ਨਿਗਰਾਨੀ + ਲੋਡ ਟੈਸਟਿੰਗ = ਭਵਿੱਖਬਾਣੀ ਅਤੇ ਕੋਈ ਅਸਫਲਤਾ

VTB IT ਵਿਭਾਗ ਨੂੰ ਕਈ ਵਾਰ ਸਿਸਟਮ ਦੇ ਸੰਚਾਲਨ ਵਿੱਚ ਸੰਕਟਕਾਲੀਨ ਸਥਿਤੀਆਂ ਨਾਲ ਨਜਿੱਠਣਾ ਪਿਆ, ਜਦੋਂ ਉਹਨਾਂ 'ਤੇ ਲੋਡ ਕਈ ਗੁਣਾ ਵੱਧ ਗਿਆ। ਇਸ ਲਈ, ਇੱਕ ਮਾਡਲ ਵਿਕਸਤ ਕਰਨ ਅਤੇ ਟੈਸਟ ਕਰਨ ਦੀ ਲੋੜ ਸੀ ਜੋ ਨਾਜ਼ੁਕ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਪੀਕ ਲੋਡ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰੇ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਬੈਂਕ ਦੇ ਆਈਟੀ ਮਾਹਰਾਂ ਨੇ ਨਿਗਰਾਨੀ ਸਥਾਪਤ ਕੀਤੀ, ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨਾ ਸਿੱਖਿਆ। ਅਸੀਂ ਤੁਹਾਨੂੰ ਇੱਕ ਛੋਟੇ ਲੇਖ ਵਿੱਚ ਦੱਸਾਂਗੇ ਕਿ ਕਿਹੜੇ ਸਾਧਨਾਂ ਨੇ ਲੋਡ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਅਤੇ ਕੀ ਉਹਨਾਂ ਨੇ ਕੰਮ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।

ਉੱਚ-ਲੋਡ ਸੇਵਾਵਾਂ ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਲਗਭਗ ਸਾਰੇ ਉਦਯੋਗਾਂ ਵਿੱਚ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ, ਪਰ ਵਿੱਤੀ ਖੇਤਰ ਲਈ ਇਹ ਨਾਜ਼ੁਕ ਹਨ। ਘੰਟੇ X 'ਤੇ, ਸਾਰੀਆਂ ਲੜਾਈ ਇਕਾਈਆਂ ਤਿਆਰ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਅਤੇ ਇਸ ਲਈ ਇਹ ਪਹਿਲਾਂ ਤੋਂ ਜਾਣਨਾ ਜ਼ਰੂਰੀ ਸੀ ਕਿ ਕੀ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਉਸ ਦਿਨ ਨੂੰ ਵੀ ਨਿਰਧਾਰਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ ਲੋਡ ਛਾਲ ਮਾਰੇਗਾ ਅਤੇ ਕਿਹੜੇ ਸਿਸਟਮ ਇਸਦਾ ਸਾਹਮਣਾ ਕਰਨਗੇ। ਅਸਫਲਤਾਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਅਤੇ ਰੋਕਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਣਾਲੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਬਾਰੇ ਵੀ ਚਰਚਾ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ। ਨਿਗਰਾਨੀ ਡੇਟਾ ਦੇ ਅਧਾਰ 'ਤੇ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਆਧੁਨਿਕੀਕਰਨ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ।

ਤੁਹਾਡੇ ਗੋਡਿਆਂ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ

ਪੇਰੋਲ ਪ੍ਰੋਜੈਕਟ ਅਸਫਲ ਹੋਣ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ. ਇਹ ਪੂਰਵ-ਅਨੁਮਾਨ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਸਮਝਣ ਯੋਗ ਹੈ, ਇਸਲਈ ਅਸੀਂ ਇਸਦੇ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ। ਉੱਚ ਕਨੈਕਟੀਵਿਟੀ ਦੇ ਕਾਰਨ, ਰਿਮੋਟ ਬੈਂਕਿੰਗ ਸੇਵਾਵਾਂ (RBS) ਸਮੇਤ ਹੋਰ ਉਪ-ਪ੍ਰਣਾਲੀਆਂ, ਪੀਕ ਲੋਡ ਦੇ ਸਮੇਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਗਾਹਕ ਜੋ ਪੈਸੇ ਦੀ ਰਸੀਦ ਬਾਰੇ ਐਸਐਮਐਸ ਤੋਂ ਖੁਸ਼ ਸਨ, ਉਹਨਾਂ ਨੇ ਇਸਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਵਰਤਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ. ਲੋਡ ਤੀਬਰਤਾ ਦੇ ਇੱਕ ਕ੍ਰਮ ਤੋਂ ਵੱਧ ਵੱਧ ਸਕਦਾ ਹੈ। 

ਪਹਿਲਾ ਪੂਰਵ ਅਨੁਮਾਨ ਮਾਡਲ ਹੱਥੀਂ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਅਸੀਂ ਪਿਛਲੇ ਸਾਲ ਲਈ ਅੱਪਲੋਡ ਲਏ ਅਤੇ ਗਣਨਾ ਕੀਤੀ ਕਿ ਕਿਹੜੇ ਦਿਨ ਵੱਧ ਤੋਂ ਵੱਧ ਸਿਖਰਾਂ ਦੀ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਉਦਾਹਰਨ ਲਈ, 1, 15 ਅਤੇ 25, ਅਤੇ ਨਾਲ ਹੀ ਮਹੀਨੇ ਦੇ ਆਖਰੀ ਦਿਨਾਂ ਵਿੱਚ। ਇਸ ਮਾਡਲ ਲਈ ਮਹੱਤਵਪੂਰਨ ਕਿਰਤ ਲਾਗਤਾਂ ਦੀ ਲੋੜ ਸੀ ਅਤੇ ਇੱਕ ਸਹੀ ਪੂਰਵ ਅਨੁਮਾਨ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤਾ ਗਿਆ। ਫਿਰ ਵੀ, ਇਸ ਨੇ ਰੁਕਾਵਟਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਿੱਥੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਜੋੜਨਾ ਜ਼ਰੂਰੀ ਸੀ, ਅਤੇ ਐਂਕਰ ਗਾਹਕਾਂ ਨਾਲ ਸਹਿਮਤ ਹੋ ਕੇ ਪੈਸੇ ਟ੍ਰਾਂਸਫਰ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਸੰਭਵ ਬਣਾਇਆ: ਇੱਕ ਝਟਕੇ ਵਿੱਚ ਤਨਖਾਹ ਨਾ ਦੇਣ ਲਈ, ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਤੋਂ ਲੈਣ-ਦੇਣ ਸਮੇਂ ਦੇ ਨਾਲ ਦੂਰ ਕੀਤੇ ਗਏ ਸਨ। ਹੁਣ ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਉਹਨਾਂ ਹਿੱਸਿਆਂ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਹਾਂ ਜੋ ਬੈਂਕ ਦਾ IT ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਅਸਫਲਤਾ ਦੇ ਬਿਨਾਂ "ਚਬਾ" ਸਕਦਾ ਹੈ।

ਪਹਿਲਾ ਸਕਾਰਾਤਮਕ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਆਟੋਮੈਟਿਕ ਪੂਰਵ ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਅੱਗੇ ਵਧੇ। ਇੱਕ ਦਰਜਨ ਹੋਰ ਨਾਜ਼ੁਕ ਖੇਤਰ ਆਪਣੀ ਵਾਰੀ ਦੀ ਉਡੀਕ ਕਰ ਰਹੇ ਸਨ।

ਇੱਕ ਗੁੰਝਲਦਾਰ ਪਹੁੰਚ

VTB ਨੇ ਮਾਈਕ੍ਰੋਫੋਕਸ ਤੋਂ ਇੱਕ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਲਾਗੂ ਕੀਤੀ ਹੈ. ਉੱਥੋਂ ਅਸੀਂ ਪੂਰਵ-ਅਨੁਮਾਨ, ਇੱਕ ਸਟੋਰੇਜ ਸਿਸਟਮ ਅਤੇ ਇੱਕ ਰਿਪੋਰਟਿੰਗ ਪ੍ਰਣਾਲੀ ਲਈ ਡੇਟਾ ਇਕੱਤਰ ਕੀਤਾ। ਵਾਸਤਵ ਵਿੱਚ, ਨਿਗਰਾਨੀ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਸੀ, ਜੋ ਕੁਝ ਬਚਿਆ ਸੀ ਉਹ ਮੈਟ੍ਰਿਕਸ, ਇੱਕ ਪੂਰਵ-ਅਨੁਮਾਨ ਮੋਡੀਊਲ ਅਤੇ ਨਵੀਆਂ ਰਿਪੋਰਟਾਂ ਬਣਾਉਣਾ ਸੀ। ਇਹ ਫੈਸਲਾ ਬਾਹਰੀ ਠੇਕੇਦਾਰ ਟੈਕਨੋਸਰਵ ਦੁਆਰਾ ਸਮਰਥਤ ਹੈ, ਇਸਲਈ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦਾ ਮੁੱਖ ਕੰਮ ਇਸਦੇ ਮਾਹਰਾਂ 'ਤੇ ਪਿਆ, ਪਰ ਅਸੀਂ ਆਪਣੇ ਆਪ ਨੂੰ ਮਾਡਲ ਬਣਾਇਆ. ਭਵਿੱਖਬਾਣੀ ਪ੍ਰਣਾਲੀ ਫੇਸਬੁੱਕ ਦੁਆਰਾ ਵਿਕਸਤ ਇੱਕ ਓਪਨ ਸੋਰਸ ਉਤਪਾਦ, ਪੈਗੰਬਰ ਦੇ ਅਧਾਰ ਤੇ ਬਣਾਈ ਗਈ ਸੀ। ਇਹ ਸਾਡੇ ਸਥਾਪਿਤ ਏਕੀਕ੍ਰਿਤ ਮਾਨੀਟਰਿੰਗ ਟੂਲਸ ਅਤੇ ਵਰਟਿਕਾ ਨਾਲ ਵਰਤਣ ਲਈ ਆਸਾਨ ਹੈ ਅਤੇ ਆਸਾਨੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੈ। ਮੋਟੇ ਤੌਰ 'ਤੇ ਬੋਲਦੇ ਹੋਏ, ਸਿਸਟਮ ਲੋਡ ਗ੍ਰਾਫ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਫੌਰੀਅਰ ਸੀਰੀਜ਼ ਦੇ ਆਧਾਰ 'ਤੇ ਇਸਨੂੰ ਐਕਸਟਰਾਪੋਲੇਟ ਕਰਦਾ ਹੈ। ਸਾਡੇ ਮਾਡਲ ਤੋਂ ਲਏ ਗਏ ਦਿਨ ਦੇ ਹਿਸਾਬ ਨਾਲ ਕੁਝ ਗੁਣਾਂਕ ਜੋੜਨਾ ਵੀ ਸੰਭਵ ਹੈ। ਮੈਟ੍ਰਿਕਸ ਮਨੁੱਖੀ ਦਖਲ ਤੋਂ ਬਿਨਾਂ ਲਏ ਜਾਂਦੇ ਹਨ, ਪੂਰਵ ਅਨੁਮਾਨ ਹਫ਼ਤੇ ਵਿੱਚ ਇੱਕ ਵਾਰ ਆਪਣੇ ਆਪ ਮੁੜ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਾਪਤਕਰਤਾਵਾਂ ਨੂੰ ਨਵੀਆਂ ਰਿਪੋਰਟਾਂ ਭੇਜੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। 

ਇਹ ਪਹੁੰਚ ਮੁੱਖ ਚੱਕਰਾਂ ਦੀ ਪਛਾਣ ਕਰਦੀ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਸਾਲਾਨਾ, ਮਾਸਿਕ, ਤਿਮਾਹੀ ਅਤੇ ਹਫ਼ਤਾਵਾਰੀ। ਤਨਖਾਹਾਂ ਅਤੇ ਅਡਵਾਂਸ ਦੇ ਭੁਗਤਾਨ, ਛੁੱਟੀਆਂ ਦੀ ਮਿਆਦ, ਛੁੱਟੀਆਂ ਅਤੇ ਵਿਕਰੀ - ਇਹ ਸਭ ਸਿਸਟਮਾਂ ਨੂੰ ਕਾਲਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਸਾਹਮਣੇ ਆਇਆ, ਉਦਾਹਰਨ ਲਈ, ਕਿ ਕੁਝ ਚੱਕਰ ਇੱਕ ਦੂਜੇ ਨੂੰ ਓਵਰਲੈਪ ਕਰਦੇ ਹਨ, ਅਤੇ ਸਿਸਟਮਾਂ 'ਤੇ ਮੁੱਖ ਲੋਡ (75%) ਕੇਂਦਰੀ ਸੰਘੀ ਜ਼ਿਲ੍ਹੇ ਤੋਂ ਆਉਂਦਾ ਹੈ। ਕਾਨੂੰਨੀ ਸੰਸਥਾਵਾਂ ਅਤੇ ਵਿਅਕਤੀ ਵੱਖੋ-ਵੱਖਰੇ ਵਿਹਾਰ ਕਰਦੇ ਹਨ। ਜੇ "ਭੌਤਿਕ ਵਿਗਿਆਨੀਆਂ" ਦਾ ਲੋਡ ਹਫ਼ਤੇ ਦੇ ਦਿਨਾਂ ਵਿੱਚ ਮੁਕਾਬਲਤਨ ਬਰਾਬਰ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ (ਇਹ ਬਹੁਤ ਸਾਰੇ ਛੋਟੇ ਲੈਣ-ਦੇਣ ਹਨ), ਤਾਂ ਕੰਪਨੀਆਂ ਲਈ 99,9% ਕੰਮ ਦੇ ਘੰਟਿਆਂ 'ਤੇ ਖਰਚਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਲੈਣ-ਦੇਣ ਛੋਟੇ ਹੋ ਸਕਦੇ ਹਨ, ਜਾਂ ਕਈਆਂ ਦੇ ਅੰਦਰ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਮਿੰਟ ਜਾਂ ਘੰਟੇ ਵੀ।

ਪ੍ਰਾਪਤ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ, ਲੰਬੇ ਸਮੇਂ ਦੇ ਰੁਝਾਨਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਨਵੀਂ ਪ੍ਰਣਾਲੀ ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ ਲੋਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਰਿਮੋਟ ਬੈਂਕਿੰਗ ਸੇਵਾਵਾਂ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਹਰ ਕੋਈ ਇਸ ਨੂੰ ਜਾਣਦਾ ਹੈ, ਪਰ ਅਸੀਂ ਅਜਿਹੇ ਪੈਮਾਨੇ ਦੀ ਉਮੀਦ ਨਹੀਂ ਕੀਤੀ ਸੀ ਅਤੇ ਪਹਿਲਾਂ ਇਸ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਨਹੀਂ ਕੀਤਾ: ਬੈਂਕ ਦਫਤਰਾਂ ਵਿੱਚ ਕਾਲਾਂ ਦੀ ਗਿਣਤੀ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਘਟ ਰਹੀ ਹੈ, ਅਤੇ ਰਿਮੋਟ ਟ੍ਰਾਂਜੈਕਸ਼ਨਾਂ ਦੀ ਗਿਣਤੀ ਬਿਲਕੁਲ ਉਸੇ ਮਾਤਰਾ ਵਿੱਚ ਵਧ ਰਹੀ ਹੈ. ਇਸ ਅਨੁਸਾਰ, ਸਿਸਟਮਾਂ 'ਤੇ ਲੋਡ ਵੀ ਵਧ ਰਿਹਾ ਹੈ ਅਤੇ ਵਧਦਾ ਰਹੇਗਾ। ਅਸੀਂ ਹੁਣ ਫਰਵਰੀ 2020 ਤੱਕ ਲੋਡ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਰਹੇ ਹਾਂ। ਆਮ ਦਿਨਾਂ ਦੀ 3% ਦੀ ਗਲਤੀ ਨਾਲ, ਅਤੇ 10% ਦੀ ਗਲਤੀ ਨਾਲ ਸਿਖਰ ਦੇ ਦਿਨਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਇੱਕ ਚੰਗਾ ਨਤੀਜਾ ਹੈ.

ਖ਼ਤਰੇ

ਆਮ ਵਾਂਗ, ਇਹ ਮੁਸ਼ਕਲਾਂ ਤੋਂ ਬਿਨਾਂ ਨਹੀਂ ਸੀ. ਫੌਰੀਅਰ ਸੀਰੀਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਐਕਸਟਰਾਪੋਲੇਸ਼ਨ ਵਿਧੀ ਜ਼ੀਰੋ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਾਰ ਨਹੀਂ ਕਰਦੀ - ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ ਕਾਨੂੰਨੀ ਸੰਸਥਾਵਾਂ ਸ਼ਨੀਵਾਰ-ਐਤਵਾਰ ਨੂੰ ਕੁਝ ਲੈਣ-ਦੇਣ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਪੂਰਵ-ਅਨੁਮਾਨ ਮੋਡੀਊਲ ਉਹ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਜ਼ੀਰੋ ਤੋਂ ਦੂਰ ਹਨ। ਉਨ੍ਹਾਂ ਨੂੰ ਜ਼ਬਰਦਸਤੀ ਠੀਕ ਕਰਨਾ ਸੰਭਵ ਸੀ, ਪਰ ਬੈਸਾਖੀਆਂ ਸਾਡਾ ਤਰੀਕਾ ਨਹੀਂ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਾਨੂੰ ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਬਿਨਾਂ ਦਰਦ ਰਹਿਤ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਾ ਪਿਆ। ਜਾਣਕਾਰੀ ਦੇ ਨਿਯਮਤ ਸੰਗ੍ਰਹਿ ਲਈ ਗੰਭੀਰ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇਸਲਈ ਅਸੀਂ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤੇਜ਼ ਕੈਚ ਬਣਾਏ ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਤੀਆਂ ਤੋਂ ਵਪਾਰਕ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕੀਤਾ। ਅਜਿਹੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਮਾਸਟਰ ਸਿਸਟਮਾਂ ਉੱਤੇ ਵਾਧੂ ਲੋਡ ਦੀ ਅਣਹੋਂਦ ਇੱਕ ਬਲਾਕਿੰਗ ਲੋੜ ਹੈ।

ਨਵੀਆਂ ਚੁਣੌਤੀਆਂ

ਸਿਖਰਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦਾ ਸਿੱਧਾ ਕੰਮ ਹੱਲ ਕੀਤਾ ਗਿਆ ਸੀ: ਇਸ ਸਾਲ ਦੇ ਮਈ ਤੋਂ ਬੈਂਕ ਵਿੱਚ ਕੋਈ ਓਵਰਲੋਡ-ਸਬੰਧਤ ਅਸਫਲਤਾਵਾਂ ਨਹੀਂ ਹਨ, ਅਤੇ ਨਵੀਂ ਪੂਰਵ ਅਨੁਮਾਨ ਪ੍ਰਣਾਲੀ ਨੇ ਇਸ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾਈ ਹੈ। ਹਾਂ, ਇਹ ਕਾਫ਼ੀ ਨਹੀਂ ਨਿਕਲਿਆ, ਅਤੇ ਹੁਣ ਬੈਂਕ ਇਹ ਸਮਝਣਾ ਚਾਹੁੰਦਾ ਹੈ ਕਿ ਸਿਖਰ ਇਸ ਲਈ ਕਿੰਨੇ ਖਤਰਨਾਕ ਹਨ. ਸਾਨੂੰ ਲੋਡ ਟੈਸਟਿੰਗ ਤੋਂ ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਲਗਭਗ 30% ਨਾਜ਼ੁਕ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਇਹ ਪਹਿਲਾਂ ਹੀ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ, ਬਾਕੀ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਹਨ। ਅਗਲੇ ਪੜਾਅ 'ਤੇ, ਅਸੀਂ ਵਪਾਰਕ ਲੈਣ-ਦੇਣ ਵਿੱਚ ਨਹੀਂ, ਪਰ IT ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਿਸਟਮਾਂ 'ਤੇ ਲੋਡ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਜਾ ਰਹੇ ਹਾਂ, ਭਾਵ ਅਸੀਂ ਇੱਕ ਪਰਤ ਹੇਠਾਂ ਚਲੇ ਜਾਵਾਂਗੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਾਨੂੰ ਮੈਟ੍ਰਿਕਸ ਦੇ ਸੰਗ੍ਰਹਿ ਅਤੇ ਉਹਨਾਂ 'ਤੇ ਆਧਾਰਿਤ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦੇ ਨਿਰਮਾਣ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈਚਲਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਜੋ ਡਾਉਨਲੋਡਸ ਨਾਲ ਨਜਿੱਠਣਾ ਨਾ ਪਵੇ। ਇਸ ਬਾਰੇ ਕੁਝ ਵੀ ਫੈਂਸੀ ਨਹੀਂ ਹੈ - ਅਸੀਂ ਸਿਰਫ ਗਲੋਬਲ ਸਰਵੋਤਮ ਅਭਿਆਸਾਂ ਦੇ ਅਨੁਸਾਰ ਨਿਗਰਾਨੀ ਅਤੇ ਲੋਡ ਟੈਸਟਿੰਗ ਨੂੰ ਪਾਰ ਕਰ ਰਹੇ ਹਾਂ।

ਸਰੋਤ: www.habr.com