Grafici di previsione

L'ultimo campo della riga "Metric" può già avere un'influenza notevole sulla significatività della previsione. L'impostazione predefinita a questo punto è sempre l'opzione "Maximum", perché nel contesto della gestione della capacità, questa opzione fornisce più spesso un'indicazione della previsione stessa: i colli di bottiglia durante i picchi di carico. Ad esempio, se guardassi solo i valori medi per il servizio "CPU utilization", potresti notare che l'utilizzo medio è ancora accettabile. Tuttavia, nel prossimo futuro, noteresti solo nel monitoraggio che la tua CPU raggiunge costantemente i suoi limiti durante i picchi di carico quando si verifica la situazione reale.

Con questa opzione puoi determinare quale periodo dei dati storici deve essere utilizzato come base per il calcolo della previsione. In generale, si può dire che sono necessari molti punti dati per ottenere un buon adattamento. Tuttavia, se desideri sempre prendere come base i valori misurati del mese precedente, ad esempio, puoi farlo selezionando l'opzione " Last month". Questo non significa degli ultimi 30 giorni, ma piuttosto del mese di calendario precedente.

Un altro motivo per limitare il periodo potrebbe essere, ad esempio, un aggiornamento di singoli componenti su un server. L'inclusione dei dati precedenti a tale aggiornamento potrebbe infatti distorcere la previsione.

La previsione inizia l'ultimo giorno del periodo selezionato in "Consider history of". Vale la pena menzionarlo, perché a seconda della selezione viene calcolata una previsione anche per un periodo in cui sono già stati accumulati dati di misurazione reali. All'interno di questa sovrapposizione, è quindi già possibile vedere quanto la previsione fosse vicina ai valori effettivi.

Inoltre, resta solo da dire che più si cerca di guardare nel futuro, più la previsione diventerà naturalmente imprecisa. Tuttavia, questa banalità è illustrata molto bene nel grafico di previsione dall'ombreggiatura arancione sempre più intensa.

Quando si osservano e si analizzano i periodi di tempo — in questo caso, i valori registrati per i tuoi servizi — i cosiddetti break strutturali o punti di cambiamento giocano un ruolo molto importante. In parole povere, questi punti di cambiamento sono quei momenti nei periodi di tempo in cui si possono osservare cambiamenti più o meno grandi. Durante l’analisi dei periodi di tempo, Checkmk ora identifica un’intera serie di questi punti di cambiamento e li utilizza per riutilizzarli nella previsione e renderla così più precisa. La forza con cui Checkmk adatta la curva del grafico di previsione a questi punti di cambiamento può essere determinata tramite le cinque opzioni di "Trend flexibility". Se l'adattamento è troppo forte — il cosiddetto overfitting — la funzione di previsione risulterebbe troppo simile a un semplice aggiornamento (praticamente una copia) della serie temporale precedente. Un underfitting, d'altra parte, renderebbe la previsione estremamente imprecisa. Checkmk fornisce un valore standard che va bene per molte situazioni e che puoi utilizzare con l'opzione "Medium". Se il tuo grafico di previsione fosse troppo impreciso (underfitting), dovresti aumentare la flessibilità della curva di tendenza selezionando "High" o "Very High". Nel caso opposto, ovvero l'overfitting, avresti comunque a disposizione le due opzioni "Low" e "None (linear)", anche se sconsigliamo di utilizzare "None (linear)", poiché è disponibile solo per completezza.

A questo punto dovrai determinare come il grafico di previsione debba gestire le richieste ricorrenti e stagionali sulla tua infrastruttura. Nei grafici di previsione vengono considerati automaticamente due intervalli di tempo: i requisiti ricorrenti settimanali, come quelli relativi a una settimana lavorativa di cinque giorni e ai fine settimana, e i requisiti annuali o stagionali, come quelli legati alle festività e alle ferie del personale. Checkmk riconosce questa stagionalità automaticamente, quindi tutto ciò che devi fare è selezionare come desideri che venga prevista.

L'opzione "Additive" include questi requisiti modificati nella previsione una sola volta. Come suggerisce il nome, l'aumento o la diminuzione della domanda viene semplicemente aggiunta al trend.

Con la selezione di "Multiplicative", invece, la domanda stagionale futura aumenta o diminuisce in proporzione al trend.

A questo punto dovrai determinare il livello di confidenza per la tua previsione. In parole semplici, è qui che specifichi la probabilità con cui i valori attesi dovrebbero rientrare nell'intervallo di confidenza risultante da questo livello. Lo scopo di tale selezione è, partendo dal livello più alto possibile, ottenere sempre un intervallo il più ristretto possibile. Più dati storici sono disponibili, più i grafici di previsione possono riuscire a raggiungere questo obiettivo. È importante che questa selezione non influenzi l'effettivo "adattamento". Solo l'area circostante (cioè la visualizzazione dell'intervallo) diventa corrispondentemente più ampia a livelli più alti.

Nel grafico di previsione, sul lato sinistro vedi — separata da una linea verticale gialla — la visualizzazione di un numero specificato di giorni di dati effettivamente eccellenti. Puoi specificare quanti giorni devono essere visualizzati qui. Questo valore non ha alcun effetto sul calcolo della previsione stessa, ma influenza solo la visualizzazione.

E l'ultima opzione, ancora una volta, influenza solo la visualizzazione del grafico. Se selezioni "Model parameters", i parametri precedentemente selezionati verranno visualizzati sotto il grafico finito. Questo rende più facile per chi guarda interpretare il grafico.

Il messaggio di errore "Cannot create graph - Metric historical data has less than 2 days of valid values" è abbastanza chiaro. Per poter fare previsioni significative, Checkmk ha bisogno di almeno 2 giorni interi di dati storici di misurazione. Con meno punti di misurazione come base, un adattamento anche solo vagamente serio non è semplicemente possibile.