Démarrage rapide : Surveiller votre première métrique à l’aide du portail web

Quand vous provisionnez une instance Azure AI Metrics Advisor, vous pouvez utiliser les API et l’espace de travail web pour interagir avec ce service. L’espace de travail web peut être utilisé comme un moyen simple de rapidement prendre en main le service. Il fournit également un moyen visuel de configurer les paramètres, de personnaliser votre modèle et d’effectuer une analyse de la cause racine.

Prérequis

• Un abonnement Azure. Créez-en un gratuitement.
• Une fois que vous disposez d’un abonnement Azure, créez une ressource Metrics Advisor dans le portail Azure pour déployer votre instance de Metrics Advisor.

Ce document utilise une base de données SQL comme exemple pour la création de votre premier moniteur.

Vous connecter à votre espace de travail

Après avoir créé votre ressource, connectez-vous au portail Metrics Advisor avec votre compte Active Directory. Dans la page d’accueil, sélectionnez votre annuaire, votre abonnement et l’espace de travail que vous venez de créer, puis sélectionnez Prise en main. Pour utiliser des données de séries chronologiques, sélectionnez Ajouter un flux de données dans le menu de gauche.

Vous pouvez créer une ressource Metrics Advisor à chaque région disponible. Vous pouvez changer d’espace de travail dans le portail Metrics Advisor à tout moment.

Données de séries chronologiques

Metrics Advisor fournit des connecteurs pour différentes sources de données comme Azure SQL Database, Azure Data Explorer ou le stockage Table Azure. Les étapes de connexion des données sont similaires pour les différents connecteurs, même si certains paramètres de configuration peuvent varier. Pour plus d’informations, consultez Connecter différentes sources de données.

Ce guide de démarrage rapide utilise une base de données SQL comme exemple. Vous pouvez également ingérer vos propres données en suivant la même procédure.

Configuration requise et configuration des schémas de données

Azure AI Metrics Advisor est un service de détection, de diagnostic et d’analyse d’anomalies de série chronologique. En tant que service basé sur l’IA, il tire parti de vos données pour entraîner le modèle utilisé. Ce service accepte des tables de données agrégées avec les colonnes suivantes :

• Mesure (obligatoire) : Une mesure est un terme fondamental ou spécifique à une unité et une valeur quantifiable de la métrique. Elle désigne une ou plusieurs colonnes contenant des valeurs numériques.
• Horodatage (facultatif) : zéro ou une colonne de type DateTime ou String. Quand cette colonne n’est pas définie, l’horodatage est défini en tant qu’heure de début de chaque période d’ingestion. Mettez en forme l’horodatage de la manière suivante : yyyy-MM-ddTHH:mm:ssZ.
• Dimension (obligatoire) : Une dimension désigne une ou plusieurs valeurs catégoriques. La combinaison de ces valeurs identifie une série chronologique univariée particulière (par exemple le pays/la région, la langue et le locataire). Les colonnes de la dimension peuvent être de n’importe quel type de données. Soyez prudent lorsque vous travaillez avec de grands volumes de colonnes et de valeurs, afin d’éviter le traitement d’un nombre excessif de dimensions.

Si vous utilisez des sources de données telles qu’Azure Data Lake Storage ou Stockage Blob Azure, vous pouvez agréger vos données pour les aligner sur le schéma de métriques attendu. En effet, ces sources de données utilisent un fichier en tant qu’entrée de métriques.

Si vous utilisez des sources de données telles qu’Azure SQL ou Azure Data Explorer, vous pouvez tirer parti des fonctions d’agrégation pour agréger les données dans le schéma attendu. En effet, ces sources de données prennent en charge l’exécution d’une requête permettant d’obtenir des données de métriques à partir de sources.

Configurer les paramètres de connexion et les requêtes

Ajoutez le flux de données en vous connectant à votre source de données de série chronologique. Commencez par sélectionner les paramètres suivants :

• Type de source : Type de source de données dans laquelle vos données de série chronologique sont stockées.
• Granularité : Intervalle entre des points de données consécutifs dans vos données de série chronologique (par exemple, Annuel, Mensuel ou Quotidien). L’intervalle le plus faible pris en charge est de 60 secondes.
• Ingérer des données depuis (UTC) : Heure de début du premier horodatage à ingérer.

Charger les données

Une fois que vous avez entré les chaînes de connexion et de requête, sélectionnez Charger des données. Metrics Advisor vérifie la connexion et l’autorisation de chargement des données, les paramètres nécessaires utilisés dans la requête et le nom de colonne de la source de données.

En cas d’erreur à cette étape :

1. Vérifiez si la chaîne de connexion est valide.
2. Vérifiez que les autorisations sont suffisantes et que l’accès est accordé à l’adresse IP du worker.
3. Vérifiez si les paramètres requis (@IntervalStart et @IntervalEnd) sont utilisés dans votre requête.

Configuration du schéma

Une fois les données chargées par l'exécution de la requête, sélectionnez les champs appropriés.

Après avoir configuré le schéma, sélectionnez Vérifier le schéma. Metrics Advisor effectue les vérifications suivantes :

• Indique si l’horodateur des données interrogées se trouve dans un seul intervalle.
• Indique s’il existe des valeurs en double retournées pour la même combinaison de dimensions dans un intervalle de métrique.

Paramètres de regroupement automatique

Metrics Advisor peut effectuer automatiquement l’agrégation sur chaque dimension lors de l’ingestion. Ensuite, le service crée une hiérarchie que vous pouvez utiliser dans l’analyse de la cause racine et d’autres fonctionnalités de diagnostic. Pour plus d’informations, consultez Paramètres de regroupement automatique.

Donnez un nom personnalisé au flux de données, qui s’affichera dans votre espace de travail. Sélectionnez Envoyer.

Ajuster la configuration de détection

Une fois le flux de données ajouté, Metrics Advisor tente d’ingérer les données de métrique à partir de la date de début spécifiée. Il faut un certain temps pour ingérer complètement les données et vous pouvez afficher l’état d’ingestion en sélectionnant Progression de l’ingestion en haut de la page de flux de données. Si les données sont ingérées, Metrics Advisor applique la détection et continue à surveiller la source pour détecter de nouvelles données.

Lorsque la détection est appliquée, sélectionnez l’une des métriques listées dans le flux de données pour rechercher la page de détails des métriques. Ici, vous pouvez :

• Afficher les visualisations de toutes les tranches de série chronologique sous cette métrique.
• Mettre à jour la configuration de la détection afin de répondre aux résultats attendus.
• Configurer une notification pour les anomalies détectées.

Afficher les insights de diagnostic

Après avoir ajusté la configuration de la détection, vous devriez constater que les anomalies détectées reflètent les anomalies réelles de vos données. Metrics Advisor effectue une analyse sur les métriques multidimensionnelles pour localiser la cause racine d’une dimension spécifique. Le service effectue également une analyse inter-métriques à l’aide de la fonctionnalité de graphique de métriques.

Pour voir des insights de diagnostic, sélectionnez les points rouges sur les visualisations de séries chronologiques. Ces points rouges représentent les anomalies détectées. Une fenêtre s’affiche avec un lien vers la page d’analyse des incidents.

Sur la page d’analyse d’incident, vous pouvez voir un groupe d’anomalies et de diagnostics associés. Les sections suivantes couvrent les principales étapes de diagnostic d’un incident.

Vérifier le résumé de l'incident en cours

Vous pouvez trouver le résumé en haut de la page d'analyse des incidents. Ce résumé comprend des informations de base, des actions et des traces, ainsi qu’une cause racine analysée. Les informations de base incluent la « série Top impactée » avec un diagramme « impact Start & End Time », « gravité » et « nombre total d’anomalies incluses ».

La cause racine analysée est un résultat analysé automatiquement. Metrics Advisor analyse toutes les anomalies capturées sur les séries chronologiques au sein d’une métrique avec des valeurs de dimension différentes pour un même horodatage. Le service effectue ensuite la corrélation, le clustering pour regrouper les anomalies associées et générer un avis de cause racine.

Sur cette base, vous pouvez déjà obtenir une vue directe de l'état anormal actuel, de l'impact de l'incident et de la cause racine la plus potentielle. Vous pouvez ensuite prendre des mesures immédiates pour résoudre l’incident.

Visualiser les aperçus du diagnostic transdimensionnel

Vous pouvez également obtenir des informations plus détaillées sur l’état anormal d’autres dimensions au sein de la même mesure de façon holistique, à l’aide de la fonctionnalité d’arborescence de diagnostic.

Pour les métriques avec plusieurs dimensions, le conseiller de métriques classe la série chronologique dans une hiérarchie (nommée « arborescence de diagnostic »). Par exemple, une mesure « chiffre d’affaires » est analysée par deux dimensions : « région » et « catégorie ». Vous devez disposer d’une valeur de dimension agrégée, telle que SUM. Ensuite, la série chronologique de region = SUM et category = SUM est catégorisée comme nœud racine dans l’arborescence. Lorsqu’une anomalie est capturée à la dimension SUM, vous pouvez l’analyser pour localiser la valeur de dimension spécifique qui a contribué le plus à l’anomalie du nœud parent. Sélectionnez chaque nœud à développer et consultez les informations détaillées.

Voir des insights de diagnostic inter-métriques

Parfois, il est difficile d’analyser un problème en vérifiant l’état anormal d’une mesure unique, et vous devez mettre en corrélation plusieurs métriques ensemble. Pour ce faire, configurez un « graphique de métriques » qui indique les relations entre les métriques.

En utilisant le résultat de diagnostic inter-dimensions décrit dans la section précédente, vous pouvez déterminer que la cause racine est limitée à une valeur de dimension spécifique. Utilisez ensuite le « graphique de métriques » et filtrez en fonction de la dimension de la cause racine analysée pour vérifier l’état d’anomalie sur d’autres mesures.

Vous pouvez également croiser d’autres informations de diagnostic en utilisant des fonctionnalités supplémentaires. Ces fonctionnalités vous permettent d’approfondir les dimensions des anomalies, d’afficher des anomalies similaires et de comparer les métriques. Pour plus d’informations, consultez Diagnostic d’un incident.

Recevoir une notification quand de nouvelles anomalies sont détectées

Si vous souhaitez être alerté quand une anomalie est détectée dans vos données, vous pouvez créer un abonnement pour une ou plusieurs de vos métriques. Metrics Advisor utilise des hooks pour envoyer des alertes. Trois types de hooks sont pris en charge : les hooks d’e-mail, les webhooks et Azure DevOps. Nous allons utiliser un webhook à titre d’exemple.

Créer un webhook

Dans Metrics Advisor, vous pouvez utiliser un webhook pour faire face à une anomalie par programmation. Le service appelle une API fournie par l’utilisateur lorsqu’une alerte est déclenchée. Pour plus d’informations, consultez Créer un hook.

Configuration des paramètres d'alerte

Après la création d’un hook, un paramètre d’alerte détermine quelles notifications envoyer et de quelle manière. Vous pouvez définir plusieurs paramètres d’alerte pour chaque métrique. Deux paramètres importants sont Alerte pour qui spécifie les anomalies à inclure, et Filtrer les options d’anomalie qui définit les anomalies à inclure dans l’alerte. Pour plus d’informations, consultez Ajouter ou modifier des paramètres d’alerte.

Étapes suivantes

• Ajouter vos données de métriques à Metrics Advisor
  • Gérer vos flux de données
  • Connecter différentes sources de données
• Utiliser les bibliothèques de client ou les API REST pour personnaliser votre solution
• Configurer des métriques et affiner la configuration de la détection