Volumen ist die uninformativste Zahl in einem Logstrom
Logs kommen in einer Rate an, die niemand lesen kann, und werden zu einer Zahl zusammengefasst, und eine Zahl ist die eine Zahl, die Ihnen nicht sagen kann, ob etwas falsch ist. 90.000 Fehler pro Stunde sind für manche Systeme normal und für andere katastrophal.
Was zählt, ist Zusammensetzung und Veränderung: welche unterschiedlichen Fehler vorliegen, in welchem Anteil, und welche davon gestern fehlten. Eine neue Fehlerklasse bei geringem Volumen ist dringender als eine vertraute, die ansteigt.
Gruppieren muss auf der Form eines Fehlers laufen, nicht auf seinem Text, weil Kennungen, Zeitstempel und Nutzungsverweise jede Zeile einzigartig machen. Zwei Fehler, die sich nur durch eine Request-ID unterscheiden, sind ein Fehler.
Richtig gemacht, werden neunzigtausend Zeilen zu elf Gruppen, drei davon neu, und die elf sind lesbar.
So läuft der ActionFlow auf der Canvas
Rohe Logzeilen erreichen den Flow über einen HTTP Request-Knoten gegen Ihren Logspeicher, oder ein Webhook-Trigger streamt sie in Stapeln.
Ein String-Knoten normalisiert jede Zeile, entfernt Kennungen, Zeitstempel und Pfade, sodass Zeilen, die sich nur durch diese Werte unterscheiden, zusammenfallen.
Ein Uniq-Knoten reduziert den normalisierten Satz, und ein Math-Knoten zählt Vorkommen je unterschiedlicher Form, bevor irgendein Modell etwas sieht.
Zählen vor der Erzeugung hält das bezahlbar. Das Modell liest elf unterschiedliche Formen, nicht neunzigtausend Zeilen.
Ein Generate Object-Knoten gibt jede Gruppe mit einer Beschreibung dessen, was schiefging, und der beteiligten Komponente zurück, und ein Text Classifier-Knoten weist den Schweregrad gegen Ihre Definitionen zu, nicht die des Loggers.
Ein MongoDB-Knoten hält die Historie der Formen, und ein If-Knoten markiert alles, das darin fehlt, als neu.
Ein Sort-Knoten ordnet nach neu zuerst, dann nach Veränderung des Volumens statt nach Volumen selbst, und ein Generate Text-Knoten schreibt die Zusammenfassung.
Ein Slack-Knoten postet sie, und ein Linear-Knoten öffnet einen Eintrag für jede neue Gruppe über Ihrer Schwelle.
Knoten, die dieser ActionFlow verwendet
- HTTP Request (Util) with Webhook (Triggers): der Logspeicher oder ein Strom in Stapeln.
- String (Util): normalisiert Zeilen, sodass Kennungen aufhören, jede einzigartig zu machen.
- Uniq (Control) with Math (Util): unterschiedliche Formen und ihre Zahlen, vor jeder Erzeugung.
- Generate Object (AI Core): was schiefging und welche Komponente, je Gruppe.
- Text Classifier (AI Custom): Schweregrad gegen Ihre Definitionen, nicht die des Loggers.
- MongoDB (Data): die Historie der Formen, damit neue überhaupt erkannt werden können.
- Sort (Data): neu zuerst, dann Veränderung des Volumens statt Volumen.
- Linear (Integration): ein Eintrag je neuer Gruppe über Ihrer Schwelle.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.