La predicción es una función algorítmica que permite predecir la evolución futura de una métrica. Es muy adecuada para métricas con fuertes tendencias o patrones recurrentes. Por ejemplo, si tu aplicación empieza a registrar datos a un ritmo más rápido, las predicciones pueden alertarte una semana antes de que se llene un disco, dándote tiempo suficiente para actualizar tu política de rotación del log. O bien, puedes hacer una predicción de las métricas de negocio, como las inscripciones de usuarios, para realizar un seguimiento del progreso con respecto a tus objetivos trimestrales.
Creación de un monitor
Para crear un monitor de predicción en Datadog, utiliza la navegación principal: Monitors –> New Monitor –> Forecast (Monitores > Nuevo monitor > Predicción).
Definir la métrica
Cualquier métrica que informe actualmente a Datadog está disponible para monitores. Para más información, consulta la página Monitor de métrica.
Después de definir la métrica, el monitor de predicción proporciona dos gráficos de vista previa en el editor:
- La Vista Histórica te permite explorar los datos de métrica pasados en diferentes escalas temporales.
- La Vista previa de evaluación muestra una combinación de datos históricos y previstos de métrica.
Definir las condiciones de alerta
- Activa una alerta cuando el extremo de los límites de confianza de la predicción pase a ser
above o below. - el umbral dentro de las siguientes
24 hours, 1 week, 1 month, etc. o custom para fijar un valor entre 12 horas y 3 meses. - Umbral de alerta: >=
<NUMBER> - Umbral de alerta: >=
<NUMBER> - Alerta umbral de recuperación: <
<NUMBER> - Advertencia umbral de recuperación: <
<NUMBER>
Opciones avanzadas
Datadog analiza automáticamente la métrica elegida y establece varios parámetros por ti. Sin embargo, las opciones se pueden editar en Advanced Options (Opciones avanzadas):
| Opción | Descripción |
|---|
| Algoritmo | El algoritmo de predicción (linear o seasonal) |
| Modelo | El modelo de predicción (default, simple, o reactive) para el algoritmo lineal |
| Estacionalidad | La estacionalidad de la predicción (hourly, daily, o weekly) para el algoritmo estacional |
| Ahorro por horario de verano | Disponible para los monitores de predicción seasonal con la estacionalidad daily o weekly. |
| Rollup | El intervalo rollup: intervalos más largos entre puntos evitan la influencia del ruido en la predicción. |
| Desviaciones | La amplitud del intervalo de valores previstos: un valor de 1 ó 2 suele ser suficiente para la mayoría de los puntos “normales”. |
Algoritmos
Los algoritmos disponibles para la predicción son linear y seasonal:
Utiliza el algoritmo lineal para métricas que tienen tendencias constantes, pero no un patrón estacional repetitivo. Existen tres modelos diferentes que controlan la sensibilidad del algoritmo lineal a los cambios de nivel:
| Modelo | Descripción |
|---|
| Predeterminada | Se ajusta a la tendencia más reciente y extrapola los datos sin dejar de ser robusto frente al ruido reciente. |
| Simple | Hace una regresión lineal robusta a través de toda la historia. |
| Reactivo | Extrapola mejor el comportamiento reciente a riesgo de sobreajustarse al ruido, los picos o las caídas. |
Utiliza el algoritmo estacional para métricas con patrones repetitivos. Hay tres opciones diferentes de estacionalidad:
| Opción | Descripción |
|---|
| Por hora | El algoritmo espera que el mismo minuto después de la hora se comporte como minutos pasados después de la hora, por ejemplo 5:15 se comporta como 4:15, 3:15, etc. |
| Diario | El algoritmo espera que la misma hora de hoy se comporte como la de días pasados, por ejemplo las 17:00 de hoy se comportan como las 17:00 de ayer. |
| Semanal | El algoritmo espera que un determinado día de la semana se comporte como los días de la semana anteriores, por ejemplo, este martes se comporta como los martes anteriores. |
Nota: Este algoritmo requiere al menos dos temporadas de historial y utiliza hasta seis temporadas para la predicción.
Condiciones de alerta avanzadas
Para obtener instrucciones detalladas sobre las opciones de alerta avanzadas (faltante de datos, retraso en la evaluación, etc.), consulta la página Configuración del monitor. Para el intervalo de datos completo de la opción específica de la métrica, consulta la página Monitor de la métrica.
Notificaciones
Para obtener instrucciones detalladas sobre la sección Configure notifications and automations (Configurar notificaciones y automatizaciones), consulta la página Notificaciones.
API
Para crear monitores de predicción mediante programación, consulta la referencia de la API de Datadog. Datadog recomienda encarecidamente exportar un JSON de monitor para crear la consulta de la API. Al utilizar la página de creación del monitor en Datadog, los clientes se benefician del gráfico de vista previa y del ajuste automático de parámetros para evitar una mala configuración de monitor.
Los monitores de predicción se gestionan utilizando la misma API que otros monitores, pero el contenido de la propiedad query merece una explicación más detallada.
La propiedad query del cuerpo de la solicitud debe contener una cadena de consulta con el siguiente formato:
<aggregator>(<query_window>):forecast(<metric_query>, '<algorithm>', <deviations>, interval=<interval>[, history='<history>'][, model='<model>'][, seasonality='<seasonality>']) <comparator> <threshold>
aggregator: utiliza min si la alerta debe activarse cuando la predicción esté por debajo del umbral. Utiliza max si la alerta debe activarse cuando la predicción supere el umbral.query_window: un marco temporal, por ejemplo: next_4h o next_7d.metric_query: una consulta estándar de métrica de Datadog, por ejemplo: min:system.disk.free{service:database,device:/data}by{host}.algorithm: linear o seasonaldeviations: un número mayor o igual que uno. Este parámetro controla el tamaño de los límites de confianza, lo que permite que el monitor sea más o menos sensible.interval: un número entero positivo que representa el número de segundos en el intervalo rollup.history: una cadena que representa la cantidad de datos pasados que deben utilizarse para realizar la predicción, por ejemplo: 1w, 3d. Este parámetro solo se utiliza con el algoritmo linear.model: el tipo de modelo a utilizar: default, simple, o reactive. Este parámetro solo se utiliza con el algoritmo linear.seasonality: la estacionalidad a utilizar: hourly, daily, o weekly. Este parámetro solo se utiliza con el algoritmo seasonalcomparator: utiliza <= para alertar cuando la predicción esté por debajo del umbral. Utiliza >= para alertar cuando la predicción supere el umbral.threshold: se activará una alerta crítica cuando los límites de confianza de la predicción alcancen este umbral.
Solucionar problemas
Las siguientes funciones no pueden anidarse dentro de llamadas a las funciones forecast():
anomalies cumsum, integral, outliers, piecewise_constant, robust_trend, o trend_line
Leer más
Additional helpful documentation, links, and articles:
