Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Pemantauan otomatis

Bagian ini membahas kemampuan otomatisasi utama untuk memantau beban kerja Exadata Anda di AWS.

CloudWatch Alarm Amazon dan deteksi anomali

Membuat alarm dan menjalankan tindakan alarm adalah praktik terbaik untuk pemantauan proaktif. Saat Anda mengatur alarm, pertanyaan umum adalah ambang batas untuk metrik yang ingin Anda pantau. Misalnya, Anda dapat membuat alarm yang diubah ke ALARM status ketika penggunaan CPU untuk sebuah instance melebihi ambang batas 70 persen.

Menentukan nilai ambang tidak selalu mudah, terutama karena banyak perusahaan memantau lusinan, terkadang ratusan, metrik di banyak instance database. Di sinilah deteksi CloudWatch anomali Amazon bisa berguna.

Saat Anda menggunakan deteksi anomali untuk metrik, CloudWatch terapkan algoritma statistik dan pembelajaran mesin (ML). Algoritma ini terus menganalisis metrik sistem dan aplikasi, menghasilkan berbagai nilai yang diharapkan yang mewakili perilaku metrik yang khas, dan anomali permukaan dengan intervensi pengguna minimal. Jenis-jenis alarm ini tidak memiliki ambang statis untuk menentukan status alarm. Alih-alih, jenis-jenis alarm tersebut membandingkan nilai metrik dengan nilai yang diharapkan berdasar model deteksi anomali. Anda dapat memilih apakah alarm merespons ketika nilai metrik berada di atas pita nilai yang diharapkan, di bawah pita, atau keduanya. Untuk informasi selengkapnya tentang penggunaan deteksi anomali, lihat dokumentasi. CloudWatch

Misalnya, Anda dapat menentukan alarm berdasarkan metrik ReadiOps untuk instans Amazon RDS for Oracle dengan menggunakan CloudWatchwizard dan memilih opsi deteksi anomali alih-alih opsi statis. Untuk petunjuk, lihat CloudWatch dokumentasi Amazon.

Amazon DevOps Guru untuk Amazon RDS

Amazon DevOps Guru for Amazon RDS adalah kemampuan bertenaga ML yang membantu Anda mendeteksi, mendiagnosis, dan memperbaiki berbagai masalah terkait database dengan cepat. Ketika DevOps Guru for Amazon RDS secara otomatis mendeteksi masalah terkait database seperti pemanfaatan sumber daya yang berlebihan atau perilaku buruk kueri SQL, layanan segera memberi tahu Anda dan memberikan informasi diagnostik, detail tentang sejauh mana masalah, dan rekomendasi cerdas untuk membantu Anda menyelesaikan masalah dengan cepat.

Misalnya, pertimbangkan toko buku online. Mari kita asumsikan bahwa situs web toko buku memiliki lonjakan konkurensi yang tinggi karena sejumlah besar pengguna ingin membeli buku setelah dipromosikan di TV. Setiap pembelian pelanggan mengurangi ketersediaan buku itu. Berikut adalah contoh pernyataan SQL yang berjalan di belakang layar setelah setiap pembelian:

update book_inventory
set available = available -1
where book_series =: series and book_title =: title;

Konkurensi tinggi dari banyak pernyataan DHTML mengakses baris yang sama pada saat yang sama dapat menghasilkan kunci tabel. Namun, Amazon CloudWatch tidak akan menampilkan lonjakan besar dalam beban CPU, karena kunci biasanya tidak mengkonsumsi sumber daya CPU yang signifikan. Dalam skenario ini, DevOps Guru dapat secara otomatis mengidentifikasi lonjakan yang tidak biasa dalam aktivitas database dengan melihat metrik sesi aktif rata-rata dan mendeteksi nilai yang menyimpang dari baseline tipikal.

Untuk informasi selengkapnya, lihat Menganalisis anomali kinerja dengan Amazon DevOps Guru untuk Amazon RDS di Amazon. RDSdocumentation