该系统通过符合数据特征的分析算法来学习从多种来源收集的数据,以此创建有效的模型,提前探测异常征兆并分析原因。通过提供可轻松应用于客户多种数据生成环境的灵活集成引擎,可最大限度地减少接口延迟。利用财务/公共/制造模型的分析算法可作为能够进行多功能预测分析的库形态提供。
基于动态临界值的事前障碍现象探测功能
基于统计模型的故障征兆感知功能
基于将业务服务与IT资源相关联拓扑的快速故障分析和影响度分析功能
通过故障状态管理和故障报告状态管理支持运营知识管理系统
能够以各系统设备,障碍类型和障碍等级有机和灵活地管理障碍情况及统计分析
障碍和异常征兆探测
超出/低于临界值范围
通过统计技术(算法)事前探测异常征兆
事故(Incident)发生
事前异常征兆探测 → 事件发生
障碍及异常征兆原因分析第一轮
将业务服务角度的IT资源关联信息连接并分析原因
→ 基于拓扑的事件关联及过滤
分析以往类似障碍和异常征兆模式
类似障碍类型分析及使用CMDB的分析
障碍及异常征兆原因分析第二轮
将业务服务角度的IT资源间的配置信息关联关系作为基础,分析IT资源间及何种服务受到影响
根据业务影响度确定优先级
解决方案建立及处理
解决障碍的具体方案和活动实现的阶段
障碍解决并管理措施结果的历史记录
分析障碍结果,实现障碍指标和统计模型的现行化
通过运营过程中统计模型有效现行化的良性循环结构
障碍及异常征兆原因分析第二轮
将业务服务角度的IT资源间的配置信息关联关系作为基础,分析IT资源间及何种服务受到影响
根据业务影响度确定优先级
大数据含义解释效率强化以及可使通过障碍探测的障碍原因掌握与原因分析相关联的画面提供
*可视化的最大价值,
让我们用眼睛直接感知到完全未期待的事物。- John Tukey探索性数据分析创始人
多种探索
高级化分析
根据设置的SORTING信息按顺序搜索设定时间间隔的所有事件(包括详细信息),按照每个视点和配置项优先级的影响度分析结果查询功能。