວໄປສູ່ການພະຍາກອນແບບອັດຕະໂນມັດ. ພື້ນທີ່ສໍາຄັນຫຼາຍສິບກໍາລັງລໍຖ້າການຫັນຂອງພວກເຂົາ.

ວິທີການປະສົມປະສານ

VTB ໄດ້ປະຕິບັດລະບົບການຕິດຕາມຈາກ MicroFocus. ຈາກ ນັ້ນ ພວກ ເຮົາ ໄດ້ ເກັບ ກໍາ ຂໍ້ ມູນ ສໍາ ລັບ ການ ຄາດ ຄະ ເນ, ລະ ບົບ ການ ເກັບ ຮັກ ສາ ແລະ ລະ ບົບ ການ ລາຍ ງານ. ໃນຄວາມເປັນຈິງ, ການຕິດຕາມແມ່ນຢູ່ໃນສະຖານທີ່ແລ້ວ, ທັງຫມົດທີ່ເຫລືອແມ່ນເພື່ອເພີ່ມ metrics, ໂມດູນການຄາດຄະເນແລະສ້າງບົດລາຍງານໃຫມ່. ການຕັດສິນໃຈນີ້ແມ່ນໄດ້ຮັບການສະຫນັບສະຫນູນຈາກຜູ້ຮັບເຫມົາພາຍນອກ Technoserv, ດັ່ງນັ້ນວຽກງານຕົ້ນຕໍໃນການປະຕິບັດໂຄງການແມ່ນຕົກຢູ່ໃນຜູ້ຊ່ຽວຊານຂອງມັນ, ແຕ່ພວກເຮົາກໍ່ສ້າງຕົວແບບຕົວເອງ. ລະບົບການພະຍາກອນໄດ້ຖືກສ້າງຂຶ້ນໂດຍອີງໃສ່ Prophet, ຜະລິດຕະພັນແຫຼ່ງເປີດທີ່ພັດທະນາໂດຍ Facebook. ມັນງ່າຍທີ່ຈະໃຊ້ແລະປະສົມປະສານໄດ້ຢ່າງງ່າຍດາຍກັບເຄື່ອງມືຕິດຕາມກວດກາທີ່ປະສົມປະສານຂອງພວກເຮົາແລະ Vertica. ເວົ້າປະມານ, ລະບົບຈະວິເຄາະກຣາຟການໂຫຼດແລະ extrapolates ມັນໂດຍອີງໃສ່ Fourier ຊຸດ. ມັນຍັງເປັນໄປໄດ້ທີ່ຈະເພີ່ມຄ່າສໍາປະສິດທີ່ແນ່ນອນໃນມື້, ເອົາມາຈາກຕົວແບບຂອງພວກເຮົາ. ການວັດແທກແມ່ນປະຕິບັດໂດຍບໍ່ມີການແຊກແຊງຂອງມະນຸດ, ການຄາດຄະເນຈະຖືກຄິດໄລ່ຄືນໃຫມ່ໂດຍອັດຕະໂນມັດອາທິດລະຄັ້ງ, ແລະລາຍງານໃຫມ່ຖືກສົ່ງໄປຫາຜູ້ຮັບ. 

ວິທີການນີ້ກໍານົດວົງຈອນຕົ້ນຕໍ, ສໍາລັບການຍົກຕົວຢ່າງ, ປະຈໍາປີ, ເດືອນ, ໄຕມາດແລະອາທິດ. ການຈ່າຍເງິນເດືອນແລະຄວາມກ້າວຫນ້າ, ໄລຍະເວລາພັກຜ່ອນ, ວັນພັກແລະການຂາຍ - ທັງຫມົດນີ້ມີຜົນກະທົບຕໍ່ຈໍານວນການໂທກັບລະບົບ. ຕົວຢ່າງ, ມັນໄດ້ຫັນອອກວ່າບາງວົງຈອນທັບຊ້ອນກັນ, ແລະການໂຫຼດຕົ້ນຕໍ (75%) ໃນລະບົບແມ່ນມາຈາກສູນກາງລັດຖະບານກາງ. ນິຕິບຸກຄົນ ແລະບຸກຄົນມີພຶດຕິກຳແຕກຕ່າງກັນ. ຖ້າການໂຫຼດຈາກ "ນັກຟີຊິກ" ແມ່ນຂ້ອນຂ້າງເທົ່າທຽມກັນໃນອາທິດ (ນີ້ແມ່ນການເຮັດທຸລະກໍາຂະຫນາດນ້ອຍຫຼາຍ), ຫຼັງຈາກນັ້ນ, ສໍາລັບບໍລິສັດ 99,9% ແມ່ນໃຊ້ເວລາໃນຊົ່ວໂມງເຮັດວຽກ, ແລະການເຮັດທຸລະກໍາສາມາດສັ້ນ, ຫຼືສາມາດດໍາເນີນການພາຍໃນຫຼາຍໆຄັ້ງ. ນາທີຫຼືແມ້ກະທັ້ງຊົ່ວໂມງ.

ອີງຕາມຂໍ້ມູນທີ່ໄດ້ຮັບ, ແນວໂນ້ມໃນໄລຍະຍາວຖືກກໍານົດ. ລະບົບໃຫມ່ໄດ້ເປີດເຜີຍວ່າປະຊາຊົນກໍາລັງເຄື່ອນຍ້າຍຈໍານວນຫລາຍໄປຫາການບໍລິການທະນາຄານຫ່າງໄກສອກຫຼີກ. ທຸກຄົນຮູ້ເລື່ອງນີ້, ແຕ່ພວກເຮົາບໍ່ໄດ້ຄາດຫວັງວ່າຂະຫນາດດັ່ງກ່າວແລະທໍາອິດບໍ່ເຊື່ອໃນມັນ: ຈໍານວນການໂທໄປຫາຫ້ອງການທະນາຄານແມ່ນຫຼຸດລົງຢ່າງໄວວາ, ແລະຈໍານວນການເຮັດທຸລະກໍາຫ່າງໄກສອກຫຼີກແມ່ນເພີ່ມຂຶ້ນໃນຈໍານວນດຽວກັນ. ຕາມ​ນັ້ນ​ແລ້ວ, ການ​ໂຫຼດ​ຢູ່​ໃນ​ລະບົບ​ຍັງ​ມີ​ການ​ເຕີບ​ໂຕ​ແລະ​ຈະ​ສືບ​ຕໍ່​ເຕີບ​ໂຕ. ຕອນນີ້ພວກເຮົາກຳລັງຄາດຄະເນການໂຫຼດຈົນຮອດເດືອນກຸມພາ 2020. ມື້ປົກກະຕິສາມາດຄາດເດົາໄດ້ດ້ວຍຄວາມຜິດພາດ 3%, ແລະມື້ສູງສຸດທີ່ມີຄວາມຜິດພາດ 10%. ນີ້ແມ່ນຜົນໄດ້ຮັບທີ່ດີ.

ຜິດພະລາດ

ຕາມປົກກະຕິ, ນີ້ບໍ່ແມ່ນຄວາມຫຍຸ້ງຍາກ. ກົນໄກ extrapolation ໂດຍໃຊ້ Fourier series ບໍ່ຂ້າມສູນໄດ້ດີ - ພວກເຮົາຮູ້ວ່ານິຕິບຸກຄົນສ້າງທຸລະກໍາຈໍານວນຫນ້ອຍໃນທ້າຍອາທິດ, ແຕ່ໂມດູນການຄາດຄະເນຜະລິດມູນຄ່າທີ່ໄກຈາກສູນ. ມັນເປັນໄປໄດ້ທີ່ຈະແກ້ໄຂພວກມັນແບບບັງຄັບ, ແຕ່ໄມ້ຄ້ອນບໍ່ແມ່ນວິທີການຂອງພວກເຮົາ. ນອກຈາກນັ້ນ, ພວກເຮົາຕ້ອງແກ້ໄຂບັນຫາການດຶງຂໍ້ມູນຈາກລະບົບແຫຼ່ງທີ່ບໍ່ເຈັບປວດ. ການລວບລວມຂໍ້ມູນປົກກະຕິຮຽກຮ້ອງໃຫ້ມີຊັບພະຍາກອນຄອມພິວເຕີທີ່ຮຸນແຮງ, ດັ່ງນັ້ນພວກເຮົາຈຶ່ງສ້າງຖານຄວາມຈໍາໄວໂດຍໃຊ້ການຈໍາລອງແລະຮັບຂໍ້ມູນທຸລະກິດຈາກ replicas. ການຂາດການໂຫຼດເພີ່ມເຕີມໃນລະບົບແມ່ບົດໃນກໍລະນີນີ້ແມ່ນຂໍ້ກໍານົດການຂັດຂວາງ.

ສິ່ງທ້າທາຍໃຫມ່

ວຽກງານທີ່ກົງໄປກົງມາຂອງການຄາດຄະເນຈຸດສູງສຸດໄດ້ຖືກແກ້ໄຂ: ບໍ່ມີຄວາມລົ້ມເຫລວທີ່ກ່ຽວຂ້ອງກັບການໂຫຼດເກີນຢູ່ໃນທະນາຄານນັບຕັ້ງແຕ່ເດືອນພຶດສະພາປີນີ້, ແລະລະບົບການພະຍາກອນໃຫມ່ໄດ້ມີບົດບາດສໍາຄັນໃນເລື່ອງນີ້. ແມ່ນແລ້ວ, ມັນໄດ້ກາຍເປັນບໍ່ພຽງພໍ, ແລະໃນປັດຈຸບັນທະນາຄານຕ້ອງການເຂົ້າໃຈວ່າຈຸດສູງສຸດແມ່ນອັນຕະລາຍແນວໃດ. ພວກເຮົາຕ້ອງການການຄາດຄະເນໂດຍໃຊ້ metrics ຈາກການທົດສອບການໂຫຼດ, ແລະສໍາລັບປະມານ 30% ຂອງລະບົບທີ່ສໍາຄັນນີ້ແມ່ນເຮັດວຽກແລ້ວ, ສ່ວນທີ່ເຫຼືອແມ່ນຢູ່ໃນຂັ້ນຕອນຂອງການໄດ້ຮັບການຄາດຄະເນ. ໃນຂັ້ນຕອນຕໍ່ໄປ, ພວກເຮົາຈະຄາດຄະເນການໂຫຼດຂອງລະບົບທີ່ບໍ່ແມ່ນການເຮັດທຸລະກໍາ, ແຕ່ໃນດ້ານພື້ນຖານໂຄງລ່າງ IT, i.e. ພວກເຮົາຈະລົງຊັ້ນຫນຶ່ງ. ນອກຈາກນັ້ນ, ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ອັດຕະໂນມັດຢ່າງເຕັມສ່ວນການເກັບກໍາ metrics ແລະການກໍ່ສ້າງຂອງການຄາດຄະເນໂດຍອີງໃສ່ພວກມັນ, ເພື່ອບໍ່ໃຫ້ຈັດການກັບການດາວໂຫຼດ. ບໍ່ມີຫຍັງທີ່ແປກປະຫຼາດກ່ຽວກັບມັນ - ພວກເຮົາກໍາລັງຂ້າມການຕິດຕາມແລະການທົດສອບການໂຫຼດທີ່ສອດຄ່ອງກັບການປະຕິບັດທີ່ດີທີ່ສຸດທົ່ວໂລກ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com