InfluxDB｜iPOC 系統亞健康分析平台
iPOC
系統亞健康分析平台
是否常常遇到系統易常緩慢 ?
是否常常遇到系統瓶頸 ?
用 iPOC 來幫你糾出元兇
iPOC 系統亞健康分析平台，免 agent 即可診斷
Linux, Windows, AIX Unix, HP Unix
長短期效能分析
透過長、短期數據交叉比對，可以有效洞察出歷史數據與當前數據的差異性，並進一步分析是否因為有特殊事件而造成，或是系統確實出現了異常狀況。
伺服器分群機制
當伺服器數量隨著業務變得更多，將其以業務邏輯進行分群機制，將多台伺服器同時比對分析，可以在管理上更加有效率，也能更簡單得比對出相對不健康的個體。
指標關聯式分析
在洞察出某個不健康的個體時，利用單一伺服器的多種指標 (cpu, mem, network)，比對出具有關聯性的時間區段，效能異常等等，更有效的縮小問題。
伺服器建立群組關聯
大量伺服器之間皆有不同的業務性質，難以一一去監控、分析。要將特定業務性質的伺服器建立群組，並觀察同樣時間序中，伺服器之間的關聯性。
利用 KPI 指標，縮小異常範圍
當透過群組關聯發現可疑標的，可再利用 KPI 關聯的方式，同時觀察不同指標之間的關聯性，有可能是某個指標特別忙碌，或者是因某指標，造成其他關聯指標連動異常。
預測分析模型
不同指標都有其特徵，例如硬碟的使用率，可以利用歷史數據的消耗率來預測，多久後會到達滿載的情況，或是 CPU 的使用狀況，超過了過去 5 年所計算出來的信賴區間，以此有助於管理人員對目前伺服器的營運掌握度。
利用 iPOC 來協助分析巨量的伺服器管理需求
