توقعات Davis في لوحات المعلومات: قرّر قبل أن تنفد السعة

توقعات Davis في Dashboards: فعّل محلل Forecast على بطاقة، واضبط عدد النقاط المتوقعة، وتحقق من الموثوقية قبل أن تتخذ أي إجراء.
Prévisions Davis dans les tableaux de bord : décider avant la saturation

الخميس، الرابعة عصرًا: يسألك مسؤول التشغيل إن كانت مساحة قاعدة بيانات الأرشيف ستكفي حتى نهاية الربع. بين يديك منحنى المساحة الحرة، لكن لا جواب. هذا ما تفعله توقعات Davis داخل لوحة المعلومات: تحوّل منحنى الماضي إلى تقدير رقمي بهامش خطأ، قبل أن تطلب مساحة تخزين إضافية أو تقرر أنها غير لازمة.

ننطلق هنا من القرار لا من الميزة. متى تفيد التوقعات فعلًا؟ كيف تُربط ببطاقة (tile)؟ وكيف تتجنب تصديق منحنى لا قيمة له؟ ينطبق الكلام على Dynatrace SaaS مع Grail وتطبيق Dashboards؛ ولم أتحقق من وضع Dynatrace Managed، فلا أعد بشيء بخصوصه.

المنهج: الوقائع مأخوذة من وثائق Dashboards ومن صفحة Davis for Workflows، وقد قُرئتا في 10 نوفمبر 2026. لم تجرّب span.observer هذه الإعدادات على tenant حقيقي، وما لم يرد في الصفحتين مُعلَّم بعبارة «لم يُتحقق منه».

متى تغيّر توقعات Davis قرارًا

لا قيمة للتوقع إلا إذا انتهى إلى إجراء بموعد محدد. ثلاث حالات تبرره:

  • مورد ينفد: قرص أو حصة أو عدد اتصالات. السؤال: «بعد كم يومًا؟».
  • حمل يتصاعد: حركة مرور أو طوابير رسائل. السؤال: «هل نزيد السعة قبل الحملة القادمة؟».
  • ميزانية تنحرف: حجم السجلات المستقبَلة أو التكلفة الشهرية. السؤال: «أين سنكون في آخر الشهر؟».

أما المنحنى المتقلب الذي لا اتجاه له ولا إيقاع فلا شيء فيه يُتوقَّع. الأنسب هنا عتبة أو كشف شذوذ، وتعرضهما الوثائق في القسم نفسه من البطاقة: عتبة تكيفية تلقائية، أو خط أساس موسمي، أو عتبة ثابتة.

تقدم تدوينة في المدونة الرسمية لـ Dynatrace، Better dashboarding with Dynatrace Davis AI، الفكرة من زاوية المنتج. أكتفي هنا بالخطوات العملية ومزالق التشغيل.

الخطوة 1: اكتب استعلامًا يستحق التوقع

يُحسب التوقع على نتيجة البطاقة، فالاستعلام الرديء يعطي توقعًا رديئًا. ابدأ بسلسلة منتظمة ونافذة طويلة تكفي لدورة كاملة من نشاطك.

هذه بطاقة للمساحة الحرة لكل مضيف ولكل قرص، على سبعة أيام، بنقطة واحدة كل ساعة:

استعلام DQL من نوع timeseries على dt.host.disk.free، مجمَّع حسب المضيف والقرص، على سبعة أيام بفاصل ساعة واحدة وبحد أقصى 50 سلسلة

يهم هنا اختياران. التجميع يعطي سلسلة لكل قرص، فتحدد القرص المشكل بدل أن يذوب في متوسط الأسطول كله. وحد الخمسين سلسلة يحفظ وضوح القراءة، إذ تذكر الوثائق أن المحلل يقبل حتى 1000 سلسلة تُضبط بخيار Limit.

الخطوة 2: فعّل محلل Forecast على البطاقة

في تطبيق Dashboards الإجراء الموثَّق قصير:

  1. نفّذ استعلام البطاقة.
  2. افتح قسم Davis AI في لوحة الخيارات.
  3. من قائمة Analyzers اختر Forecast.
  4. حوّل المفتاح العلوي من «AI data analysis is not active» إلى «AI data analysis is active»، فالمحللات معطَّلة افتراضيًا.
  5. اختر طريقة العرض Davis AI analysis.

معاملان يتحكمان بالتوقع. يحدد Data points to predict عدد النقاط المستقبلية؛ وتنبّه الصفحة إلى أن زيادتها تقلل الموثوقية وتطيل الحساب. أما Forecast offset فيتجاهل آخر N نقطة ويتوقعها، وهذا مفيد لاختبار النموذج مقابل ما حدث فعلًا.

إعدادات قسم Davis AI في بطاقة، بتسميات الوثائق: Forecast وData points to predict وForecast offset وLimit وطريقة العرض Davis AI analysis

من حيث الصلاحيات، تلزم davis:analyzers:read لعرض الإعداد وdavis:analyzers:execute لتشغيل المحلل. إن رأى زميلك البطاقة دون التوقع فابدأ بمراجعة سياسات IAM الخاصة به.

الخطوة 3: اقرأ التوقع بحذر

يستطيع العرض Davis AI analysis إظهار الرسم أو الجدول أو كليهما (خيار Visible sections). أبقِ الاثنين إلى أن تكوّن رأيك.

تذكر مدونة Grail وDavis AI عن السعة أن النموذج يُختار تلقائيًا بحسب خصائص السلسلة، وأن النتيجة احتمالية بقيمة متوقعة وحدّين. فاحفظ أن التوقع مجال وليس تاريخًا واحدًا، وقرّر على الحد الأسوأ.

وهذا الاختبار الذي أطبقه قبل عرض أي توقع على أحد:

  • اختبار رجعي: اضبط Forecast offset لتتوقع نقاطًا تعرفها مسبقًا، ثم قارن.
  • أفق معقول: لا تتجاوز ثلث نافذة التاريخ. هذه قاعدة حذر شخصية وليست توجيهًا من الشركة المزوّدة.
  • أحداث سابقة: ترحيل أو تنظيف حديث يكسر الاتجاه؛ استبعد تلك الفترة أو دوّن ذلك على البطاقة.

الخطوة 4: اخرج من البطاقة عبر workflow

لوحة المعلومات لا توقظ أحدًا. إن لزم أن يكون القرار آليًا، فتصف وثائق Davis for Workflows المحلل Generic Forecast Analysis المستخدم في إجراء «Analyze data». يتوقع مثاله سعة القرص انطلاقًا من avg(dt.host.disk.free) على سبعة أيام بـ 120 فاصلًا، مع 100 نقطة للتوقع.

معاملات مثال Generic Forecast Analysis من الوثائق: استعلام على dt.host.disk.free و120 فاصلًا و100 نقطة للتوقع وشرطا analysisStatus يساوي OK وforecastQualityAssessment يساوي VALID

النقطة المهمة هي الحاجز الواقي: لا يعتد المثال بسلسلة إلا إذا كانت قيمة analysisStatus هي OK وقيمة forecastQualityAssessment هي VALID. اعتمد هذه العادة، وبدونها ستُصدر تنبيهات على توقعات يشك فيها المحرك نفسه. وتحذر الصفحة كذلك من أن حجم المخرجات قد يكون كبيرًا جدًا، فصفِّ النتائج قبل أن تتصرف.

توضيح مفيد: لا تتناول هذه الصفحة لوحات المعلومات، وتعتمد على Notebooks لضبط السعة. لذلك لا أستطيع الجزم بأن workflow يُطلَق من بطاقة: لم يُتحقق منه.

ممارسات جيدة

  • بطاقة واحدة لقرار واحد: اكتب في عنوان البطاقة الإجراء المنتظر («اطلب تخزينًا قبل…»).
  • قلّل عدد السلاسل؛ فتوقع على 1000 منحنى لا يمكن قراءته.
  • خصص كشف الشذوذ للسلاسل التي لا اتجاه لها، والتوقع للسلاسل ذات الاتجاه.
  • راجع التوقع كل أسبوع في البداية؛ فالنموذج الذي ينحرف يظهر سريعًا.
  • اربط البطاقة بمالك ودليل تشغيل (runbook)، كما تفعل مع لوحة SLO الموجهة للإدارة.

الأسئلة الشائعة

هل تعمل توقعات Davis مع أي استعلام؟

تنطبق على سلسلة زمنية رقمية. والبطاقة التي تعيد قائمة صفوف ليست مرشحة جيدة؛ حوّلها أولًا إلى سلسلة باستخدام timeseries أو makeTimeseries.

هل أحتاج إلى كتابة DQL للحصول على توقع؟

تحتاج إلى استعلام ينتج السلسلة، أما التحليل فيُضبط من الواجهة. وإن كنت مبتدئًا في DQL فاطلع على Davis CoPilot وتوليد الاستعلامات، مع مراجعة الاستعلام الناتج دائمًا.

كم نقطة يمكنني توقعها؟

لا تذكر صفحة Dashboards سقفًا؛ وتكتفي بالقول إن زيادة النقاط تقلل موثوقية التوقع. لم يُتحقق هنا من أي حد رقمي.

الخلاصة

انطلق من سؤال عن السعة، واكتب استعلامًا منتظمًا، وفعّل محلل Forecast، ثم اختبره على الماضي قبل أن تعرضه. ولتتعلم بناء البطاقات نفسها، راجع أمثلة لوحات SaaS بلغة DQL.

span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. Dynatrace علامة تجارية لشركة Dynatrace LLC. تحقق دائمًا من القيم (المنافذ والإصدارات والأحجام) في الوثائق الرسمية الخاصة بإصدارك.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
Azure Data Factory Dynatrace : repérer les pipelines en échec

مراقبة Azure Data Factory باستخدام Dynatrace: رصد خطوط المعالجة الفاشلة

Next Post
Site Reliability Guardian AWS : valider chaque changement de tag EC2

Site Reliability Guardian AWS: تحقّق من كل تغيير في وسوم EC2

Related Posts