Escalado inteligente

El escalado inteligente utiliza el aprendizaje automático para proporcionar predicciones basadas en patrones de carga de trabajo históricos. Al analizar los datos en la página Administración > Patrones de carga de trabajo , puede aprender a optimizar el uso de los recursos del sistema.

Puede obtener más información sobre los siguientes recursos del sistema:

  • NZP histórica y pronosticada (Medida de rendimiento deNetezza )
  • Perfil de contorno histórico o sugerido
  • Puntuación de confianza

Modelos de semilla

Los modelos de semilla son modelos entrenados previamente que se cargan en el espacio de trabajo temporal. Una API de predicción utiliza estos modelos para la duración de un periodo de gracia de entrenamiento (7 días o más), después de que se despliegue el sistema, empezando desde el día 1. En esta etapa, la puntuación de confianza es baja porque los modelos todavía no reflejan las cargas de trabajo.

Una vez finalizado el periodo de gracia de entrenamiento, el modelo se vuelve a entrenar con los conjuntos de datos que se han generado a partir de los datos de carga de trabajo recopilados. La API de predicción ejecuta la inferencia basándose en los modelos entrenados previamente. A continuación, la puntuación de confianza se actualiza basándose en la precisión de la predicción y el planificador del sistema desencadena la tarea del modelo de entrenamiento diariamente durante 2 semanas y, a continuación, semanalmente.

Elementos de gráfico

Propiedad de rendimiento

Utilice el desplegable Propiedad de rendimiento para navegar entre distintos gráficos. El gráfico Utilización de carga de trabajo predeterminado visualiza varios puntos de datos relacionados con los recursos del sistema.

Cuando esté mirando el gráfico en general, utilice la leyenda para identificar el perfil de contorno.

Intervalo de tiempo

Utilice el desplegable Intervalo de tiempo para seleccionar distintos intervalos de tiempo.

De forma predeterminada, la fecha actual sigue siendo la misma. Cuando selecciona entre la vista diaria, semanal o mensual, la fecha se agrega a lo largo del tiempo en consecuencia.

Una línea en el centro del gráfico muestra el corte entre los datos históricos y los datos pronosticados o sugeridos.

Los datos previstos sólo se muestran cuando el sistema ha estado recopilando datos históricos durante al menos 7 días. Hasta entonces, el gráfico muestra un punto de datos para cada día. Después de 7 días, aparece una predicción para una información adicional de dos semanas.

NZP histórico y previsto

Las líneas púrpura y rosa representan NZP histórico y NZP predicho.

NZP (Netezza Performance Metric) es una medida de la utilización del sistema.
El nivel alto de NZP indica niveles elevados de utilización. El NZP bajo indica una disminución del uso de recursos.
Las líneas NZP históricas y pronosticadas se miden en la escala a la izquierda del gráfico entre 0% y 100%.

Perfil de contorno histórico y sugerido

Perfil de contorno histórico y Perfil de contorno sugerido se visualizan mediante las barras azules.

Los contornos que se muestran a la izquierda de la línea de fecha actual son contornos históricos. Representan los perfiles que se utilizan en cada intervalo de tiempo.
Las barras que se muestran en el lado derecho de la línea de fecha actual son contornos sugeridos para cada intervalo de tiempo.

Los perfiles de contorno se sugieren basándose en el NZP previsto durante ese intervalo de tiempo. Si NZP supera el 80%, se sugiere que el perfil de contorno se escale hacia arriba en el siguiente contorno más cercano para aumentar el cálculo y mejorar el rendimiento durante periodos de carga de trabajo pesada. Cuando el algoritmo predice NZP en o por debajo del 20% para un intervalo de tiempo, el gráfico sugiere reducir a un perfil inferior.

Puntuación de confianza

La puntuación de confianza refleja la precisión de las predicciones que se proporcionan en función de los patrones de carga de trabajo históricos del sistema. Al analizar la puntuación de confianza, puede elegir cómo utilizar los recursos del sistema.

Ejemplo de escalado inteligente

  1. Inicie sesión en la consola web.

  2. Vaya a Administración > Patrones de carga de trabajo.

  3. Revise el gráfico de utilización de escalado inteligente.
    En este ejemplo, como administrador de base de datos, desea obtener una comprensión más profunda de la utilización del sistema a lo largo del tiempo.

    En este escenario, resulta que cada domingo, la utilización del sistema cae por debajo de la media en comparación con otros días de la semana. Basándose en esta información, puede actualizar la planificación de escalado para que coincida con los picos y caídas anticipados en las cargas de trabajo.

  4. Configure el planificador para reducir la instancia para cada domingo tal como se describe en Edición de escalado planificado.

  5. Configure el planificador para que vuelva a escalar a partir de cada lunes, tal como se describe en Edición de escalado planificado.

Como resultado, verá la mejora del rendimiento y la reducción de los residuos de recursos y los costes en el futuro.