Модель Evidence і кореляція

Незмінна модель Evidence з оцінюванням якості та механізм кореляції, який пов’язує споріднені симптоми з імовірною першопричиною і явно вказує рівень упевненості.

Модель Evidence

Що таке Evidence

Evidence — структурований доказ, на підставі якого система створює, оновлює або верифікує Issue.

Evidence може бути:

  • автоматично розрахованим;
  • отриманим від пристрою;
  • імпортованим із зовнішньої системи;
  • доданим користувачем;
  • сформованим профільним звітом;
  • долученим у вигляді документа, фото або коментаря.

Структура Evidence

Типи Evidence

ТипПриклад
detector_findingрезультат детектора
telemetry_sampleфрагмент телеметрії
archive_windowзведення за архівний період
event_logжурнал подій пристрою
configuration_snapshotзнімок конфігурації
operator_commentкоментар диспетчера
field_reportакт або звіт польової бригади
photoфотографія обладнання
external_ticketпосилання на зовнішню заявку
verification_resultпідтвердження усунення
root_cause_confirmationпідтвердження першопричини
knowledge_applicationзастосування статті бази знань

Якість Evidence

Для кожного Evidence розраховується якість:

Qevidence=wcC+wfF+wsS+wtTQ_{evidence} = w_c C + w_f F + w_s S + w_t T

де:

  • CC — повнота;
  • FF — актуальність;
  • SS — узгодженість;
  • TT — довіра до джерела;
  • wc+wf+ws+wt=1w_c + w_f + w_s + w_t = 1.

Рекомендовані базові ваги:

КомпонентВага
wcw_c — повнота0.30
wfw_f — актуальність0.25
wsw_s — узгодженість0.25
wtw_t — довіра до джерела0.20

Результат нормується в діапазон від 0 до 1.

Незмінність Evidence

Первинне Evidence ніколи не редагується заднім числом. Виправлення створює нову версію або окреме коригувальне Evidence.

Це забезпечує:

  • можливість аудиту;
  • відтворюваність;
  • захист історії;
  • коректний розгляд спірних випадків;
  • можливість повторного розрахунку.

Кореляція подій і Root Cause

Завдання кореляції

Кореляція запобігає створенню безлічі незалежних Issues на одну й ту саму технічну причину.

Система аналізує:

  • збіг активу;
  • часову близькість;
  • топологічну залежність;
  • спільну прошивку;
  • спільний шлюз;
  • спільного оператора зв’язку;
  • спільний регіон;
  • спільну серверну чергу;
  • послідовність симптомів;
  • історичні зв’язки;
  • підтверджені root causes минулих випадків.

Рівні кореляції

У межах одного активу

Кілька симптомів об’єднуються навколо основного Canon.

flowchart TD
  A["stale_communication"] --> C{"Кореляція в межах активу"}
  B["no_hourly_archive"] --> C
  D["battery_unknown"] --> C
  C --> R["Головний Issue stale_communication"]
  C --> S1["Вторинний сигнал no_hourly_archive"]
  C --> S2["Вторинний сигнал battery_unknown"]

Між активами

Подібні проблеми групуються в масовий інцидент.

flowchart TD
  A["38 пристроїв"] --> G{"Групування"}
  B["Одна версія прошивки"] --> G
  C["Одне часове вікно"] --> G
  D["Один тип збою"] --> G
  G --> M["Massive Incident firmware_regression"]

За залежністю

Проблеми дочірніх пристроїв пов’язуються з відмовою спільного компонента.

flowchart TD
  A["Gateway-17 недоступний"] --> B["12 коректорів без зв’язку"]
  B --> C["12 архівів не доставлено"]
  C --> D["Один інцидент залежності"]

Оцінка зв’язку (Correlation Score)

Для оцінювання сили зв’язку використовується пояснювана модель:

Scorr=waA+wtT+wpP+wcC+whHS_{corr} = w_a A + w_t T + w_p P + w_c C + w_h H

де:

  • AA — збіг активу або залежності;
  • TT — часова близькість;
  • PP — збіг патерну;
  • CC — спільний контекст;
  • HH — історична підтвердженість зв’язку.

Приклад ваг:

ФакторВага
AA — збіг активу або залежності0.30
TT — часова близькість0.20
PP — подібність патерну0.20
CC — спільний контекст0.15
HH — історична підтвердженість0.15

Поріг об’єднання задається окремо для кожного класу проблем. Для критичних security-сигналів допускається консервативніший поріг.

Класи Root Cause

OHM використовує керований довідник першопричин:

КласПриклади
Powerбатарея, живлення, перетворювач
Communicationмережа, SIM, сигнал, оператор
Firmwareрегресія, несумісність
Configurationпомилковий параметр
Registryдублікат, ghost, неправильна прив’язка
Sensorвідмова, дрейф, залипання показань
Meteringметрологічна проблема
Infrastructureсервер, черга, шлюз
IntegrationAPI, формат, mapping
Humanпомилка дії або процесу
Environmentтемпература, волога, зовнішній вплив
Securityпорушення цілісності або доступу
Externalстороння система або постачальник
Unknownнедостатньо даних

Статуси Root Cause

СтатусЗначення
hypothesisавтоматично запропонована гіпотеза
under_investigationгіпотеза перевіряється
probableпідтверджена кількома незалежними ознаками
confirmedпідтверджена уповноваженим користувачем і Evidence
rejectedгіпотезу відхилено
unknownпершопричину не встановлено

Упевненість у Root Cause

Упевненість у гіпотезі розраховується за сукупністю доказів:

Croot=i=1nriqiaii=1nriKindependenceC_{root} = \frac{ \sum_{i=1}^{n} r_i q_i a_i }{ \sum_{i=1}^{n} r_i } \cdot K_{independence}

де:

  • rir_i — надійність детектора або джерела;
  • qiq_i — якість Evidence;
  • aia_i — узгодженість Evidence з гіпотезою;
  • KindependenceK_{independence} — коефіцієнт незалежності джерел.

Якщо кілька Evidence походять з одного й того самого вихідного набору даних, вони не вважаються повністю незалежними.

Операційна впевненість (Operational Confidence)

Operational Confidence показує, наскільки система впевнена, що Issue є реальною та правильно класифікованою проблемою.

Cissue=wdD+weE+wrR+whHwxXC_{issue} = w_d D + w_e E + w_r R + w_h H - w_x X

де:

  • DD — надійність детекторів;
  • EE — якість Evidence;
  • RR — узгодженість кореляції;
  • HH — історична підтверджуваність;
  • XX — штраф за суперечності та брак даних.

Інтерпретація:

ConfidenceРівеньДія
≥ 0.85високийавтоматичне створення actionable Issue
0.65–0.85достатнійстворення Issue зі звичайним triage
0.40–0.65обмеженийпотрібна перевірка
< 0.40низькийаналітичний сигнал, автоматичні дії заборонені

Пов'язані теми

Чи була ця сторінка корисною?