Date: 6월 6, 2017
최종 사용자 보고 비즈니스 중요 한 응용 프로그램에서 성능 저하, 최대한 빨리 문제를 해결 하기 위해 모든 팀. 가상 환경에서는, 어디의 문제 근본 원인을 거의 간단, 그들은 시도 하 고 여러 가지 솔루션을 테스트 하는 일을 보낼 수 있습니다. 시간 및 자원-그리고 심지어 때때로 사기 그것에 거 대 한 드레인을 만듭니다이 이렇게 문제 해결. IT 팀 수동 작업을 자동화, 최종 사용자 생산성, 비용을 합리화 및 비즈니스 요구에 신속 하 고 유연 하 게 대응 하는 새로운 기술로 그들의 비즈니스 운영에 가치를 추가 하는 혁신을 해야 합니다. 불행히도, 통찰력 및 자동화 없이 기계 학습 분석 제공, IT 부서 더 낭비 하 고와 더 많은 시간과 낮은 값 문제 해결에 리소스.
가상 인프라는 너무 복잡 한
1 차원 접근에 대 한
이 문제를 해결 하는 수렁의 원인이 무엇 인지? 그것은 복잡 하 고, 동적 가상 인프라 전통적인 진단 및 모니터링 도구 응용 프로그램 성능 문제의 근본 원인을 확인할 수 없습니다 또는 그들을 해결 하기 위해 특정 단계에서 더 많은 비즈니스 중요 한 응용 프로그램을 실행 됩니다. IT 팀 여전히 개별 운영 사일로-계산, 응용 프로그램, 저장 및 네트워크에 그들의 가상 인프라에서 찾고 있습니다. 그들은 여러 도구를 사용 하 여 각 사일로 대 한 정보를 수집 하 고 다음 결과 맞추는 근본 원인 해결을 위한 전략에 대 한 이론을 고안 하는 것을 수동으로.
임계값 기반 도구와 구식 방법을
SIOS 실시 한 최근 조사에서 응답자의 78% 사용 하는 여러 도구 vm 웨어의 응용 프로그램 성능 문제의 원인을 식별. 응답자의 20%만 그들은 이러한 문제를 해결 하려면 사용 하는 전략은 처음으로 완전 하 게 정확 했다.
레거시 모니터링 도구는 물리적 서버 환경에 대 한 임계값 기반 기술 원래 개발 된를 사용 합니다. 그들은 기능을 사용 하면 저장소 대기 시간, CPU 사용률, 같은 특정 매개 변수 내에서 작동 하는 물리적 구성 요소를 유지 하 고 네트워크 대기 시간 수 있습니다. 수동으로 모든 격납고에 모니터링할 모든 통계에 대 한 매개 변수 임계값을 설정 하 고 이러한 도구는 임계값 초과-종종 수백 번 단일 사건에 대 한 때마다 기민 할 것 이다.
더 많은 데이터는 없는 추가 정보
가상 환경에서 가상 자원을 물리적 호스트, 스토리지 및 네트워크 리소스를 공유합니다. 이러한 구성 요소는 종종 성능 문제의 근본 원인을 마스크 복잡 한 상호 관계에서 함께 작동 합니다. IT 전문가 각 사일로 대 한 책임 경고의 수백을 해독 하 고 그들의 주관적인 의견과 좋은 오래 된 시행 착오를 사용 하 여 문제를 정확 하 게 있다.
다행히도, 새로운 기계 학습 분석 솔루션 SIOS iQ 사용 같은 깊은 사일로 보는 기법, 가상 리소스의 상호 관계에 학습과 응용 프로그램 성능 문제의 근본 원인을 식별. 그들은 당신이 그들을 피할 수 있도록 미래에 성능 문제가 발생할 것입니다 문제를 식별 하 예측 분석 기술을 사용 합니다. 그들은 자동화, 정밀도 및 정확도 임계값 기반 도구로 인간 대략적인 수 없습니다 그의 학위를 제공 합니다.
시행 착오를 제거 하는 기계 학습 분석
학습 분석 기계 도구는 당신에 게 문제를 해결 하는 방법. 경고의 수백을 통해 대마초 또는 대시보드 가득한 문제를 진단 하는 차트를 비교 하 여 필요가 없습니다. 당신은 데이터 과학자의 전문 지식 없이 필요한 정보를 얻을. 기계 학습 분석, 거기 아무 필요도 데이터 선택, 모델링, 준비, 추출 또는 구성 필요 하다. SIOS iQ는 인프라 비정상 중요 하 고 그래서 그들은 그들의 귀중 한 시간을 우선순위 수는 사소한 그것을 알려줍니다.
새롭고 고급 기계 학습 및 학습 도구 깊은, IT 팀에 사전 사후 상태에서 이동할 수 있습니다. 즉, 재판 및 오류에 더 많은 시간을 혁신 하 고 적은 시간을 보낼 수 있습니다.