Ang Microsoft Lumos Ay Ngayon Na Open-Source Pinapayagan ang Pagsubaybay sa Mga Sukatan ng Web App At Mabilis na Pagtuklas Ng Mga Anomalya Sa pamamagitan ng Pag-aalis ng Maling Mga Positibo

Balita
Microsoft / Ang Microsoft Lumos Ay Ngayon Na Open-Source Pinapayagan ang Pagsubaybay sa Mga Sukatan ng Web App At Mabilis na Pagtuklas Ng Mga Anomalya Sa pamamagitan ng Pag-aalis ng Maling Mga Positibo Basahin ang 3 minuto

Microsoft



pinakamahusay na mini itx motherboard

Binuksan ng Microsoft ang pag-access sa 'Lumos', isang malakas na library ng Python para sa awtomatikong pagtuklas at pag-diagnose ng mga pagbabalik ng sukatan sa mga application na 'web-scale'. Ang silid-aklatan ay naging aktibo sa loob ng Microsoft Teams at Skype. Mahalaga, ang isang napakalakas at matalinong 'anomalya detector' ay bukas na ngayon at magagamit para sa mga developer ng web na makita at matugunan ang mga pag-urong sa mga pangunahing sukatan ng pagganap habang halos tinatanggal ang karamihan ng mga maling positibo.

Ang Microsoft Lumos ay bukas na mapagkukunan ngayon. Aktibo itong ginagamit sa mga piling produkto ng Microsoft, at magagamit na ngayon para sa pangkalahatang pamayanan sa pagbuo ng web at app. Pinayagan umano ng silid-aklatan ang mga inhinyero na makita ang daan-daang mga pagbabago sa mga sukatan at tanggihan ang libu-libong maling mga alarma na inilabas ng mga anomalya na detector.



Binabawasan ng Lumos ang Mali-Positibong Alerto na Rate ng Higit sa 90 Porsyento, Inaangkin ng Microsoft:

Ang Lumos ay isang bagong pamamaraan na may kasamang mayroon nang, mga tukoy na anomalya na partikular sa domain. Gayunpaman, tiniyak ng Microsoft na ang library ng Python ay maaaring mabawasan ang maling-positibong rate ng alerto ng higit sa 90 porsyento. Sa madaling salita, ang mga developer ay maaari na ngayong kumpiyansa na sundin ang mga paulit-ulit na isyu sa halip na paulit-ulit na hindi nagkakaroon ng isang pangmatagalang masamang epekto.



Ang kalusugan ng mga serbisyong online ay karaniwang sinusubaybayan ng pagsubaybay ng mga sukatan ng Key Performance Indicator (KPI) sa paglipas ng panahon. Ang mga inhinyero na nagsasagawa ng 'Pagsusuri sa Pag-urong' ay nangangailangan ng maraming oras at mapagkukunan upang maalis ang mga isyu na maaaring magpahiwatig ng mga pangunahing problema. Ang mga problemang ito ay maaaring magresulta sa tumataas na mga gastos sa pagpapatakbo at maging ang pagkawala ng mga gumagamit kung hindi hinarap.



Hindi na kailangang idagdag, ang pagsubaybay sa ugat na sanhi ng bawat pagbabalik ng KPI ay matagal. Bukod dito, ang mga koponan ay madalas na gumugol ng maraming oras sa pag-aralan ang mga isyu upang malaman lamang na sila ay isang anomalya lamang. Dito madaling gamiting ang Microsoft Lumos. Tinanggal ng library ng Python ang proseso ng pagtaguyod kung ang isang pagbabago ay sanhi ng isang pagbabago sa populasyon o isang pag-update ng produkto sa pamamagitan ng pagbibigay ng isang prioritize na listahan ng mga pinakamahalagang variable sa pagpapaliwanag ng mga pagbabago sa halaga ng sukatan.



Naghahain din ang Microsoft Lumos ng mas malawak na layunin ng pag-unawa sa pagkakaiba sa isang sukatan sa pagitan ng anumang dalawang mga dataset, Kapansin-pansin, ang platform ay may kasamang 'bias', at sa pamamagitan ng paghahambing ng isang kontrol at itinakda ang data na itinakda habang natitirang agnostiko sa sangkap ng serye ng oras, maaaring siyasatin ng Lumos ang mga anomalya.

Paano Gumagana ang Microsoft Lumos?

Gumagana ang Microsoft Lumos sa mga prinsipyo ng pagsubok sa A / B upang ihambing ang mga pares ng mga hanay ng data. Nagsisimula ang library ng Python sa pamamagitan ng pagpapatunay kung ang pagbabalik sa sukatan sa pagitan ng mga hanay ng data ay makabuluhan sa istatistika. Pagkatapos ay susundan ito ng isang pagsusuri sa bias ng populasyon at pag-normalize ng bias upang i-account ang anumang mga pagbabago sa populasyon sa pagitan ng dalawang mga hanay ng data. Napagpasyahan ni Lumos na ang isyu ay hindi nagkakahalaga ng paghabol kung walang makabuluhang istatistika na pagbabalik sa sukatan. Gayunpaman, kung ang delta sa sukatan ay makabuluhan sa istatistika, minarkahan ng Lumos ang mga tampok at niraranggo ang mga ito ayon sa kanilang kontribusyon sa delta sa target na sukatan.

Ang Lumos Python Library ay nagsisilbing pangunahing tool para sa pagsubaybay sa senaryo ng daan-daang sukatan. Ang mga tagabuo at pangkat na nagsasagawa ng pagtatasa ng pagganap ay maaaring subaybayan at magtrabaho sa pagiging maaasahan ng pagtawag, mga pagpupulong, at mga serbisyo ng pampublikong network ng switch ng telepono (PSTN) sa Microsoft. Ang silid-aklatan ay pagpapatakbo sa Azure Databricks, ang Apache-spark-based na malaking serbisyo sa analytics ng data. Na-configure ito upang tumakbo sa maraming mga trabaho na nakaayos ayon sa bawat priyoridad, pagiging kumplikado, at uri ng sukatan. Ang mga trabaho ay kumpletong walang katuturan. Nangangahulugan ito kung ang system ay nakakita ng isang anomalya, ang isang daloy ng trabaho ng Lumos ay na-trigger, at ang aklatan ay pagkatapos ay matalino na pinag-aaralan at sinuri kung ang anomalya ay nagkakahalaga ng pagtugis at pagtugon.

Nabanggit ng Microsoft na ang Lumos ay hindi ginagarantiyahan na mahuli ang lahat ng pagbabalik sa mga serbisyo. Bilang karagdagan, mangangailangan ang serbisyo ng maraming bilang ng mga dataset upang mag-alok ng maaasahang mga pananaw. Plano ng kumpanya na isama ang tuluy-tuloy na pagtatasa ng mga sukatan, magsagawa ng mas mahusay na pagraranggo ng tampok, at magdala din ng clustering ng tampok. Ang mga hakbang na ito ay dapat na tugunan ang pangunahing hamon ng multicollinearity sa pagraranggo ng tampok.

Mga tag Microsoft