通过检测日志和指标数据中的异常，主动识别运营问题并避免发生代价高昂的事件
主动识别企业环境中的运营问题
IBM Z Anomaly Analytics 使用历史 IBM Z 日志和指标数据来构建正常操作行为的模型，然后，它会根据模型对实时数据进行评分，以检测异常行为。接下来，关联算法会对异常事件进行分组和分析，就新出现的问题主动向运营团队发出警报。
在当今的数字环境中，您的基本服务和应用程序必须始终可用。对于拥有包括 IBM Z 在内的混合应用程序的企业来说，随着成本上升、技能短缺和用户模式变化，检测和确定混合应用程序问题的根本原因变得愈发困难。
通过提供相关和分组的异常行为的实时通知来提高运营效率，让 IT 团队能够快速、主动地做出响应。
通过构建跨多个子系统的常规运行综合模型，提高检测准确性，从而精确识别偏离常规的情况。
通过在拓扑上下文中提供详细的异常活动可视化，支持数据驱动的决策，从而更容易解释复杂数据和诊断问题。
该系统有助于确保根据最新的可行洞察分析及时做出明智的决策。
功能
该解决方案可持续监控实时指标和日志数据，检测频率、发生率或序列模式的偏差，以便立即洞察新出现的异常情况。
平台持续监控实时运行数据和日志消息，检测频率、发生次数或序列模式的偏差，从而立即提供对新出现异常情况的洞察分析。
IBM Z Anomaly Analytics 可关联异常事件组并确定其优先级，帮助确保 IT 团队只收到高度可信的问题警报，从而简化响应流程并减少误报。
关联并分析异常事件组，帮助 IT 操作人员和系统程序员确定需要优先解决的运行问题。这有助于确保团队仅收到高置信度事件组的警报，从而减少误报。
该解决方案可持续监控实时指标和日志数据，检测频率、发生率或序列模式的偏差，以便立即洞察新出现的异常情况。
平台持续监控实时运行数据和日志消息，检测频率、发生次数或序列模式的偏差，从而立即提供对新出现异常情况的洞察分析。
IBM Z Anomaly Analytics 可关联异常事件组并确定其优先级，帮助确保 IT 团队只收到高度可信的问题警报，从而简化响应流程并减少误报。
关联并分析异常事件组，帮助 IT 操作人员和系统程序员确定需要优先解决的运行问题。这有助于确保团队仅收到高置信度事件组的警报，从而减少误报。
技术细节
请确保您的环境满足在 Linux 和 IBM Z Common Data Provider 上部署 IBM Z Anomaly Analytics 软件容器的系统要求。
主要组件
深入了解 IBM Z Anomaly Analytics 组件之间的数据流。
提供从 z/OS 系统访问 IT 运营数据的基础设施。
检测 z/OS 系统日志数据中的异常情况
检测记录类型的指标数据中的异常。
关联异常并对事件组进行评分，以高置信度提醒团队注意运行问题。