Anomalieerkennung mit neuronalen Netzen in Zabbix-Daten
DataForge AI
Bei vielen Zabbix-Metriken kann es schwierig sein, einen Trigger zu erstellen, der Regelmäßigkeiten in normalen Datenserien ignoriert, aber bei Anomalien zuverlässig Probleme erkennt.
Mit DataForge AI können Sie auf Basis Ihrer Zabbix-Daten neuronale Netze trainieren, die normale Aktivität in Ihren Daten lernen und automatisch Anomalien in Ihren Daten im Produktivbetrieb erkennen können.
DataForge-Features
DataForge-Dokumentation
Dokumentation öffnenWie funktioniert es?
Die Funktionsweise
Mit DataForge lassen sich neuronale Netze für Anomalieerkennung trainieren, die direkt auf Ihre Metriken zugeschnitten sind.
Das KI-Modell lernt dabei die Abhängigkeiten mehrerer Metriken unter Berücksichtigung von zeitlichen Zusammenhängen.
Beim Ausführen des Modells auf Echtzeitdaten können so unerwartete Anomalien in diesen Metriken gefunden werden.
Sehen sie sich für eine genauere Erklärung mit Anwendungsbeispielen unseren Vortrag auf dem Zabbix-Summit 2024 an, der die Technik näher beschreibt.
Unser Bedienkonzept
Workflow mit DataForge AI
DataForge AI baut auf diesen Schritten auf:
- DataForge exportiert die gewünschten Trainingsdaten aus Zabbix
- DataForge trainiert ein AI-Modell nach den gewünschen Einstellungen
- Test des Modells gegen andere Trainingsdaten, um die Funktion zu prüfen
- Konfiguration des DataForge-AI-Runners, um das Modell in Echtzeit auf den Zabbix-Daten auszuführen und die Anomaliemetriken direkt in Zabbix zurückzuführen
- Konfiguration von Triggern in Zabbix, um bei erkannten Anomalien Zabbix-Probleme zu auszulösen
Ihre Vorteile
- Kann komplexe Sachverhalte in Metriken erkennen
- Passt sich durch automatisches Retraining an Änderungen an
- Einfache Konfiguration & hilfreiche Übersicht
- Vollautomatischer Workflow
- Direkte Anbindung an Zabbix
