Departemen IT VTB sababaraha kali kapaksa nungkulan kaayaan darurat dina operasi sistem, nalika beban dina aranjeunna ngaronjat sababaraha kali leuwih. Ku alatan éta, perlu pikeun ngembangkeun sarta nguji model nu bakal ngaduga beban puncak dina sistem kritis. Jang ngalampahkeun ieu, spesialis IT bank nyetél ngawaskeun, dianalisis data sarta diajar ngajadikeun otomatis ramalan. Kami bakal nyarioskeun ka anjeun dina tulisan pondok anu mana alat ngabantosan ngaduga beban sareng naha éta ngabantosan ngaoptimalkeun padamelan.
Masalah sareng jasa-beban tinggi timbul dina ampir sadaya industri, tapi pikeun sektor finansial aranjeunna kritis. Dina jam X, sadaya unit tempur kudu siap, sarta ku kituna perlu uninga sateuacanna naon bisa lumangsung komo nangtukeun poé nalika beban bakal luncat jeung sistem nu bakal sapatemon eta. Gagalna kedah diurus sareng dicegah, janten kabutuhan pikeun nerapkeun sistem analitik prediktif henteu dibahas. Ieu diperlukeun pikeun modernisasikeun sistem dumasar kana data monitoring.
Analytics on tuur Anjeun
Proyék gaji mangrupikeun salah sahiji anu paling sénsitip upami gagal. Éta anu paling kaharti pikeun ramalan, janten kami mutuskeun pikeun ngamimitian. Kusabab konektipitas anu luhur, subsistem sanés, kalebet jasa perbankan jarak jauh (RBS), tiasa ngalaman masalah dina waktos beban puncak. Contona, klien anu delighted jeung SMS ngeunaan resi duit mimiti aktip ngagunakeun eta. Beban bisa luncat ku leuwih ti hiji urutan gedena.
Model ramalan munggaran dijieun sacara manual. Kami nyandak unggah pikeun taun ka tukang sareng ngitung dina dinten-dinten puncak maksimal diperkirakeun: contona, 1st, 15th sareng 25th, kitu ogé dina dinten-dinten akhir bulan. Modél ieu peryogi biaya tenaga kerja anu signifikan sareng henteu masihan ramalan anu akurat. Sanajan kitu, eta dicirikeun bottlenecks mana ieu diperlukeun pikeun nambahkeun hardware, sarta ngamungkinkeun pikeun ngaoptimalkeun prosés mindahkeun duit ku satuju sareng klien jangkar: dina urutan teu masihan gaji dina hiji gulp, transaksi ti wewengkon béda anu dipisahkeun kana waktu. Ayeuna urang ngolah aranjeunna dina bagian anu infrastruktur IT bank tiasa "nyapek" tanpa gagal.
Saatos nampi hasil anu positip anu munggaran, urang teraskeun kana otomatisasi ramalan. Sapuluh daérah anu langkung kritis ngantosan giliranana.
Pendekatan terpadu
VTB parantos ngalaksanakeun sistem ngawaskeun ti MicroFocus. Ti dinya kami nyandak pendataan pikeun ramalan, sistem panyimpen sareng sistem ngalaporkeun. Nyatana, ngawaskeun parantos aya, sadaya anu tinggaleun nyaéta nambihan métrik, modul prediksi sareng ngadamel laporan énggal. Kaputusan ieu dirojong ku kontraktor éksternal Technoserv, ku kituna pagawéan utama dina palaksanaan proyék murag ka spesialis na, tapi urang ngawangun modél sorangan. Sistem ramalan dijieun dumasar kana Nabi, produk open source dikembangkeun ku Facebook. Gampang dianggo sareng gampang ngahijikeun sareng alat monitoring terpadu anu dipasang sareng Vertica. Sacara kasar, sistem nganalisa grafik beban sareng ékstrapolasi dumasar kana séri Fourier. Ieu oge mungkin pikeun nambahkeun koefisien tangtu ku poé, dicokot tina model urang. Métrik dicandak tanpa campur tangan manusa, ramalanna otomatis diitung deui saminggu sakali, sareng laporan énggal dikirim ka panampi.
Pendekatan ieu ngaidentipikasi siklus utama, contona, taunan, bulanan, triwulanan sareng mingguan. Pangmayaran gaji sareng kamajuan, période liburan, liburan sareng penjualan - sadayana ieu mangaruhan jumlah telepon ka sistem. Tétéla, contona, sababaraha siklus tumpang tindih silih, sarta beban utama (75%) dina sistem asalna ti Distrik Federal Tengah. Badan hukum sareng individu kalakuanana béda. Lamun beban ti "fisikawan" relatif merata disebarkeun ngaliwatan poé dina saminggu (ieu loba transaksi leutik), lajeng pikeun pausahaan 99,9% spent dina jam gawé, sarta transaksi tiasa pondok, atawa bisa diolah dina sababaraha. menit atawa malah jam.
Dumasar data anu dicandak, tren jangka panjang ditangtukeun. Sistem anyar parantos ngungkabkeun yén jalma-jalma pindah sacara masal ka jasa perbankan jauh. Sadayana terang ieu, tapi kami henteu nyangka skala sapertos kitu sareng mimitina henteu percanten kana éta: jumlah telepon ka kantor bank turun pisan gancang, sareng jumlah transaksi jarak jauh tumbuh ku jumlah anu sami. Sasuai, beban dina sistem ogé ningkat sareng bakal terus ningkat. Kami ayeuna ngaramalkeun beban dugi ka Pebruari 2020. Poé normal tiasa diprediksi kalayan kasalahan 3%, sareng dinten puncak kalayan kasalahan 10%. Ieu hasil alus.
Pitfalls
Sakumaha biasa, ieu henteu tanpa kasusah. Mékanisme ekstrapolasi ngagunakeun séri Fourier henteu meuntas enol ogé - urang terang yén badan hukum ngahasilkeun sababaraha transaksi dina sabtu minggu, tapi modul prediksi ngahasilkeun nilai anu jauh tina nol. Ieu mungkin pikeun ngabenerkeun aranjeunna sacara paksa, tapi kruk sanés cara urang. Sajaba ti éta, urang kudu ngajawab masalah painlessly retrieving data tina sistem sumber. Koléksi inpormasi anu teratur butuh sumber komputasi anu serius, ku kituna kami ngawangun cache gancang nganggo réplikasi sareng nampi data bisnis tina réplika. Henteuna beban tambahan dina sistem master dina kasus sapertos kitu mangrupikeun syarat blocking.
tantangan anyar
Tugas lugas tina ngaramal puncak ieu direngsekeun: teu aya kagagalan overload patali di bank saprak Méi taun ieu, sarta sistem forecasting anyar maénkeun peran penting dina ieu. Leres, tétéla henteu cekap, sareng ayeuna bank hoyong ngartos kumaha bahaya puncak pikeun éta. Kami peryogi prediksi nganggo métrik tina uji beban, sareng sakitar 30% tina sistem kritis ieu parantos jalan, sésana aya dina prosés kéngingkeun prediksi. Dina tahap salajengna, urang bade ngaduga beban dina sistem teu di transaksi bisnis, tapi dina hal infrastruktur IT, i.e. urang bakal turun hiji lapisan. Sajaba ti éta, urang kudu pinuh ngajadikeun otomatis kumpulan metrics sarta pangwangunan ramalan dumasar kana éta, ku kituna teu nungkulan undeuran. Henteu aya anu pikaresepeun ngeunaan éta - urang ngan ukur nyebrang ngawaskeun sareng nguji beban saluyu sareng prakték pangsaéna global.
sumber: www.habr.com