मॉनिटरिंग + लोड चाचणी = अंदाज आणि कोणतेही अपयश

व्हीटीबी आयटी विभागाला सिस्टमच्या ऑपरेशनमध्ये अनेक वेळा आपत्कालीन परिस्थितींना सामोरे जावे लागले, जेव्हा त्यांच्यावर भार अनेक पटींनी वाढला. म्हणून, एक मॉडेल विकसित करण्याची आणि चाचणी करण्याची गरज होती जी गंभीर प्रणालींवर कमाल भाराचा अंदाज लावेल. हे करण्यासाठी, बँकेच्या आयटी तज्ञांनी मॉनिटरिंग सेट केले, डेटाचे विश्लेषण केले आणि अंदाज स्वयंचलित करणे शिकले. आम्ही तुम्हाला एका छोट्या लेखात सांगू की कोणत्या साधनांनी लोडचा अंदाज लावण्यास मदत केली आणि त्यांनी काम ऑप्टिमाइझ करण्यात मदत केली की नाही.

जवळजवळ सर्व उद्योगांमध्ये उच्च-भार सेवांसह समस्या उद्भवतात, परंतु आर्थिक क्षेत्रासाठी ते गंभीर आहेत. तास X वाजता, सर्व लढाऊ युनिट्स तयार असणे आवश्यक आहे, आणि म्हणूनच काय होऊ शकते हे आधीच जाणून घेणे आवश्यक होते आणि लोड कधी उडी मारेल आणि कोणत्या सिस्टमला त्याचा सामना करावा लागेल हे देखील निर्धारित केले पाहिजे. अपयशांना सामोरे जाणे आणि प्रतिबंधित करणे आवश्यक आहे, म्हणून भविष्यवाणी करणारी विश्लेषण प्रणाली लागू करण्याची आवश्यकता देखील चर्चा केली गेली नाही. मॉनिटरिंग डेटावर आधारित प्रणालींचे आधुनिकीकरण करणे आवश्यक होते.

आपल्या गुडघ्यावर विश्लेषण

पेरोल प्रकल्प अयशस्वी झाल्यास सर्वात संवेदनशील आहे. अंदाज लावण्यासाठी हे सर्वात समजण्यासारखे आहे, म्हणून आम्ही त्यापासून सुरुवात करण्याचा निर्णय घेतला. उच्च कनेक्टिव्हिटीमुळे, रिमोट बँकिंग सेवा (RBS) सह इतर उपप्रणालींना पीक लोडच्या वेळी समस्या येऊ शकतात. उदाहरणार्थ, पैसे मिळाल्याबद्दल एसएमएसने आनंदित झालेल्या ग्राहकांनी सक्रियपणे त्याचा वापर करण्यास सुरवात केली. भार प्रमाणापेक्षा जास्त प्रमाणात वाढू शकतो. 

पहिले अंदाज मॉडेल व्यक्तिचलितपणे तयार केले गेले. आम्ही मागील वर्षाचे अपलोड घेतले आणि कोणत्या दिवशी जास्तीत जास्त शिखरे अपेक्षित आहेत याची गणना केली: उदाहरणार्थ, 1, 15 आणि 25, तसेच महिन्याच्या शेवटच्या दिवशी. या मॉडेलसाठी महत्त्वपूर्ण श्रम खर्च आवश्यक होता आणि अचूक अंदाज प्रदान केला नाही. तरीसुद्धा, हार्डवेअर जोडणे आवश्यक असलेल्या अडथळ्यांची ओळख करून दिली आणि अँकर क्लायंटशी सहमती देऊन पैसे हस्तांतरित करण्याची प्रक्रिया ऑप्टिमाइझ करणे शक्य केले: एकाच वेळी पगार न देण्यासाठी, वेगवेगळ्या प्रदेशांमधील व्यवहार कालांतराने वेगळे केले गेले. आता आम्ही त्यांच्यावर अशा भागांमध्ये प्रक्रिया करतो की बँकेची IT पायाभूत सुविधा अपयशी न होता "चर्वण" करू शकते.

पहिला सकारात्मक परिणाम मिळाल्यानंतर, आम्ही स्वयंचलित अंदाजाकडे वळलो. आणखी एक डझन गंभीर क्षेत्र त्यांच्या वळणाची वाट पाहत होते.

समाकलित दृष्टीकोन

VTB ने MicroFocus कडून एक मॉनिटरिंग सिस्टम लागू केली आहे. तेथून आम्ही अंदाज, स्टोरेज सिस्टम आणि रिपोर्टिंग सिस्टमसाठी डेटा संग्रह घेतला. खरं तर, मॉनिटरिंग आधीपासूनच होते, फक्त मेट्रिक्स, एक अंदाज मॉड्यूल जोडणे आणि नवीन अहवाल तयार करणे बाकी होते. या निर्णयाला बाह्य कंत्राटदार टेक्नोसर्व्हचे समर्थन आहे, म्हणून प्रकल्पाच्या अंमलबजावणीचे मुख्य काम त्याच्या तज्ञांवर पडले, परंतु आम्ही स्वतः मॉडेल तयार केले. फेसबुकद्वारे विकसित केलेल्या ओपन सोर्स उत्पादन प्रोफेटवर आधारित अंदाज प्रणाली तयार करण्यात आली होती. हे वापरण्यास सोपे आहे आणि आमच्या स्थापित इंटिग्रेटेड मॉनिटरिंग टूल्स आणि व्हर्टिका सह सहजपणे समाकलित होते. ढोबळपणे बोलायचे झाल्यास, सिस्टम लोड आलेखाचे विश्लेषण करते आणि फूरियर मालिकेवर आधारित ते एक्स्ट्रापोलेट करते. आमच्या मॉडेलमधून घेतलेल्या दिवसानुसार विशिष्ट गुणांक जोडणे देखील शक्य आहे. मानवी हस्तक्षेपाशिवाय मेट्रिक्स घेतले जातात, अंदाज आपोआप आठवड्यातून एकदा पुन्हा मोजला जातो आणि प्राप्तकर्त्यांना नवीन अहवाल पाठवले जातात. 

हा दृष्टिकोन मुख्य चक्रीयता ओळखतो, उदाहरणार्थ, वार्षिक, मासिक, त्रैमासिक आणि साप्ताहिक. पगार आणि अॅडव्हान्सची देयके, सुट्टीचा कालावधी, सुट्ट्या आणि विक्री - हे सर्व सिस्टमवरील कॉलच्या संख्येवर परिणाम करते. उदाहरणार्थ, असे दिसून आले की काही चक्र एकमेकांना ओव्हरलॅप करतात आणि सिस्टमवरील मुख्य भार (75%) सेंट्रल फेडरल डिस्ट्रिक्टमधून येतो. कायदेशीर संस्था आणि व्यक्ती वेगळ्या पद्धतीने वागतात. जर "भौतिकशास्त्रज्ञ" कडील भार आठवड्याच्या दिवसांमध्ये तुलनेने समान रीतीने वितरीत केला गेला असेल (हे बरेच छोटे व्यवहार आहे), तर कंपन्यांसाठी 99,9% कामाच्या तासांवर खर्च केला जातो आणि व्यवहार कमी असू शकतात किंवा अनेकांमध्ये प्रक्रिया केली जाऊ शकते. मिनिटे किंवा अगदी तास.

प्राप्त डेटावर आधारित, दीर्घकालीन ट्रेंड निर्धारित केले जातात. नवीन प्रणालीमुळे असे दिसून आले आहे की लोक मोठ्या प्रमाणावर रिमोट बँकिंग सेवांकडे जात आहेत. प्रत्येकाला हे माहित आहे, परंतु आम्हाला अशा प्रमाणाची अपेक्षा नव्हती आणि सुरुवातीला त्यावर विश्वास ठेवला नाही: बँक कार्यालयांना कॉलची संख्या अत्यंत वेगाने कमी होत आहे आणि दूरस्थ व्यवहारांची संख्या त्याच प्रमाणात वाढत आहे. त्यानुसार यंत्रणांवरील भारही वाढत आहे आणि पुढेही वाढणार आहे. आम्ही आता फेब्रुवारी 2020 पर्यंत लोडचा अंदाज घेत आहोत. 3% च्या त्रुटीसह सामान्य दिवसांचा अंदाज लावला जाऊ शकतो आणि 10% च्या त्रुटीसह पीक दिवसांचा अंदाज लावला जाऊ शकतो. हा एक चांगला परिणाम आहे.

तेथे उपासनेच्या

नेहमीप्रमाणे, हे अडचणींशिवाय नव्हते. फूरियर मालिका वापरून एक्स्ट्रापोलेशन मेकॅनिझम शून्य ओलांडत नाही - आम्हाला माहित आहे की कायदेशीर संस्था आठवड्याच्या शेवटी काही व्यवहार व्युत्पन्न करतात, परंतु अंदाज मॉड्यूल शून्यापासून दूर असलेल्या मूल्यांची निर्मिती करते. त्यांना जबरदस्तीने दुरुस्त करणे शक्य होते, परंतु क्रॅच ही आमची पद्धत नाही. याव्यतिरिक्त, आम्हाला स्त्रोत सिस्टममधून वेदनारहित डेटा पुनर्प्राप्त करण्याच्या समस्येचे निराकरण करावे लागले. माहितीच्या नियमित संकलनासाठी गंभीर संगणकीय संसाधनांची आवश्यकता असते, म्हणून आम्ही प्रतिकृती वापरून जलद कॅशे तयार केले आणि प्रतिकृतींकडून व्यवसाय डेटा प्राप्त केला. अशा प्रकरणांमध्ये मास्टर सिस्टमवर अतिरिक्त भार नसणे ही एक ब्लॉकिंग आवश्यकता आहे.

नवीन आव्हाने

शिखरांचा अंदाज लावण्याचे सरळ कार्य सोडवले गेले: या वर्षाच्या मे महिन्यापासून बँकेत ओव्हरलोडशी संबंधित कोणतेही अपयश आलेले नाहीत आणि नवीन अंदाज प्रणालीने यामध्ये महत्त्वाची भूमिका बजावली. होय, ते पुरेसे नाही असे दिसून आले आणि आता बँकेला हे समजून घ्यायचे आहे की शिखरे किती धोकादायक आहेत. आम्हाला लोड टेस्टिंगमधील मेट्रिक्स वापरून अंदाज हवे आहेत आणि सुमारे 30% गंभीर सिस्टीमसाठी हे आधीच कार्यरत आहे, बाकीचे अंदाज प्राप्त करण्याच्या प्रक्रियेत आहेत. पुढच्या टप्प्यावर, आम्ही सिस्टीमवरील लोडचा अंदाज व्यवसाय व्यवहारात नाही, तर आयटी पायाभूत सुविधांच्या बाबतीत सांगणार आहोत, म्हणजेच आम्ही एका थराच्या खाली जाऊ. याव्यतिरिक्त, आम्हाला मेट्रिक्सचे संकलन आणि त्यावर आधारित अंदाज तयार करणे पूर्णपणे स्वयंचलित करणे आवश्यक आहे, जेणेकरून डाउनलोडचा सामना करू नये. यात काहीही फॅन्सी नाही - आम्ही फक्त जागतिक सर्वोत्तम पद्धतींच्या अनुषंगाने मॉनिटरिंग आणि लोड चाचणी पार करत आहोत.

स्त्रोत: www.habr.com