スマート・スケーリング

スマート・スケーリングは、機械学習を使用して、過去のワークロード・パターンに基づく予測を提供します。 「管理」>「ワークロード・パターン」 ページでデータを分析することにより、システム・リソースの使用量を最適化する方法を学習できます。

以下のシステム・リソースに関する詳細情報を入手できます。

  • 履歴および予測 NZP (Netezza パフォーマンス・メトリック)
  • ヒストリカル・コンテキスト・プロファイルまたは推奨コンテキスト・プロファイル
  • 信頼度スコア

シード・モデル

シード・モデルは、一時ワークスペースにアップロードされる事前トレーニング済みモデルです。 予測 API は、システムのデプロイ後、1 日目以降のトレーニング猶予期間 (7 日以上) の間、これらのモデルを使用します。 この段階では、モデルがワークロードをまだ反映していないため、信頼性スコアは低くなります。

トレーニング猶予期間が終了すると、収集されたワークロード・データから生成されたデータ・セットを使用してモデルがリトレーニングされます。 予測 API は、事前にトレーニングされたモデルに基づいて推論を実行します。 その後、信頼性スコアは予測の精度に基づいて更新され、システム・スケジューラーは、トレーニング・モデル・タスクを毎日 2 週間トリガーしてから、週単位でトリガーします。

グラフ要素

パフォーマンス特性

異なるグラフ間をナビゲートするには、 「パフォーマンス・プロパティー」 ドロップダウンを使用します。 デフォルトの 「ワークロード使用状況」 グラフでは、システム・リソースに関連する複数のデータ・ポイントが視覚化されます。

グラフ全体を表示する場合は、凡例を使用して輪郭プロファイルを識別します。

時間間隔

「時間間隔」 ドロップダウンを使用して、別の時間間隔を選択します。

デフォルトでは、現在日付は同じままです。 日次ビュー、週次ビュー、または月次ビューのいずれかを選択すると、それに応じて日付が経時的に集計されます。

グラフの中央の線は、履歴データと予測データまたは推奨データの間の切り取りを示しています。

予測データは、システムが少なくとも 7 日間ヒストリカル・データを収集している場合にのみ表示されます。 それまでは、グラフには毎日のデータ・ポイントが表示されます。 7 日後、さらに 2 週間分の情報の予測が表示されます。

履歴 NZP および予測 NZP

紫色とピンクの線は Historical NZP と Predicted NZPを表します。

NZP (Netezza Performance Metric) は、システム使用率の指標です。
高レベル NZP は、高いレベルの使用率を示します。 NZP が低い場合は、リソース使用量が減少していることを示します。
履歴 NZP 線と予測 NZP 線は、グラフの左側の 0% から 100% までのスケールで測定されます。

ヒストリカル・コンテキスト・プロファイルと推奨コンテキスト・プロファイル

「ヒストリカルなツアー・プロファイル (Historical Contour Profile)」 と 「推奨されるコンテンツ・プロファイル (Suggested Contour Profile)」 は、青色のバーで視覚化されます。

現在の日付線の左側に表示される輪郭は、履歴上の輪郭です。 これらは、各時間間隔で使用されるプロファイルを表します。
現在日付の線の右側に表示されるバーは、時間間隔ごとに輪郭が提案されます。

輪郭プロファイルは、その時間間隔中に予測された NZP に基づいて提案されます。 NZP が 80% を超える場合、負荷の高いワークロード期間の計算量を増やし、パフォーマンスを向上させるために、次に近い輪郭にプロファイルを拡大することをお勧めします。 アルゴリズムが時間間隔の 20% 以下で NZP を予測する場合、グラフでは、より低いプロファイルにスケールダウンすることが推奨されます。

信頼度スコア

信頼性スコアは、システムの過去のワークロード・パターンに基づいて提供される予測の精度を反映します。 信頼性スコアを分析することにより、システム・リソースの使用方法を選択できます。

スマート・スケーリングの例

  1. Web コンソールにログインします。

  2. **「管理」>「ワークロード・パターン」**に移動します。

  3. スマート・スケーリングの使用状況グラフを確認します。
    この例では、データベース管理者として、時間の経過に伴うシステム使用率の理解を深める必要があります。

    このシナリオでは、毎週日曜日に、システム使用率が他の曜日と比較して平均を下回ることが判明しました。 この情報に基づいて、予想されるワークロードのピークや急降下に合わせてスケーリング・スケジュールを更新できます。

  4. 「 スケジュールされたスケーリングの編集」の説明に従って、毎週日曜日にインスタンスをスケールダウンするようにスケジューラーを構成します。

  5. 「 スケジュールされたスケーリングの編集」の説明に従って、毎週月曜日にスケールアップを開始するようにスケジューラーを構成します。

その結果、パフォーマンスが向上し、将来のリソースの無駄とコストが削減されます。