grafana/promql-anomaly-detection

해결하는 문제

이 프레임워크는 외부 머신러닝 시스템이나 복잡한 데이터 파이프라인 없이 Prometheus 내에서 직접 시계열 데이터의 이상 징후를 탐지하는 방법을 제공합니다. 예상 범위를 자동으로 계산하여 요청 속도, 지연 시간, 오류율, 리소스 사용량과 같은 메트릭에서 비정상적인 동작을 식별하는 데 도움을 줍니다.

작동 방식

이 프레임워크는 Prometheus 기록 규칙을 사용하여 과거 데이터를 기반으로 한 상한선과 하한선인 "이상 징후 대역(anomaly bands)"을 계산합니다. 두 가지 주요 전략을 지원합니다. 단기적인 변화를 빠르게 탐지하기 위한 adaptive 접근 방식(평균 및 표준 편차 사용)과 급격한 변동이나 비정규 분포 데이터를 처리하기 위한 robust 접근 방식(중앙값 및 중앙값 절대 편차 사용)입니다. 사용자는 특정 레이블(anomaly_name, anomaly_strategy, anomaly_type)을 메트릭에 태그하여 탐지 로직을 트리거하며, 실제 메트릭 값이 계산된 대역을 벗어나면 알림이 생성됩니다.

대상 사용자

이미 Prometheus와 Grafana를 모니터링에 사용 중이며, 외부 종속성이나 전문적인 AI/ML 인프라를 도입하지 않고 자동화된 이상 징후 탐지를 구현하려는 DevOps 엔지니어, SRE 및 시스템 관리자를 위한 도구입니다.

주요 특징

• 표준 PromQL을 사용하여 Prometheus 내부에서 완전히 실행되며 외부 서비스가 필요하지 않습니다.
• 지연 시간이나 오류율 등 다양한 메트릭 유형에 맞춘 여러 탐지 알고리즘을 지원합니다.
• 이상 징후 대역을 시각화하기 위한 사전 구축된 Grafana 대시보드 템플릿이 포함되어 있습니다.
• 확장성이 뛰어나 사용자가 특정 인프라 요구 사항에 따라 사용자 지정 기록 및 알림 규칙을 정의할 수 있습니다.