Vorgangsanomalien – Übersicht

Diese Seite gilt für Apigee und Apigee Hybrid.

Apigee Edge-Dokumentation aufrufen

Übersicht zu Vorgangsanomalien?

Vorgangsanomalien erkennt anhand aktueller Datenmuster ungewöhnliche oder unerwartete API-Datenmuster in Ihren APIs. In diesem Diagramm der API-Fehlerrate steigt die Fehlerrate beispielsweise um 07:00 Uhr plötzlich an. Im Vergleich zu den Daten bis zu diesem Zeitpunkt ist diese Steigerung ungewöhnlich genug, um als Anomalie eingestuft zu werden.

Grafik einer Anomalie mit einer Fehlerrate

Nicht alle Abweichungen in API-Daten sind Anomalien. Die meisten sind zufällige Schwankungen. Sie können beispielsweise einige geringfügige Schwankungen der Fehlerrate vor der Anomalie erkennen, diese sind jedoch nicht groß genug, um sie als Anomalie zu kategorisieren.

Anomalie oder zufällige Datenabweichungen.

Vorgangsanomalien überwacht API-Daten kontinuierlich und führt statistische Analysen durch, um echte Anomalien von zufälligen Schwankungen in den Daten zu unterscheiden.

Vorgangsanomalien erkennt folgende Anomalietypen automatisch:

  • Zunahme von HTTP 503-Fehlern auf Organisations-, Umgebungs- und Regionsebene
  • Zunahme von HTTP 504-Fehlern auf Organisations-, Umgebungs- und Regionsebene
  • Zunahme aller HTTP 4xx- oder 5xx-Fehler auf Organisations-, Umgebungs- und Regionsebene
  • Zunahme der Gesamtantwortlatenz für das 90. Perzentil (p90) auf Organisations-, Umgebungs- und Regionsebene

Eine erkannte Anomalie enthält folgende Informationen:

  • Den Messwert, der die Anomalie verursacht hat, z. B. Proxy-Latenz oder einen HTTP-Fehlercode.
  • Den Schweregrad der Anomalie. Je nach Konfidenzgrad im Modell kann der Schweregrad leicht, moderat oder gravierend sein. Ein niedriger Konfidenzwert verweist auf einen leichten Schweregrad, ein hoher Konfidenzwert hingegen auf einen gravierenden Schweregrad.

Voraussetzungen für die Verwendung von Vorgangsanomalien

So verwenden Sie Vorgangsanomalien:

Erkannte Vorgangsanomalien aufrufen

Wenn „Vorgangsanomalien“ eine Anomalie erkennt, werden die Details dazu im Dashboard „Vorgangsanomalien“ angezeigt. Sie können die Anomalie in den API Monitoring-Dashboards untersuchen und gegebenenfalls entsprechende Maßnahmen ergreifen. Außerdem haben Sie die Möglichkeit, eine Benachrichtigung zu erstellen, um bei zukünftigen Anomalieereignissen informiert zu werden.

Das Dashboard "Vorgangsanomalien" in der Apigee-UI ist Ihre primäre Informationsquelle zu erkannten Vorgangsanomalien. Das Dashboard zeigt eine Liste der aktuellen Anomalien an.

So öffnen Sie das Vorgangsanomalien-Dashboard:

  1. Melden Sie sich in der Apigee-UI in der Cloud Console an.
  2. Wechseln Sie zu der zu überwachenden Organisation.
  3. Wählen Sie im linken Menü Analytics > Vorgangsanomalien aus.

Das Dashboard „Vorgangsanomalien“ wird angezeigt.

Anomalien im Dashboard „Vorgangsanomalien“ ansehen

Standardmäßig werden im Dashboard Anomalien angezeigt, die in der letzten Stunde aufgetreten sind. Wenn in diesem Zeitraum keine Anomalien festgestellt wurden, werden im Dashboard keine Zeilen angezeigt. Im Zeitraummenü oben rechts im Dashboard können Sie einen größeren Zeitraum auswählen.

Anomalien im Dashboard „Vorgangsanomalien“ ansehen

Jede Zeile in der Tabelle entspricht einer erkannten Anomalie und zeigt die folgenden Informationen an:

  • Datum und Uhrzeit der Anomalie.
  • Eine kurze Zusammenfassung der Anomalie, einschließlich des Proxys, in dem sie aufgetreten ist, und des Fehlercodes, der sie ausgelöst hat.
  • Die Umgebung, in der die Anomalie aufgetreten ist.
  • Die Region, in der die Anomalie aufgetreten ist.
  • Der Schweregrad des Anomalieereignisses: leicht, moderat oder schwer. Der Schweregrad basiert auf einer statistischen Messung (p-Wert) dafür, wie unwahrscheinlich es ist, dass das Ereignis zufällig passiert (je unwahrscheinlicher das Ereignis, desto stärkerer Schweregrad).

Sie können auch in den API-Monitoring-Dashboards eine Anomalie untersuchen, in der verschiedene Diagramme aktueller API-Traffic-Daten angezeigt werden.

Funktionsweise der Anomalieerkennung

Die Anomalieerkennung umfasst die folgenden Phasen:

Modelle trainieren

Bei Vorgangsanomalien wird ein Modell des Verhaltens Ihrer API-Proxys aus historischen Verlaufsdaten der Zeitachse trainiert. Sie müssen nichts weiter tun, um das Modell zu trainieren. Apigee erstellt und trainiert automatisch Modelle aus den API-Daten der letzten sechs Stunden. Daher benötigt Apigee mindestens sechs Stunden an Daten für einen API-Proxy, um das Modell zu trainieren, bevor eine Anomalie protokolliert werden kann.

Das Ziel des Trainings besteht darin, die Genauigkeit des Modells zu verbessern, das dann an Verlaufsdaten getestet werden kann. Die Genauigkeit eines Modells lässt sich am einfachsten mit der Fehlerrate (der Summe von falsch positiven und falsch negativen Ergebnissen) geteilt durch die Gesamtzahl der vorhergesagten Ereignisse messen.

Anomalieereignisse loggen

Während der Laufzeit vergleicht „Vorgangsanomalien“ das aktuelle Verhalten Ihrer API-Proxys mit dem vom Modell vorhergesagten Verhalten. Mit Vorgangsanomalien kann dann ein bestimmter Konfidenzwert festgelegt werden, wenn ein Betriebswert den vorhergesagten Wert überschreitet. Das gilt zum Beispiel, wenn die Rate von 5xx-Fehlern die vom Modell vorhergesagte Rate überschreitet.

Wenn Apigee eine Anomalie erkennt, wird das Ereignis automatisch im Dashboard für Vorgangsanomalien protokolliert. Die im Dashboard angezeigte Liste der Ereignisse enthält alle erkannten Anomalien sowie ausgelöste Benachrichtigungen.