智能缩放
智能缩放使用机器学习根据历史工作负载模式提供预测。 通过分析 " 管理> 工作负载模式 " 页面上的数据,您可以了解如何优化系统资源的使用。
您可以获取有关以下系统资源的更多信息:
- 历史和预测 NZP (Netezza 性能度量)
- 历史或建议的轮廓概要文件
- 置信度分数
种子模型
种子模型是在临时工作空间上上载的预训练模型。 预测 API 在部署系统后的训练宽限期 (7 天或更多天) 期间使用这些模型,从后天开始 1。 在此阶段,置信度分数较低,因为模型尚未反映您的工作负载。
在训练宽限期结束后,将使用从收集的工作负载数据生成的数据集重新训练模型。 预测 API 根据预先训练的模型运行推论。 然后,将根据预测的准确性更新置信度分数,系统调度程序将在 2 周内每天触发训练模型任务,然后每周触发一次。
图形元素
性能属性
使用 性能属性 下拉列表可在不同图表之间导航。 缺省 工作负载利用率 图可视化与系统资源相关的多个数据点。
在整体查看图形时,请使用图注来标识轮廓概要文件。
时间间隔
使用 时间间隔 下拉列表来选择不同的时间间隔。
缺省情况下,当前日期保持不变。 当您在 "每日" , "每周" 或 "每月" 视图之间进行选择时,将相应地在一段时间内汇总日期。
图中间的一条线显示历史数据与预测数据或建议数据之间的分割。
仅当系统至少收集了 7 天的历史数据时,才会显示预测数据。 在此之前,图形每天显示一个数据点。 在 7 天后,将显示额外两周的信息预测。
历史和预测 NZP
紫色和粉红色线条表示 历史 NZP 和 预测 NZP。
NZP (Netezza Performance Metric) 是系统利用率的度量。
高级 NZP 表示利用率提高。 NZP 低表示资源使用率降低。
历史和预测 NZP 线在图表左侧的刻度上测量 0% 到 100% 之间。
历史和建议的轮廓轮廓
历史轮廓概要文件 和 建议的轮廓概要文件 由蓝色条形显示。
当前日期行左侧显示的轮廓是历史轮廓。 它们表示在每个时间间隔内使用的概要文件。
当前日期行右侧显示的条形是每个时间间隔的建议轮廓。
基于该时间间隔内的预测 NZP 建议轮廓。 如果 NZP 超过 80% ,那么建议将轮廓概要文件扩展为下一个最接近的轮廓,以增加计算并提高繁重工作周期的性能。 当算法预测某个时间间隔的 NZP 为 20% 或以下时,该图建议缩小到更低的概要文件。
置信度分数
置信度分数反映根据系统历史工作负载模式提供的预测的准确性。 通过分析置信度分数,您可以选择如何使用系统资源。
智能缩放示例
-
转至 管理> 工作负载模式。
-
查看智能缩放利用率图。
在此示例中,作为数据库管理员,您希望更深入地了解一段时间内的系统利用率。在此场景中,事实证明,与一周中的其他日子相比,每个星期天的系统利用率都低于平均值。 根据此信息,您可以更新缩放调度以匹配工作负载中的预期峰值和差集。
-
配置调度程序以缩减每个星期日的实例,如 编辑调度的缩放中所述。
-
配置调度程序以从每个星期一开始向上扩展,如 编辑调度的缩放中所述。
因此,您将看到性能改善,并在未来减少资源浪费和成本。