Pandora: Documentation fr: Supervision prédictive

From Pandora FMS Wiki
Jump to: navigation, search

Revenir à l’Index de Documentation Pandora FMS

1 Supervision prédictive

1.1 Introduction

Outre des fonctionnalités telles que la surveillance à distance, qu’elle soit Web ou basée sur des agents, Pandora FMS offre des ressources avancées pour améliorer la supervision. Avec ces ressources, vous pouvez effectuer des estimations de l'historique des données ou créer de nouveaux modules basés sur des opérations arithmétiques de modules existants.

1.2 Types de surveillance prédictive

Dans la réalisation d'un module de surveillance prédictive, vous pouvez choisir les options suivantes:




Monitorizacionpredictiva.png



  • Surveillance arithmétique :
    • Arithmétique synthétique : Il est possible d'effectuer des opérations arithmétiques (addition, soustraction, multiplication et division) avec des données précédemment obtenues dans d'autres modules.
    • Moyenne synthétique : Il s'agit d'établir une moyenne avec les données précédemment obtenues dans d'autres modules.
  • Surveillance prédictive :
    • Module : il s'agit de prédire les données "acceptables" qu'un module peut recevoir en fonction de la quantité de données à examiner dans le domain de la période.
    • Service : concerne la possibilité de prédire l'état d'un service.

1.3 Surveillance avec des modules synthétiques

Ceci est une fonctionnalité de la version Enterprise. Les modules synthétiques sont des modules fabriqués à partir de données provenant d'autres modules, qui peuvent se trouver dans le même agent ou dans des agents différents. Les opérations pouvant être effectuées sont arithmétiques (additionner, soustraire, multiplier et diviser) entre modules et / ou avec des valeurs absolues. Voyons quelques exemples:

  • Un module appelé "Somme du trafic" qui ajoute les valeurs du trafic entrant et du trafic de sortie d'un routeur, générant un nouveau module avec le trafic total de l'interface.
  • Un module appelé "Utilisateurs totaux" qui ajoute les valeurs de dix modules appelés "Utilisateurs connectés" dans chacun des cinq serveurs sur lesquels le nombre d'utilisateurs connectés est surveillé.

Template warning.png

Les modules synthétiques sont gérés par le serveur de prédiction. Par conséquent, pour les utiliser, vous devez avoir activé ce sous-composant du serveur Pandora FMS, et l'agent sur lequel vous créez les modules que doit utiliser ce serveur

 


La première étape pour créer un module synthétique consiste à accéder à la section d'administration d'un agent, puis à l'onglet de modules, où nous choisirons l'option de création d'un module de type prédictif.



Synth 1.png



Dans le premier exemple, nous allons créer un module fictif qui contiendra la moyenne arithmétique de deux modules de deux agents différents: CPUUse (Sancho-XP) et cpu_user (Crochet). Ce module dans chaque machine mesure le pourcentage d'utilisation de l'UCT et correspond à deux machines Windows et Linux respectivement. Le résultat final sera un module stocké dans Sancho-XP qui contiendra la moyenne des deux valeurs.



Synth 2.png



Le deuxième exemple créé un module appelé "Total accesses" avec la moyenne des valeurs des modules "Apache_accesses" de deux agents différents, nommés Sancho-XP et Sancho-XP_2.


Synth 3.png



Un autre exemple plus simple, mais qui peut être utile, est celui qui a été utilisé pour créer le module "Total accesses" dans Sancho-XP-2. Il vous suffit de "copier" la valeur d'un module portant le même nom dans Sancho-XP pour la générer.



Synth 4.png



Pour fonctionner avec d'autres opérations logiques (multiplication, soustraction, division), il vous suffit de prendre en compte l'ordre des opérateurs. Jouez avec l'interface pour voir comment une opération arithmétique peut être effectuée entre différents modules. D'autre part, vous pouvez utiliser une valeur fixe (Fixed value dans la capture) pour l'ajouter à vos opérations logiques.

Vous pouvez sélectionner plusieurs agents dans la zone de gauche (avec contrôle) et afficher dans la zone centrale tous les modules "communs" des agents sélectionnés. Il peut être très utile pour créer des "moyennes" de modules communs d’un groupe de serveurs (par exemple: UCT ou espace disque).

1.4 Surveillance prédictive

Les modules prédictifs nécessitent un module "de base" sur lequel "comparer" et effectuer leurs prédictions. Il y a deux types: la détection d'anomalie et la prédiction de valeurs, toutes deux sont basées sur la série de données de module utilisée comme base de prédiction. Ces deux types sont basés sur le type de données à stocker dans le module prédictif à créer:

  • (generic_data) Prédisez ce qui constituerait une valeur acceptable, dans un laps de temps de 5 à 10 minutes (ou plus, mais avec une approximation plus sombre de plus longue estimation dans le futur).
  • (generic_proc) Détecte s'il existe une anomalie dans la valeur collectée par le module "source" en cours d'analyse.

Template warning.png

Les modules prédictifs sont gérés par le serveur de prédiction. Par conséquent, pour les utiliser, vous devez avoir activé ce sous-composant du serveur Pandora FMS, et l'agent sur lequel vous créez les modules que doit utiliser ce serveur

 


Voyons comment vous pouvez définir un module de type prédictif.

Dans un agent existant, cliquez sur l'onglet supérieur des modules (Modules). Dans celui-ci, sélectionnez créer un nouveau module de type prédictif:



Prediction create module.png



Une fois le bouton Create enfoncé, un formulaire s'affiche dans lequel les domains nécessaires doivent être renseignés pour créer un module de prédiction. Le type de données définit le comportement du type de module prédictif: en fonction du type, vous agirez en tant que détecteur d'anomalie (module de type booléen) ou en tant que "prédicteur" de la valeur du module à l'avenir (module du type donnée numérique).



Prediction module basic.png



Ci-dessous, dans la section spécifique des modules de type prédictif, il convient de prêter attention aux domains suivants :



Prediction module basic2.png



  • Agent. Il suffit de mettre une partie du nom et de rechercher des agents avec cette partie dans le nom.
  • Module. Une fois que l'agent est sélectionné, il nous indiquera les modules qu'il a. Ce sera le "module source" à partir duquel vous utiliserez votre historique pour prédire vos futures données ou détecter des anomalies.
  • Période. Vous devez choisir le type d’échantillon qui sera utilisé: quotidien, mensuel ou hebdomadaire. De cette façon, une moyenne sera établie avec les informations des données actuelles avec celles des quatre dernières périodes. S'il a été choisi quotidiennement, la donnée de la moyenne des quatre derniers jours sera choisie. C'est le même cas avec les données hebdomadaires ou mensuelles.

Enfin, il ne faut pas oublier un domain qui apparaît dans les propriétés avancées:

  • Intervalle : L'intervalle prend un certain nombre d'échantillons des 4 derniers jours / semaines / mois pendant la durée de cet intervalle. Par exemple, si vouz prélèvez cet échantillon à 13h00 et que l'intervalle défini est d'une heure, il faudra compter sur la moyenne pour additionner toutes les valeurs des 4 dernières semaines / mois / jours de 12h30 à 13h30.

La différence entre le calcul prédictif numérique et la détection d’anomalies est que cette dernière compare la valeur obtenue dans le calcul de la prédiction avec la valeur actuelle si elle se situe en dehors d’un seuil défini par l’écart type de cette période calculée, renvoie un échec (0 ), si elle est à l'intérieur, retourne ok (1).


Revenir à l’Index de Documentation Pandora FMS