深入分析XDR预测洞察事件

本文讨论如何使用XDR发现事件分析平台来查看连接和性能问题的预测洞察事件。

注意：XOps是Cato的安全和操作统一分析层，提供洞察和引导修正。 XOps已经取代XDR，更多信息，请参阅XOps FAQ。

概览

Cato XOps使用预测分析识别网络中潜在的性能和可用性风险。预测洞察引擎分析流量模式、资源利用率和配置上下文，以提前预测影响服务的问题。例如，如果站点的Socket CPU预计将超出可接受的操作水平，则会触发一个事件，包含相关预测数据和建议操作。

XDR发现事件页面显示每个预测洞察事件的详细信息，以帮助评估和解决新出现的风险。您可以过滤和分组事件，以专注于最紧急的预测，查看趋势可视化，并通过事件手册遵循引导修正步骤。

预测洞察引擎目前在以下问题上生成事件：

指示	描述	生成事件的阈值
中央处理器使用率接近满负荷	某站点的Socket预计将超过可接受的利用水平。该故事的预测图（见下方，理解事件细节小工具）基于该站点每小时记录的最大中央处理器使用率。为了平滑短期峰值并突出长期趋势，图表对这些每小时最大值应用7天滚动平均值。滚动平均值利用长达90天的历史数据进行计算，提供足够的背景进行趋势分析与预测。	预计Socket的中央处理器使用率在不久的将来将超过90%。
事件量接近配额限制	检测何时事件量可能根据账户的DPA许可证超出限制。限制是根据计划及子类型定义的（1个数据单元=2.5M事件），条款因DPA版本而异。趋势随着时间推移被平滑，预测用于提前识别潜在的违规行为。	预计账户事件数量将在不久的将来超过子类型限制（基于DPA许可证和数据单元）。

指示

描述

生成事件的阈值

中央处理器使用率接近满负荷

某站点的Socket预计将超过可接受的利用水平。

该故事的预测图（见下方，理解事件细节小工具）基于该站点每小时记录的最大中央处理器使用率。为了平滑短期峰值并突出长期趋势，图表对这些每小时最大值应用7天滚动平均值。滚动平均值利用长达90天的历史数据进行计算，提供足够的背景进行趋势分析与预测。

预计Socket的中央处理器使用率在不久的将来将超过90%。

事件量接近配额限制

检测何时事件量可能根据账户的DPA许可证超出限制。限制是根据计划及子类型定义的（1个数据单元=2.5M事件），条款因DPA版本而异。趋势随着时间推移被平滑，预测用于提前识别潜在的违规行为。

预计账户事件数量将在不久的将来超过子类型限制（基于DPA许可证和数据单元）。

XDR发现事件页面显示您的账户的预测洞察事件摘要。

查看XDR发现事件工作台页面：

关于使用XDR发现事件页面的更多信息，请参阅审阅站点操作事件。

您可以点击XDR发现事件中的某个事件，以在不同页面中深入研究详细信息。此页面包含许多小部件，帮助您评估预测洞察引擎识别的新出现的问题。

这些是事件钻探小部件：

名称	描述
事件摘要	在页面顶部有事件的基本信息摘要，包括：事件类型（指示）生成事件的生产者事件的来源事件的严重程度
事件时间线	显示事件状态变化的时间线
详细信息	基本信息用于分析事件，包括事件的首个信号时间、创建事件的时间、事件ID号及其他相关信息。例如，对于中央处理器接近满负荷事件，显示站点名称、连接类型和相关的中央处理器核编号。
预测	一个图表，可视化预测指标的历史趋势和预期未来行为。基于每小时观测到的最大值，突出峰值条件而非平均值。为了减少噪声并揭示持续模式，窗口小工具应用了7天窗口的滚动平均值，根据最多90天的历史数据计算。图表显示历史数据和值预计趋势及预测范围，表示预测的预期变动。阈值线指示预测条件变得可操作的水平，帮助了解预测事件何时和多大可能性发生。
根因分析	人工智能通过自动执行剧本的调查步骤来生成事件分析，以帮助识别问题的根本原因。