智能警报中的自适应阈值
自适应阈值是 Instana 警报系统的一项强大功能，能够自动适应指标中不断变化的模式。 与静态阈值不同，后者无论应用程序行为如何都保持固定，自适应阈值会随数据持续演变，使其成为动态环境的理想选择。
自适应阈值（红线）遵循指标数据（蓝线）的自然模式，随着指标行为的变化自动调整。
何时使用自适应阈值
自适应阈值在以下场景中效果最佳：
- 渐变指标 ：当基础指标预计会随时间逐渐变化，但突然偏离此趋势的情况不可取时。
- 季节性指标 ：当指标呈现每日或每周规律性变化时，且您需要为一天或一周的不同时段设置不同阈值。
- 随时间演变的指标 ：当应用程序发展或使用模式转变时，基准行为随之改变。
自适应阈值如何运作
预测算法
自适应阈值采用先进的时序预测算法，擅长捕捉数据中的趋势和季节性模式。 系统执行以下步骤：
- 分析历史数据以识别模式。
- 根据这些模式预测未来值。
- 计算这些预测值的置信区间。
- 利用这些间隔来确定适当的阈值。
练习周期
该系统需要历史数据来建立可靠的模式。 所需培训期因警报类型而异：
- 应用智能警报 ：至少需要连续14天的指标数据。
- 网站智能警报 ：至少5天的连续指标数据。
当您配置自适应阈值时，系统将：
- 分析现有的历史指标数据。
- 识别基线行为。
- 检测季节性模式（如有）。
- 建立初始阈值。
若具备充足的历史数据，自适应阈值将在配置后立即生效。 系统初始化后，会随着新数据的不断涌入持续更新，逐步适应应用程序行为的变化。
模型重新训练
该系统会定期进行重新训练，以确保其能够跟上您指标不断变化的特性。 当以下情况发生时，此再培训至关重要：
- 某指标的季节性模式发生了变化，例如从非季节性转变为每日季节性。
- 业务变化导致使用模式发生转变。
- 应用程序行为在部署或配置变更后会发生演变。
这种自动重新训练机制确保您的阈值始终保持有效，无需人工干预——即使随着时间推移，指标的基本特征发生变化。 目前，系统每天保留一次模型。
关键参数
敏感度
灵敏度参数控制阈值与指标数据的契合程度：
- 范围 ：1-16。
- 功能 ：控制用于计算阈值的标准差（sigma）数量。
- 效果 ：
- 较低的数值对应更高的灵敏度，并建立更严格的阈值以检测更微小的变化。
- 数值越高，对应的灵敏度越低，从而形成更宽的阈值范围，仅能检测到重大变化。
高灵敏度设置（较低数值）会在指标周围建立更严格的阈值（蓝色曲线），从而检测到更小的偏差。
低灵敏度设置（数值较高）会在指标（蓝线）周围形成更宽的阈值范围，仅检测重大偏差。
对于使用 > 运算符的告警条件（例如响应延迟超过阈值时），该阈值是通过在预测值上添加一定余量来计算得出的。 灵敏度设置通过将其与计算出的偏差相乘来确定该边际值。
对于使用 < 运算符的告警条件（例如可用性低于阈值时），该阈值是通过从预测值中减去特定余量来计算的。 灵敏度设置通过将其与计算出的偏差相乘来确定该边际值。
系统如何处理异常值
为防止极端值扭曲阈值，系统采用了一种截断机制：
- 在初始化过程中 ：根据历史数据的百分位数对极端值进行截断。
- 初始化后 ：根据系统的预测值和置信区间对数值进行截断。
该机制确保偶发的峰值或跌幅不会影响阈值计算，同时仍能使系统适应指标行为的真实变化。
最佳实践
选择合适的灵敏度
- 更高灵敏度 （1-2）：适用于微小偏差至关重要的关键指标。
- 中等敏感度 （2-4）：作为大多数指标的默认设置。
- 较低灵敏度 （4-16）：适用于噪声较大的指标，或仅需对重大偏差发出警报的情况。
- Lower adaptability (0.0-0.1): Use when threshold stability is more important over responsiveness to metric fluctuations.
- Medium adaptability (0.1-0.5): Provides an optimal balance between threshold stability and responsiveness.
- Higher adaptability (0.5-1.0): Appropriate when thresholds must rapidly adjust to changing metric patterns.
Draft comment:
Seasonality selection (private preview)
Seasonality selection (private preview)
- Start with Auto detection.
- Switch to No seasonality if your metric does not follow regular patterns.
- Select Daily or Weekly if you know that your metric follows these specific patterns.
已知限制
自适应阈值为动态警报提供了强大的功能，但存在以下限制：
- 标签过滤限制 ：某些标签可能无法使用自适应阈值进行过滤。 系统限制了可与自适应阈值配置组合使用的标签。
- 应用智能警报分组 ：当使用自适应阈值时，应用智能警报不支持按终端进行分组。 若需端点级分组，请使用静态阈值。
结束语
自适应阈值提供了一种强大的方式，能够创建动态的、自我调整的警报，这些警报会随着应用程序的发展而不断演进。 通过理解灵敏度、适应性和季节性设置如何协同作用，您可以优化警报设置，从而捕捉真实问题并最大限度地减少误报数量。
自适应阈值需要足够的历史数据来建立可靠的模式。 具体训练周期取决于警报类型（详情请参阅前文的训练周期章节）。 当数据量充足时，阈值在配置完成后立即生效。 通过合理配置，自适应阈值可显著降低警报噪声，助您专注于真正重要的事项。
Choosing the right adaptability (private preview)