Previsões NRQL

Visão geral

NRQL Predictions O New Relic usa os padrões de dados históricos da sua métrica para prever tendências futuras, fornecendo insights sobre como a métrica pode se comportar no futuro. Essa abordagem proativa ajuda você a visualizar tendências e antecipar possíveis problemas, permitindo intervenções oportunas para manter o desempenho ideal do sistema. Atualmente, esse recurso oferece suporte a previsões para séries temporais sazonais (dados que têm um padrão recorrente e repetível em uma cadência definida) e não sazonais. métricas que exibem uma tendência forte ou um padrão sazonal definido são mais adequadas para previsões de NRQL . Essas previsões são melhor utilizadas quando adicionadas ao dashboard existente para fornecer um indicador visual rápido sobre para onde suas métricas estão indo.

Exemplos de situações em que você pode querer adicionar uma previsão ao seu gráfico:

• Seu aplicativo está produzindo mais logs nas últimas horas e o espaço em disco está acabando.
• Seu aplicativo está constantemente ficando sem memória, ameaçando travar todo o contêiner.
• Você precisa projetar a receita futura com base em padrões sazonais e de tendências observados.

Embora NRQL Predictions não identifiquem problemas potenciais, eles fornecem as informações necessárias para avaliar tendências e planejar desafios futuros. Para gerar alertas quando as previsões indicarem um problema iminente, você pode se inscrever no recurso Predictive Alerts , atualmente disponível em versão prévia pública. Predictive Alerts funciona junto com NRQL Predictions para gerar previsões para sua métrica e alerta quando essas previsões ultrapassam um limite estático.

Preços

O uso de NRQL Predictions é faturável durante a visualização, de acordo com seu Pedido, conforme aplicável ao modelo de preços associado à sua Conta. New Relic consultas de idioma relacionadas ao uso deste recurso são faturáveis como o Produto de computação principal. Se esse recurso estiver disponível para o público em geral, seu uso será cobrado de acordo com seu Pedido.

Para mais detalhes sobre preços, entre em contato com nossa equipe de vendas ou consulte seu pedido.

Uso

NRQL Predictions pode ser gerado de duas maneiras: diretamente em gráficos já criados ou escrevendo uma consulta NRQL usando a cláusula PREDICT .

Adicione uma previsão a um gráfico existente.

Previsões só podem ser adicionadas a gráficos que representam séries temporais, como um gráfico de linhas ou de áreas. Para adicionar uma previsão a um gráfico existente, siga estas etapas:

Acessar um gráfico de linha ou área

1. Acesse one.newrelic.com > All capabilities.
2. Para adicionar uma previsão a um gráfico de linhas ou áreas, selecione-o em Dashboards ou abra-o em Metrics and events.

Adicionar uma previsão

Para adicionar uma previsão, a partir do menu, selecione Predict trend. No Data Explorer, a previsão aparece no gráfico. O intervalo de previsão é definido automaticamente para 20% da janela de consulta. Para indicar onde a previsão está no gráfico, a área é destacada em cinza e os valores previstos são conectados por uma linha tracejada.

A cláusula PREDICT é anexada à consulta e gera uma previsão usando o comportamento padrão de previsões NRQL. Você pode refinar a consulta ajustando-a de acordo com suas necessidades e executá-la novamente para obter as previsões atualizadas.

Dica

Quando você adiciona uma previsão a um gráfico de área, ele muda para um gráfico de linhas contendo a previsão.

Adicionar ao dashboard

Para adicionar um gráfico contendo uma previsão a um dashboard:

1. Clique em Add to dashboard.
2. Insira um nome para o widget.
3. Selecione um dashboard existente ou crie um novo.

Use a cláusula PREDICT .

A sintaxe NRQL inclui a cláusula PREDICT para otimizar o uso de previsões NRQL. Para obter detalhes e exemplos de uso, consulte a documentação da sintaxe NRQL.

Exemplo de uso de PREDICT em uma consulta NRQL:

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT

Copiar

A previsão padrão no gráfico aparece da seguinte forma:

Comportamento padrão

Atualmente, NRQL predictions suporta apenas o algoritmo Holt-Winters , também conhecido como suavização exponencial, para séries temporais sazonais e não sazonais. Este é um algoritmo padrão e comumente usado para tarefas de previsão e predição. Oferecemos suporte a durações sazonais horárias, diárias e semanais para o modelo Holt-Winters.

Em geral, o comportamento padrão deve ser suficiente para a maioria dos casos de uso de previsão de NRQL.

A cláusula PREDICT em uma consulta vem com os seguintes comportamentos padrão:

• Sazonalidade: detecta automaticamente se a sazonalidade está presente nos dados históricos. Se a sazonalidade for detectada, a duração da estação identificada é usada no algoritmo sazonal de Holt-Winters. Se nenhuma sazonalidade for encontrada, ele constrói um modelo não sazonal.
• Hiperparâmetros: define os hiperparâmetros para o algoritmo Holt-Winters com base na sazonalidade e nos dados históricos.
• Janela de previsão: prevê um intervalo igual a 20% do período de tempo total especificado na janela de consulta.
• dados históricos para treinamento: Utiliza dados históricos da janela de consulta atual e das duas anteriores para gerar previsões.
• Intervalo de tempo: alinha com o intervalo do ponto de dados da série temporal na janela de consulta para garantir consistência na projeção de dados.

Personalizando o modelo preditivo

Você pode personalizar as previsões definindo manualmente os hiperparâmetros do modelo de treinamento e adicionando as palavras-chave USING e BY . Para saber mais sobre NRQL e sua sintaxe, consulte a documentação do NRQL. Geralmente, o único hiperparâmetro que a maioria dos usuários desejará ajustar será a sazonalidade. O algoritmo terá melhor desempenho quando uma sazonalidade conhecida (ou não sazonalidade conhecida) for especificada pelo usuário. Os outros hiperparâmetros do algoritmo Holt-Winters são acessíveis e alteráveis, mas os valores padrão são determinados com base nos dados históricos da sua métrica.

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT BY 30 minutes

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT USING 2 days

Exemplo de consulta com a cláusula PREDICT especificando hiperparâmetros personalizados e adicionando as palavras-chave BY e USING :

FROM Transaction SELECT count(*) WHERE error IS TRUE TIMESERIES PREDICT holtwinters(seasonality: AUTO, alpha: 0.2) BY 1 hour USING 2 hours

Esta consulta define a sazonalidade para detecção automática e enfatiza dados históricos ajustando o fator de suavização de nível. Ele prevê uma hora no futuro e treina o modelo usando o comprimento da janela de consulta junto com as duas horas anteriores de dados históricos. O gráfico exibe a previsão personalizada da seguinte forma: