Esta página se aplica a Apigee y Apigee Hybrid.
Consulta la documentación de
Apigee Edge.
¿Qué es una anomalía?
Una anomalía es un patrón de datos de API inusual o inesperado. Por ejemplo, echa un vistazo al gráfico de la tasa de errores de la API que aparece a continuación:
Como puede ver, la tasa de errores aumenta de repente alrededor de las 7:00. En comparación con los datos anteriores, este incremento es lo suficientemente inusual como para clasificarse como anomalía.
Sin embargo, no todas las variaciones en los datos de la API representan anomalías: la mayoría son simplemente fluctuaciones aleatorias. Por ejemplo, puede que veas algunas variaciones relativamente pequeñas en la tasa de error antes de la anomalía, pero no son lo suficientemente significativas como para considerarse una anomalía real.
AAPI Ops monitoriza continuamente los datos de las APIs y realiza análisis estadísticos para distinguir las anomalías reales de las fluctuaciones aleatorias en los datos.
Si no usas la detección de anomalías, tendrás que elegir un umbral para detectar cada anomalía. Un umbral es un valor que debe alcanzar una cantidad, como la tasa de error, para activar una anomalía. También debe mantener actualizados los valores de umbral en función de los datos más recientes. Por el contrario, AAPI-Ops elige los mejores umbrales de anomalías en función de los patrones de datos recientes.
Cuando la API de AA detecta una anomalía como la que se muestra arriba, muestra los detalles de la anomalía en el panel de control de eventos anómalos. En este punto, puede investigar la anomalía en los paneles de control de monitorización de APIs y tomar las medidas oportunas si es necesario. También puedes crear una alerta para recibir una notificación si se producen eventos similares en el futuro.
Una anomalía detectada incluye la siguiente información:
- La métrica que ha provocado la anomalía, como la latencia del proxy o un código de error HTTP.
- La gravedad de la anomalía. La gravedad puede ser leve, moderada o grave, en función del nivel de confianza del modelo. Un nivel de confianza bajo indica que la gravedad es leve, mientras que un nivel de confianza alto indica que es grave.
Tipos de anomalías
Apigee detecta automáticamente los siguientes tipos de anomalías:
- Aumento de los errores HTTP 503 a nivel de organización, entorno y región
- Aumento de los errores HTTP 504 a nivel de organización, entorno y región
- Aumento de todos los errores HTTP 4xx o 5xx a nivel de organización, entorno y región
- Aumento de la latencia total de respuesta del percentil 90 (p90) a nivel de organización, entorno y región
Cómo funciona la detección de anomalías
La detección de anomalías consta de las siguientes fases:
Entrenar modelos
La detección de anomalías funciona entrenando un modelo del comportamiento de tus proxies de API a partir de datos de series temporales históricos. No hace falta que hagas nada para entrenar el modelo. Apigee crea y entrena automáticamente modelos a partir de los datos de las APIs de las seis horas anteriores. Por lo tanto, Apigee requiere un mínimo de seis horas de datos en un proxy de API para entrenar el modelo antes de que pueda registrar una anomalía.
El objetivo del entrenamiento es mejorar la precisión del modelo, que se puede probar con datos históricos. La forma más sencilla de probar la precisión de un modelo es calcular su tasa de error, es decir, la suma de falsos positivos y falsos negativos dividida entre el número total de eventos predichos.
Registrar eventos de anomalías
En el tiempo de ejecución, la detección de anomalías de Apigee compara el comportamiento actual de tus proxies de API con el comportamiento predicho por el modelo. La detección de anomalías puede determinar, con un nivel de confianza específico, cuándo una métrica operativa supera el valor previsto. Por ejemplo, cuando la tasa de errores 5xx supera la tasa prevista por el modelo.
Cuando Apigee detecta una anomalía, registra automáticamente el evento en el panel de control Eventos de anomalías. La lista de eventos que se muestra en el panel de control incluye todas las anomalías detectadas, así como las alertas activadas.