Microsoft Lumos Artık Web Uygulaması Metriklerinin İzlenmesine ve Yanlış Pozitifleri Ortadan Kaldırarak Anormalliklerin Hızlı Tespit Edilmesine Olanak Sağlayan Açık Kaynak

Microsoft, "web ölçekli" uygulamalardaki metrik gerilemeleri otomatik olarak algılamak ve teşhis etmek için güçlü bir Python kitaplığı olan "Lumos" a erişim açtı. Kütüphanenin Microsoft Teams ve Skype içinde çok aktif olduğu bildirildi. Esasen, son derece güçlü ve akıllı bir "anormallik detektörü" artık açık kaynaklı ve web geliştiricilerinin yanlış pozitiflerin çoğunu neredeyse ortadan kaldırırken temel performans metriklerindeki gerilemeleri tespit edip ele almaları için kullanılabilir.

Microsoft Lumos artık açık kaynak. Seçkin Microsoft ürünlerinde aktif olarak kullanılıyordu ve artık genel web ve uygulama geliştirme topluluğu için mevcut olacak. Kütüphanenin, mühendislerin ölçümlerdeki yüzlerce değişikliği tespit etmesine ve anormallik dedektörleri tarafından ortaya çıkan binlerce yanlış alarmı reddetmesine izin verdiği bildirildi.

Lumos, Yanlış Pozitif Uyarı Oranını Yüzde 90'ın Üzerinde Düşürüyor, Microsoft İddiasına Göre:

Lumos, mevcut, alana özgü anormallik dedektörlerini içeren yeni bir metodolojidir. Ancak Microsoft, Python kitaplığının yanlış pozitif uyarı oranını yüzde 90'ın üzerinde azaltabileceğini garanti ediyor. Diğer bir deyişle, geliştiriciler artık uzun vadede zararlı etkisi olmayan aralıklı sorunlar yerine kalıcı sorunların peşinden güvenle gidebilirler.

Çevrimiçi hizmetlerin durumu genellikle zaman içinde Temel Performans Göstergesi (KPI) ölçümleri izlenerek izlenir. "Regresyon Analizi" yürüten mühendisler, büyük sorunların göstergesi olabilecek sorunları ayıklamak için çok fazla zaman ve kaynak gerektirir. Bu sorunlar, artan operasyonel maliyetlere ve hatta ele alınmazsa kullanıcı kaybına neden olabilir.

Eklemeye gerek yok, her KPI gerilemesinin temel nedenini bulmak zaman alıcıdır. Dahası, ekipler genellikle yalnızca anormallik olduğunu bulmak için sorunları analiz etmek için çok zaman harcarlar. Microsoft Lumos'un kullanışlı olduğu yer burasıdır. Python kitaplığı, metrik değerdeki değişiklikleri açıklamada en önemli değişkenlerin önceliklendirilmiş bir listesini sağlayarak, bir değişikliğin popülasyondaki bir kaymadan mı yoksa bir ürün güncellemesinden mi kaynaklandığını belirleme sürecini ortadan kaldırır.

Microsoft Lumos ayrıca, herhangi iki veri seti arasındaki bir metrikteki farkı anlamak için daha geniş bir amaca hizmet eder, İlginç bir şekilde, platform 'önyargı' içerir ve Lumos, zaman serisi bileşenine göre agnostik kalırken bir kontrol ve tedavi veri setini karşılaştırarak, anormallikler.

Microsoft Lumos Nasıl Çalışır?

Microsoft Lumos, veri kümesi çiftlerini karşılaştırmak için A / B testi ilkeleriyle çalışır. Python kitaplığı, veri kümeleri arasındaki metrikteki regresyonun istatistiksel olarak anlamlı olup olmadığını doğrulayarak başlar. Ardından, iki veri seti arasındaki herhangi bir popülasyon değişikliğini hesaba katmak için bir popülasyon önyargı kontrolü ve önyargı normalizasyonu izler. Lumos, metrikte istatistiksel olarak anlamlı bir gerileme yoksa sorunun peşinden gitmeye değmeyeceğine karar verir. Bununla birlikte, metrikteki delta istatistiksel olarak önemliyse, Lumos özellikleri işaretler ve hedef metrikteki deltaya katkılarına göre sıralar.

Lumos Python Kitaplığı, yüzlerce ölçümün senaryo izlemesi için birincil araç olarak hizmet eder. Performans analizi yapan geliştiriciler ve ekipler, Microsoft'ta arama, toplantı ve genel anahtarlı telefon ağı (PSTN) hizmetlerinin güvenilirliğini izleyebilir ve üzerinde çalışabilir. Kitaplık, şirketin Apache kıvılcım tabanlı büyük veri analizi hizmeti olan Azure Databricks üzerinde çalışır. Öncelik, karmaşıklık ve ölçüm türüne göre düzenlenen birden çok işle çalışacak şekilde yapılandırılmıştır. İşler eşzamansız olarak tamamlanır. Bu, sistem bir anormallik tespit ederse, bir Lumos iş akışı tetiklenirse ve kütüphane daha sonra anomalinin takip edilmeye ve ele alınmaya değer olup olmadığını akıllıca analiz edip kontrol ettiği anlamına gelir.

Microsoft, Lumos'un hizmetlerdeki tüm gerilemeleri yakalayacağının garanti edilmediğini belirtti. Ek olarak, hizmet, güvenilir içgörüler sunmak için çok sayıda veri kümesine ihtiyaç duyacaktır. Şirket, sürekli ölçüm analizini dahil etmeyi, daha iyi özellik sıralaması yapmayı ve özellik kümelemesini de getirmeyi planlıyor. Bu adımlar, özellik sıralamasında çoklu eşdoğrusallığın birincil zorluğunu ele almalıdır.