Anlisis de tendencias

IBM Tivoli Service Level Advisor utiliza un algoritmo lineal y un algoritmo de deteccin con ascendencia exponencial para analizar los datos de medidas existentes y para predecir tendencias hacia futuras violaciones. No tiene que decidir qu algoritmo se adapta mejor a los datos de su entorno ni elegir entre estos dos algoritmos. Ambos algoritmos se activan y evalan los mismos datos para ver tendencias segn sus mtodos de evaluacin. El algoritmo de deteccin con ascendencia exponencial est diseado para supervisar datos para ver signos de ascendencia incipiente en un recurso de la empresa que puede dar lugar a una violacin. Debido a las estimaciones y clculos iterativos que utiliza el algoritmo de deteccin con ascendencia exponencial, con los datos del grfico no se muestra ninguna lnea de tendencia grfica asociada al algoritmo de deteccin con ascendencia exponencial. Las lneas de tendencia que se muestran en los grficos slo estn asociadas al algoritmo lineal. Consulte el documento SLM Reports para ver informacin sobre cmo visualizar grficos y lneas de tendencia. Se necesita un mnimo de 30 puntos de datos de ejemplo para la prediccin de tendencias. Los algoritmos de tendencias utilizan el valor de medidas actual basado en un mnimo de 30 puntos de datos de ejemplo y calculan el valor previsto sobre los dos siguientes periodos de evaluacin. De forma predeterminada, los algoritmos utilizan dos periodos futuros para detectar una tendencia. Puede establecer el nmero de periodos de tiempo que hay que utilizar para la deteccin lineal, con ascendencia exponencial o ambos tipos de algoritmos utilizando el mandato scmd mem trending. Consulte el documento Command Reference para ver detalles sobre este mandato. Si el valor previsto se acerca al valor de infraccin definido en el componente de la oferta del SLA y si el algoritmo de deteccin lineal o con ascendencia exponencial prev que el valor va a superar el valor de infraccin, se notifica un suceso de deteccin de tendencia. Si hay un suceso de deteccin de tendencia pendiente y el valor de evaluacin actual est bastante lejos del valor de infraccin definido en el SLO, se notifica un suceso de cancelacin de tendencia. Sin embargo, si se produce una violacin despus del suceso de deteccin de tendencia, nunca se notifica un suceso de cancelacin de tendencia. En casos poco habituales es posible que ambos algoritmos detecten una tendencia. Esto slo es previsible si los datos primero se acercan al valor de infraccin de forma lineal pero luego cambian para ajustarse al algoritmo de deteccin con ascendencia exponencial. Esto puede tambin ocurrir si los valores de datos estn de forma continuada dentro de un 10% y un 20% del valor de infraccin. Los sucesos de tendencias incluyen un campo de tipo que muestra qu valor de infraccin (mnimo, mximo, promedio o total) tiende hacia una violacin potencial. Cuando se recibe una cancelacin de tendencia, se correlaciona con tendencias anteriores detectadas que tienen un nombre de medida, estado de planificacin, instancia de elemento de pedida y nombre de componente coincidentes. Los sucesos correspondientes de deteccin de tendencia se cierran si se cancelan todos los tipos de valores de infraccin asociados correspondientes a tendencias mnimas, mximas, promedio o total. Por ejemplo, suponga que los valores de infraccin correspondientes a Tiempo de respuesta de medidas para el estado de planificacin Crtico de un componente de la oferta denominado Web Server 1 est definido segn las siguientes especificaciones: El valor de infraccin Promedio es 59 milisegundos. El valor de infraccin Mximo es 110 milisegundos. Si los valores de infraccin se evalan comparndolo con totales, el valor de infraccin mximo se evala comparndolo con el valor superior notificado durante el periodo de evaluacin. El SLA est configurado de modo que se realizan evaluaciones de tendencias diarias. El siguiente ejemplo ilustra el modo en que se detecta y cancela una tendencia, utilizando el algoritmo lineal (aunque el algoritmo de deteccin con tendencia ascendente tambin se utiliza para analizar los mismos datos, no se incluye en esta discusin de ejemplo): Fecha del anlisis de tendencias 01Feb2005 02Feb2005 03Feb2005 Dato promedio medido 10ms 20ms 30ms Dato mximo medido 20ms 30ms 40ms 50ms se producir el 60ms se producir el Valor promedio previsto Valor mximo previsto Se ha detectado violacin? No No No Se ha detectado tendencia? No No No

Fecha del anlisis de tendencias

Dato promedio medido

Dato mximo medido

Valor promedio previsto 05Feb2005

Valor mximo previsto 05Feb2005

Se ha detectado violacin?

Se ha detectado tendencia?

04Feb2005

40ms

50ms

60ms se producir el 06Feb2005

70ms se producir el 06Feb2005

No

S (en este momento se prev que el valor Promedio superar el valor de infraccin promedio de 59ms el 06Feb2005)

05Feb2005

40ms

30ms

Por debajo del valor de infraccin promedio, aunque no lo suficientemente bajo como para cancelar la tendencia Muy por debajo del valor de infraccin promedio, lo suficiente como para cancelar la tendencia

40ms se producir el 07Feb2005

No

S (mantener tendencia detectada anteriormente sobre Promedio)

06Feb2005

10ms

30ms

45ms se producir el 08Feb2005

No

Cancelado (Promedio)

El 03Feb2005, el anlisis de tendencias prev que durante los dos siguiente periodos de evaluacin de tendencias, el 05Feb2005 habr un valor promedio de 50 ms. Puesto que el valor previsto es menor que el valor de infraccin promedio, 59 ms, aunque los valores hasta la fecha estn aumentando hacia el valor de infraccin, no se detecta ni se notifica ninguna tendencia. El 04Feb2005, el anlisis de tendencias prev que durante los dos siguientes periodos de evaluacin de tendencia, a partir del 06Feb2005, el valor promedio es de 60 ms. Puesto que el valor previsto est aumentando hacia el valor de infraccin promedio y puesto que el valor promedio previsto supera el valor de infraccin, 59 ms, la tendencia se detecta con la fecha prevista del 06Feb2005. Sin embargo, suponga que los datos de medidas reales caen hasta 10 ms el 06Feb2005, lo que se aleja del valor de infraccin. Se notifica un suceso de tendencia cancelada para el SLO de tipo promedio. Pensemos en los sucesos sucedidos en la siguiente secuencia: 1. El anlisis de tendencias ha detectado una tendencia hacia una violacin el 04Feb2005 con una fecha y hora previstas de 2/6/05 09:09:07 EST para el valor de infraccin promedio de 59ms. 2. Si la tendencia contina a la velocidad prevista, el anlisis de tendencias detecta tambin una tendencia hacia una violacin con una fecha prevista del 2/10/05 09:09:07 EST para el valor de infraccin mximo de 90ms. 3. Los datos medidos reales el 05Feb2005 ralentizaban la tendencia ascendente del clculo de tendencias previsto, aunque no lo suficiente para cancelar la prediccin de la tendencia.

El 06Feb2005, los datos medidos reales de 10ms hacan que el clculo de la tendencia fuera significativamente menor que el valor de infraccin, lo suficiente como para emitir un suceso de tendencia cancelada para el valor de tipo promedio. Nota: La tendencia no se cancela para la medida Tiempo de respuesta (ResponseTime) en el estado de planificacin Crtico, porque el valor de tipo Mximo an tiende hacia una violacin. 5. Se ha recibido un suceso de tendencia cancelada para el valor de infraccin mximo. En este punto, tanto la tendencia del valor promedio como la del valor mximo se cancelan, de modo que la tendencia general para le medida Tiempo de respuesta se cancela para el estado de planificacin Crtico. Se escala un suceso de cancelacin de tendencia utilizando los mtodos configurados de escalado de sucesos. Para realizar el escalado utilizando Tivoli Enterprise Console, esta accin de correlacin de tendencias slo est en vigor si aplica el archivo de reglas de ejemplo de Tivoli Enterprise Console, slm.rls, tal como se describe en el proceso de instalacin (consulte el Captulo 5 del manual Gua de iniciacin para obtener ms informacin).

4.