การตรวจสอบ + การทดสอบโหลด = การคาดการณ์และไม่มีความล้มเหลว

แผนกไอทีของ VTB ต้องจัดการกับสถานการณ์ฉุกเฉินในการทำงานของระบบหลายครั้งเมื่อภาระงานเพิ่มขึ้นหลายครั้ง ดังนั้นจึงจำเป็นต้องพัฒนาและทดสอบแบบจำลองที่จะคาดการณ์โหลดสูงสุดบนระบบที่สำคัญ ในการทำเช่นนี้ ผู้เชี่ยวชาญด้านไอทีของธนาคารได้ตั้งค่าการติดตาม วิเคราะห์ข้อมูล และเรียนรู้ที่จะทำการคาดการณ์โดยอัตโนมัติ เราจะบอกคุณในบทความสั้นๆ ว่าเครื่องมือใดบ้างที่ช่วยคาดการณ์ปริมาณงาน และช่วยเพิ่มประสิทธิภาพการทำงานหรือไม่

ปัญหาเกี่ยวกับบริการที่มีภาระงานสูงเกิดขึ้นในเกือบทุกอุตสาหกรรม แต่สำหรับภาคการเงินปัญหาเหล่านี้มีความสำคัญอย่างยิ่ง ในชั่วโมง X หน่วยรบทั้งหมดจะต้องพร้อม ดังนั้นจึงจำเป็นต้องรู้ล่วงหน้าว่าจะเกิดอะไรขึ้น และแม้กระทั่งกำหนดวันที่สัมภาระจะกระโดดและระบบใดที่จะเผชิญหน้า ความล้มเหลวจำเป็นต้องได้รับการจัดการและป้องกัน ดังนั้นจึงไม่ได้กล่าวถึงความจำเป็นในการใช้ระบบการวิเคราะห์เชิงคาดการณ์ด้วยซ้ำ จำเป็นต้องปรับปรุงระบบให้ทันสมัยโดยอาศัยข้อมูลการตรวจสอบ

การวิเคราะห์บนเข่าของคุณ

โครงการบัญชีเงินเดือนเป็นหนึ่งในโครงการที่ละเอียดอ่อนที่สุดในกรณีที่เกิดความล้มเหลว เป็นการพยากรณ์ที่เข้าใจได้มากที่สุด ดังนั้นเราจึงตัดสินใจเริ่มด้วย เนื่องจากการเชื่อมต่อที่สูง ระบบย่อยอื่นๆ รวมถึงบริการธนาคารระยะไกล (RBS) อาจประสบปัญหาในช่วงเวลาที่มีการใช้งานสูงสุด ตัวอย่างเช่น ลูกค้าที่พอใจกับ SMS เกี่ยวกับการรับเงินก็เริ่มใช้งานอย่างแข็งขัน ภาระอาจกระโดดได้มากกว่าลำดับความสำคัญ 

แบบจำลองการคาดการณ์แรกถูกสร้างขึ้นด้วยตนเอง เราอัปโหลดในปีที่แล้วและคำนวณว่าวันใดที่คาดว่าจะมีจุดสูงสุดสูงสุด เช่น วันที่ 1, 15 และ 25 รวมถึงวันสุดท้ายของเดือน แบบจำลองนี้ต้องใช้ต้นทุนค่าแรงจำนวนมากและไม่ได้ให้การคาดการณ์ที่แม่นยำ อย่างไรก็ตาม ได้ระบุจุดคอขวดที่จำเป็นต้องเพิ่มฮาร์ดแวร์ และทำให้สามารถเพิ่มประสิทธิภาพกระบวนการโอนเงินได้โดยตกลงกับลูกค้าหลัก: เพื่อไม่ให้เงินเดือนในอึกเดียว ธุรกรรมจากภูมิภาคต่างๆ จึงถูกเว้นระยะไว้เมื่อเวลาผ่านไป ตอนนี้เราประมวลผลในส่วนต่างๆ ที่โครงสร้างพื้นฐานด้านไอทีของธนาคารสามารถ "เคี้ยว" ได้โดยไม่เกิดข้อผิดพลาด

หลังจากได้รับผลลัพธ์เชิงบวกครั้งแรก เราก็ย้ายไปใช้การคาดการณ์แบบอัตโนมัติ มีอีก XNUMX พื้นที่ที่สำคัญกำลังรอถึงคราวของพวกเขา

วิธีการแบบบูรณาการ

VTB ได้นำระบบการตรวจสอบจาก MicroFocus มาใช้ จากนั้นเราได้รวบรวมข้อมูลสำหรับการคาดการณ์ ระบบจัดเก็บข้อมูล และระบบการรายงาน ในความเป็นจริง มีการตรวจสอบอยู่แล้ว เหลือเพียงการเพิ่มเมตริก โมดูลการคาดการณ์ และสร้างรายงานใหม่ การตัดสินใจนี้ได้รับการสนับสนุนจากผู้รับเหมาภายนอก Technoserv ดังนั้นงานหลักในการดำเนินโครงการจึงตกเป็นของผู้เชี่ยวชาญ แต่เราสร้างแบบจำลองขึ้นมาเอง ระบบพยากรณ์สร้างขึ้นจาก Prophet ซึ่งเป็นผลิตภัณฑ์โอเพ่นซอร์สที่พัฒนาโดย Facebook ใช้งานง่ายและผสานรวมกับเครื่องมือตรวจสอบแบบบูรณาการและ Vertica ที่ติดตั้งไว้ของเราได้อย่างง่ายดาย โดยคร่าวแล้ว ระบบจะวิเคราะห์กราฟโหลดและคาดการณ์ตามอนุกรมฟูริเยร์ นอกจากนี้ยังเป็นไปได้ที่จะเพิ่มค่าสัมประสิทธิ์ตามวันที่นำมาจากแบบจำลองของเรา การวัดผลจะดำเนินการโดยไม่มีการแทรกแซงของมนุษย์ การคาดการณ์จะถูกคำนวณใหม่โดยอัตโนมัติสัปดาห์ละครั้ง และส่งรายงานใหม่ไปยังผู้รับ 

แนวทางนี้ระบุวัฏจักรหลัก เช่น รายปี รายเดือน รายไตรมาส และรายสัปดาห์ การจ่ายเงินเดือนและเงินทดรอง วันหยุด วันหยุดและการขาย - ทั้งหมดนี้ส่งผลต่อจำนวนการโทรเข้าระบบ ปรากฎว่าบางรอบทับซ้อนกันและโหลดหลัก (75%) ในระบบมาจาก Central Federal District นิติบุคคลและบุคคลมีพฤติกรรมที่แตกต่างกัน หากโหลดจาก "นักฟิสิกส์" มีการกระจายค่อนข้างเท่ากันในแต่ละวันของสัปดาห์ (ซึ่งเป็นธุรกรรมขนาดเล็กจำนวนมาก) ดังนั้นสำหรับบริษัท 99,9% จะใช้เวลาไปกับชั่วโมงทำงาน และธุรกรรมอาจสั้นหรือสามารถดำเนินการได้ภายในหลาย ๆ นาทีหรือชั่วโมงก็ได้

จากข้อมูลที่ได้รับ จะพิจารณาแนวโน้มระยะยาว ระบบใหม่เผยให้เห็นว่าผู้คนจำนวนมากหันมาใช้บริการธนาคารทางไกล ทุกคนรู้เรื่องนี้ แต่เราไม่ได้คาดหวังขนาดนั้นและในตอนแรกไม่เชื่อมัน: จำนวนการโทรไปยังสำนักงานธนาคารลดลงอย่างรวดเร็วมาก และจำนวนธุรกรรมระยะไกลก็เพิ่มขึ้นในจำนวนที่เท่ากันทุกประการ ดังนั้นภาระในระบบจึงเพิ่มขึ้นและจะยังคงเพิ่มขึ้นต่อไป ขณะนี้เรากำลังคาดการณ์ปริมาณงานจนถึงเดือนกุมภาพันธ์ 2020 วันปกติสามารถคาดการณ์ได้โดยมีข้อผิดพลาด 3% และวันที่มีการใช้งานสูงสุดมีข้อผิดพลาด 10% นี่เป็นผลลัพธ์ที่ดี

ข้อผิดพลาด

ตามปกติแล้วมันก็ไม่ได้ปราศจากความยากลำบาก กลไกการประมาณค่าโดยใช้ชุดฟูริเยร์ไม่ข้ามศูนย์ได้ดี - เรารู้ว่านิติบุคคลสร้างธุรกรรมเพียงไม่กี่รายการในช่วงสุดสัปดาห์ แต่โมดูลการทำนายสร้างค่าที่ห่างไกลจากศูนย์ เป็นไปได้ที่จะแก้ไขโดยใช้กำลัง แต่ไม้ค้ำยันไม่ใช่วิธีการของเรา นอกจากนี้ เรายังต้องแก้ไขปัญหาการดึงข้อมูลจากระบบต้นทางอย่างไม่ลำบากอีกด้วย การรวบรวมข้อมูลเป็นประจำต้องใช้ทรัพยากรการประมวลผลที่จริงจัง ดังนั้นเราจึงสร้างแคชที่รวดเร็วโดยใช้การจำลองแบบและรับข้อมูลธุรกิจจากแบบจำลอง การไม่มีโหลดเพิ่มเติมบนระบบหลักในกรณีดังกล่าวถือเป็นข้อกำหนดในการบล็อก

ความท้าทายใหม่

งานที่ตรงไปตรงมาในการทำนายจุดสูงสุดได้รับการแก้ไขแล้ว: ไม่มีความล้มเหลวที่เกี่ยวข้องกับภาระเกินในธนาคารตั้งแต่เดือนพฤษภาคมของปีนี้ และระบบพยากรณ์ใหม่มีบทบาทสำคัญในเรื่องนี้ ใช่ มันกลับกลายเป็นว่ายังไม่เพียงพอ และตอนนี้ธนาคารต้องการเข้าใจว่าจุดสูงสุดนั้นอันตรายแค่ไหน เราต้องการการคาดการณ์โดยใช้ตัวชี้วัดจากการทดสอบโหลด และสำหรับระบบที่สำคัญประมาณ 30% ที่ใช้งานได้อยู่แล้ว ส่วนที่เหลืออยู่ในกระบวนการรับการคาดการณ์ ในขั้นต่อไป เราจะคาดการณ์ภาระของระบบที่ไม่ได้อยู่ในธุรกรรมทางธุรกิจ แต่ในแง่ของโครงสร้างพื้นฐานด้านไอที นั่นคือ เราจะลงไปหนึ่งเลเยอร์ นอกจากนี้ เราจำเป็นต้องทำให้การรวบรวมตัวชี้วัดและการสร้างการคาดการณ์เป็นไปตามระบบอัตโนมัติโดยสมบูรณ์ เพื่อที่จะไม่ต้องจัดการกับการดาวน์โหลด ไม่มีอะไรพิเศษเกี่ยวกับเรื่องนี้ เราเพียงแค่ข้ามการตรวจสอบและการทดสอบโหลดให้สอดคล้องกับแนวทางปฏิบัติที่ดีที่สุดในระดับโลก

ที่มา: will.com