Ringkasan Anomali Operasi

Halaman ini berlaku untuk Apigee dan Apigee hybrid.

Lihat Dokumentasi Apigee Edge.

Ringkasan Anomali Operasi?

Anomali Operasi mengidentifikasi pola data API yang tidak biasa atau tidak terduga di API Anda, berdasarkan pola data terkini. Misalnya, Dalam grafik rasio error API ini, rasio error tiba-tiba melonjak sekitar pukul 7 pagi. Dibandingkan data yang mengarah pada saat itu, peningkatan ini tidak biasa untuk diklasifikasikan sebagai anomali.

Grafik anomali tingkat error.

Tidak semua variasi dalam data API mewakili anomali: sebagian besar adalah fluktuasi acak. Misalnya, Anda dapat melihat beberapa variasi kecil di tingkat kesalahan yang mengarah ke anomali, tetapi hal ini tidak cukup signifikan untuk dikategorikan sebagai anomali.

Anomali versus variasi data acak.

Anomali Operasi terus-menerus memantau data API dan melakukan analisis statistik untuk membedakan benar anomali dari fluktuasi acak dalam data.

Anomali Operasi otomatis mendeteksi jenis anomali ini:

  • Meningkatnya error HTTP 503 di tingkat organisasi, lingkungan, dan region
  • Meningkatnya error HTTP 504 di tingkat organisasi, lingkungan, dan region
  • Peningkatan jumlah error HTTP 4xx atau 5xx di tingkat organisasi, lingkungan, dan region
  • Peningkatan total latensi respons untuk persentil ke-90 (p90) di organisasi, lingkungan, dan tingkat region

Anomali yang terdeteksi mencakup informasi berikut:

  • Metrik yang menyebabkan anomali, seperti latensi proxy atau kode error HTTP.
  • Tingkat keparahan anomali. Tingkat keparahannya dapat kecil, sedang, atau parah, berdasarkan tingkat kepercayaannya dalam model. Tingkat kepercayaan yang rendah menunjukkan bahwa tingkat keparahannya sedikit, sementara tingkat kepercayaan yang tinggi menunjukkan bahwa itu parah.

Prasyarat untuk menggunakan Anomali Operasi

Untuk menggunakan Anomali Operasi:

Lihat Anomali Operasi yang terdeteksi

Saat Operations Anomali mendeteksi anomali, aplikasi akan menampilkan detail anomali di Dasbor Anomali Operasi. Anda dapat menyelidiki anomali di dasbor Pemantauan API dan mengambil tindakan yang sesuai jika diperlukan. Anda juga dapat membuat pemberitahuan jika peristiwa serupa terjadi di masa mendatang.

Dasbor Anomali Operasi di UI Apigee adalah sumber informasi utama tentang Mendeteksi Anomali Operasi. Dasbor menampilkan daftar anomali terbaru.

Untuk membuka dasbor Anomali Operasi:

  1. Login ke UI Apigee di Cloud Console.
  2. Beralih ke organisasi yang ingin Anda pantau.
  3. Di menu kiri, pilih Analytics > Anomali Operasi.

Tindakan ini akan menampilkan dasbor Anomali Operasi.

Lihat anomali di dasbor Anomali Operasi

Secara default, dasbor menampilkan anomali yang terjadi selama satu jam sebelumnya. Jika tidak ada anomali yang terdeteksi selama jangka waktu tersebut, tidak ada baris yang yang ditampilkan di dasbor. Anda dapat memilih rentang waktu yang lebih luas dari menu rentang waktu di kanan atas dasbor.

Lihat anomali di dasbor Anomali Operasi

Setiap baris dalam tabel sesuai dengan anomali yang terdeteksi, dan menampilkan informasi berikut:

  • Tanggal dan waktu anomali.
  • Ringkasan singkat anomali, termasuk proxy tempat terjadinya dan kesalahan dari kode sumber yang memicunya.
  • Lingkungan tempat anomali terjadi.
  • Wilayah tempat anomali terjadi.
  • Tingkat keparahan peristiwa anomali: sedikit, sedang, atau parah. Tingkat keparahannya adalah berdasarkan ukuran statistik (nilai-p) tentang seberapa tidak mungkin peristiwa yang terjadi secara kebetulan (semakin tidak mungkin kejadiannya, semakin besar tingkat keparahannya).

Anda juga dapat menyelidiki anomali di dasbor Pemantauan API, yang menampilkan berbagai grafik lalu lintas API terbaru layanan otomatis dan data skalabel.

Cara kerja deteksi anomali

Deteksi anomali mencakup tahapan berikut:

Melatih model

Anomali Operasi bekerja dengan melatih model perilaku proxy API Anda dari data data deret waktu. Anda tidak perlu melakukan tindakan apa pun untuk melatih model. Apigee secara otomatis membuat dan melatih model untuk Anda dari data API enam jam sebelumnya. Oleh karena itu, Apigee memerlukan minimum enam jam data pada proxy API untuk melatih model sebelum IDS dapat mencatat anomali.

Tujuan pelatihan ini adalah untuk meningkatkan akurasi model, yang kemudian dapat diuji berdasarkan data historis. Cara termudah cara untuk menguji akurasi model adalah dengan menghitung tingkat error-nya— jumlah positif palsu (PP) dan negatif palsu (NP), dibagi dengan jumlah total peristiwa yang diprediksi.

Catat peristiwa anomali

Saat runtime, Operations Anomali membandingkan perilaku proxy API saat ini dengan perilaku yang diprediksi oleh model. Anomali Operasi kemudian dapat menentukan, dengan tingkat kepercayaan tertentu, saat metrik operasional melebihi nilai yang diprediksi. Misalnya, saat tingkat error 5xx melebihi laju yang diprediksi oleh model.

Saat mendeteksi anomali, Apigee akan otomatis mencatat peristiwa tersebut di Anomali Operasi dasbor. Daftar peristiwa yang ditampilkan di dasbor mencakup semua anomali yang terdeteksi, serta peringatan yang dipicu.