XOps 예측 인사이트 스토리를 자세히 분석하고 분해하기

이 글에서는 네트워크의 연결성 및 성능 문제에 대한 예측 인사이트 스토리를 검토하기 위해 스토리 워크벤치를 사용하는 방법을 설명합니다.

참고

참고: XOps는 보안 및 운영을 위한 Cato의 통합 분석 계층으로, 인사이트와 안내된 문제 해결을 제공합니다. XOps는 XDR을 대체했습니다. 자세한 내용은 XOps FAQ를 참고하세요.

개요

Cato XOps는 예측 분석을 사용하여 네트워크 전체의 잠재적 성능 및 가용성 위험을 식별합니다. 예측 인사이트 엔진은 서비스에 영향을 미치기 전 개발 중인 문제를 예측하기 위해 트래픽 패턴, 리소스 사용량 및 구성 컨텍스트를 분석합니다. 예를 들어, 사이트의 소켓 CPU가 허용 가능 운영 수준을 초과할 것으로 예상되는 경우, 관련 예측 데이터와 제안된 조치와 함께 스토리가 시작됩니다.

스토리 워크벤치 페이지는 각 예측 인사이트 스토리의 세부 정보를 보여줘 새로운 위험을 평가하고 대처하는 데 도움을 줍니다. 스토리의 필터와 그룹을 만들어 가장 긴급한 예측에 집중하고, 트렌드 시각화를 검토하고, 플레이북을 통해 안내된 해결 단계에 따라 스토리를 진행할 수 있습니다.

예측 인사이트 스토리 지표

예측 인사이트 엔진은 현재 다음 문제에 대한 스토리를 생성합니다:

지표 설명 스토리 생성에 대한 임계값
CPU 사용량이 거의 최대 용량에 도달함

어느 사이트의 소켓이 허용 가능한 활용 수준을 초과할 것으로 예상됩니다.

이 스토리의 예측 그래프(아래 참조, 스토리 드릴 다운 위젯 이해)는 사이트에서 기록된 각 시간당 최대 CPU 사용량을 기반으로 합니다. 단기 급등을 완화하고 장기 추세를 강조하기 위해 그래프는 이러한 시간당 최대값에 7일 롤링 평균을 적용합니다. 롤링 평균은 최대 90일의 이력 데이터를 사용하여 계산되며, 트렌드 분석 및 예측을 위한 충분한 컨텍스트를 제공합니다.

소켓이 가까운 미래에 CPU 사용량 90%를 초과할 것으로 예측됩니다.
이벤트 볼륨이 할당 한도에 접근 중 이벤트 볼륨이 계정의 DPA 라이센스를 기준으로 제한을 초과할 가능성이 있을 때 감지합니다. 한도는 계획과 세부 유형별로 정의되며 (1 데이터 단위 = 2.5M 이벤트), DPA 버전에 따라 조건이 다릅니다. 시간 경과에 따라 추세가 완화되고 예측을 통해 잠재적인 침해를 사전에 식별합니다. 계정 이벤트 수가 가까운 미래에 세부 유형 한도(DPA 라이센스 및 데이터 단위를 기준으로)를 초과할 것으로 예측됩니다.

스토리 워크벤치 페이지 보기

스토리 워크벤치 페이지는 계정에 대한 예측 인사이트 스토리의 요약을 보여줍니다.

스토리 워크벤치 페이지를 보기 위해서:

  • 탐색 메뉴에서 클릭하세요 홈 > 스토리 워크벤치.

스토리 워크벤치 페이지 사용에 대한 자세한 내용은 사이트 운영 스토리 검토를 참고하세요.

스토리 드릴다운 및 분석

스토리 워크벤치에서 스토리를 클릭하면 다른 페이지에서 세부 정보를 분해하고 조사할 수 있습니다. 이 페이지에는 예측 인사이트 엔진이 식별한 새로운 문제를 평가하는 데 도움이 되는 여러 위젯이 포함되어 있습니다.

CPU_Nearing_Capacity_Drilldown.png

스토리 드릴다운 위젯 이해

이것들이 스토리를 분해하는 위젯입니다:

이름 설명
스토리 요약

페이지 상단에 스토리에 대한 기본 정보 요약이 있으며, 포함된 내용:

  • 스토리 유형 (지표)
  • 스토리를 생성한 생산자
  • 스토리의 소스
  • 스토리의 위험 수준
스토리 타임라인 스토리 상태 변화 타임라인을 보여줍니다.
세부 정보 스토리를 분석하기 위한 기본 정보로, 스토리 최초 신호의 시간을 포함하여 스토리가 생성된 시간, 스토리 ID 번호, 기타 관련 정보를 제공합니다. 예를 들어, CPU 사용량이 거의 용량에 도달 스토리의 경우, 사이트 이름, 연결 유형, 관련 CPU 코어 번호가 표시됩니다.
예측 예측된 메트릭에 대한 과거 추세와 향후 행동을 시각화하는 그래프입니다. 이는 시간당 관측된 최대 값을 기준으로 하며, 평균이 아닌 최고 조건을 강조합니다. 소음을 줄이고 지속적인 패턴을 노출하기 위해 위젯은 최대 90일 간의 과거 데이터를 기반으로 7일 간의 평균을 적용합니다. 그래프는 예측 변동성을 나타내는 범위와 함께 예측 경향을 표시합니다. 임계값 선은 예측된 조건이 실용적으로 변하는 수준을 나타내어 예측된 이벤트의 발생 시점 및 확률을 파악하는 데 도움을 줍니다.
근본 원인 분석 AI는 플레이북의 조사 단계를 자동으로 실행하여 문제의 근본 원인을 식별하는 스토리에 대한 분석을 생성합니다.

도움이 되었습니까?

0명 중 0명이 도움이 되었다고 했습니다.

댓글 0개