Zabbixで学ぶ統計解析入門

by Takeo Noda

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

10 Copyright © Xchange Solutions All right reserved. 監視における異常検知とのせめぎあい Big Brother Nagios Zabbix フラップ検知機能で抑止フラップ検知機能はない。短時間に障害と復旧を繰り返すことをフラッピングという。Nagios では過去21回分の変化率で測定。 ※特になしトリガー関数で対応データを保存しているから関数で分析できる。

Slide 11

Slide 11 text

Slide 12

Slide 12 text

12 Copyright © Xchange Solutions All right reserved. avg: (単純)移動平均(SMA) avg (sec|#num,) 書式：引数 sec|#num 必須。秒数(sec)もしくは直近の件数(#num) 任意。過去にずらす秒数例： {Template OS Linux:system.cpu.util[,iowait].avg(5m)}>20 Disk I/O overload

Slide 13

Slide 13 text

13 Copyright © Xchange Solutions All right reserved. 移動平均とは  単純移動平均 (Simple Moving Average; SMA) は、株価や温度変化の傾向など時系列データの幅広い分野で使われている分析手法。  毎分取得するようなデータだと5分平均、10分平均の値がよく使われている。  移動平均をとることで瞬間的な外れ値が発生しても平滑化され誤検知を避けることができる。

Slide 14

Slide 14 text

Slide 15

Slide 15 text

15 Copyright © Xchange Solutions All right reserved. forecast: 予測値 forecast (sec|#num,,time,,) 書式：引数 sec|#num 必須。何時間(sec)もしくは直近の件数(#num) 任意。過去にずらす秒数 time 必須。何時間後のデータを予測するか。任意。予測モデル。linear, polynomialN, exponential, logarithmic, powerを指定できる。デフォルトは、linear。任意。予測で出力する値。value,max,min,delta,avg。デフォルトは、value。

Slide 16

Slide 16 text

16 Copyright © Xchange Solutions All right reserved. forecast: 予測モデル fit x = f(t) linear x = a + b*t polynomialN x = a + a *t + a *t + … + a *t exponential x = a*exp(b*t) logarithmic x = a + b*log(t) power x = a*tb 0 1 2 n n 2 線形近似一変数多項式近似(n≦6) 指数近似対数近似累乗近似 linear logarithmic polynominalN exponential power

Slide 17

Slide 17 text

17 Copyright © Xchange Solutions All right reserved. forecast: 予測値 mode 予測結果 value f(now + time) max maxnow <= t <= now + time f(t) min minnow <= t <= now + time f(t) delta max - min avg average of f(t) (now <= t <= now + time) 時間経過後の予測値期間内予測値の最小値期間内予測値の最大値ー最小値予測値の移動平均期間内予測値の最大値例： {Zabbix server:vfs.fs.size[/,free].forecast(1h,0,24h,linear,value)}<0 Run out of disk space on Zabbix server (forecast)

Slide 18

Slide 18 text

18 Copyright © Xchange Solutions All right reserved. timeleft: 予測到達時間 timeleft (sec|#num,,threshold,) 書式：引数 sec|#num 必須。何時間(sec)もしくは直近の件数(#num) 任意。過去にずらす秒数 threshold 必須。到達値。任意。予測モデル。linear, polynomialN, exponential, logarithmic, powerを指定できる。デフォルトは、linear。 ※予測モデルはforecastと同じ例： {Zabbix server:vfs.fs.size[/,free].timeleft(1h,0,0,linear)}<24h Run out of disk space on Zabbix server (timeleft)

Slide 19

Slide 19 text

Slide 20

Slide 20 text

20 Copyright © Xchange Solutions All right reserved. トリガー関数はアイテムの計算でも使える  グラフに予測値を含めたいときは、予測値用のアイテムを追加する。  アイテムタイプ「計算」を選択することで、トリガー関数をアイテムにおいても使うことが可能。  使い方は、第1引数にアイテムキー名を追加。  データ型は、「数値(浮動小数点)」を指定するなど適宜要調整。  データ量が少ない場合は、-1になってしまうので注意。 forecast (“アイテムキー名”, sec|#num,,time,,) forecast("Zabbix server:vfs.fs.size[/,free]", 1h,0,24h,linear,value) 例：

Slide 21

Slide 21 text

21 Copyright © Xchange Solutions All right reserved. まとめ  監視における時系列データ解析は、変化を検知するのが基本。  予測検知は、ディスクなどリソース計画にも役立つ。  予測モデルは線形近似以外はあまり使われない。  予測検知するためには、検知のためのモデル作りが重要。データ収集→解析→の流れでいくと可視化の拡張 (GrafanaとかKibanaなど)についても注目。