Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Merge pull request #16966 from newrelic/translations-382fab1b
Updated translations - (machine translation)
- Loading branch information
Showing
24 changed files
with
3,686 additions
and
266 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
119 changes: 119 additions & 0 deletions
119
...plied-intelligence/anomaly-detection/anomaly-detection-applied-intelligence.mdx
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,119 @@ | ||
--- | ||
title: Detecção de anomalias com inteligência aplicada | ||
tags: | ||
- Alerts and applied intelligence | ||
- Applied intelligence | ||
- Proactive detection | ||
metaDescription: Learn how anomaly detection in New Relic notifies you of unusual app behavior. Get notified in Slack or set up a custom webhook. | ||
freshnessValidatedDate: never | ||
translationType: machine | ||
--- | ||
|
||
import anomalyDashboard from 'images/alerts_screenshot-full_anomaly-dashboard.webp' | ||
|
||
Com a detecção de anomalias da inteligência aplicada, a New Relic <InlinePopover type="alerts"/>protege sua equipe de qualquer comportamento incomum instantaneamente. A New Relic usa inteligência aplicada para observar constantemente seu aplicativo. Usamos essas informações para determinar o desempenho baseline ou esperado do seu aplicativo. Sempre que o comportamento se desvia da baseline, sabemos imediatamente e alertamos sua equipe para que você possa solucionar quaisquer erros com rapidez e eficiência. | ||
|
||
Existem dois tipos de detecção de anomalias na New Relic: [personalizada](/docs/alerts-applied-intelligence/applied-intelligence/anomaly-detection/custom-anomalies/) e [automática](/docs/alerts-applied-intelligence/applied-intelligence/anomaly-detection/automatic-anomalies/). Saiba qual detecção de anomalia é adequada para cada situação que sua equipe gostaria de monitor e como implementar a detecção de anomalia em seu sistema. | ||
|
||
<img | ||
title="A screenshot of the anomaly dashboard in the New Relic UI" | ||
alt="A screenshot of the anomaly dashboard in the New Relic UI" | ||
src={anomalyDashboard} | ||
/> | ||
|
||
<figcaption> | ||
Vá para <DoNotTranslate>**[one.newrelic.com > All capabilities](https://one.newrelic.com/all-capabilities) > Alerts & AI**</DoNotTranslate>. Clique na guia <DoNotTranslate>**Anomalies**</DoNotTranslate> para ver o dashboard onde sua equipe pode monitor qualquer comportamento incomum em seu sistema. | ||
|
||
</figcaption> | ||
|
||
## Como usamos anomalia [#anomalies-in-use] | ||
|
||
Na New Relic, nossos próprios desenvolvedores sabem como é importante monitor a integridade do nosso aplicativo. Queremos que nossos clientes tenham acesso aos dados de que precisam sempre que precisarem, por isso nossa equipe precisa estar alerta caso haja alguma discrepância no desempenho de nosso sistema. A detecção de anomalias do New Relic utiliza inteligência aplicada para monitor três principais sinais clássicos: taxas de transferência, taxas de erros e latência. Com a detecção de anomalias, nossos desenvolvedores monitor o desempenho baseline dessas métricas. | ||
|
||
Então, digamos que em uma tarde haja um aumento no tempo de resposta e nossos clientes demorem mais do que o normal para acessar a página inicial. a detecção de anomalia sinalizará esse comportamento anômalo porque nossos dados de métrica de latência se desviaram de sua baseline. Isso não significa necessariamente que haja um problema, apenas indica que a IA registrou algo fora do comum em nosso sistema e que devemos analisar mais profundamente. | ||
|
||
Monitor esse comportamento incomum de algumas maneiras. Primeiro, nossa equipe usa o dashboard de anomalias para que possamos ver o que mudou e quando. | ||
|
||
## Existem dois tipos de detecção de anomalias: automática e personalizada | ||
|
||
[As anomalias automáticas](/docs/alerts-applied-intelligence/applied-intelligence/anomaly-detection/automatic-anomalies/) são a maneira mais eficiente para sua equipe aprender sobre comportamentos incomuns em seu aplicativo monitor APM. A detecção automática de anomalias é uma ferramenta prática que sua equipe pode implementar para garantir que você seja notificado no momento em que o comportamento em seu aplicativo se desviar da baseline. Você pode usar a anomalia automática para identificar a origem do problema e tomar as medidas apropriadas para que seu sistema volte a funcionar sem problemas. | ||
|
||
[Anomalia personalizada](/docs/alerts-applied-intelligence/applied-intelligence/anomaly-detection/custom-anomalies/) permite maior configurabilidade para sua equipe. Custom fornece à sua equipe a capacidade de alertar sobre qualquer condição NQRL e ajustar e otimizar seu limite. As anomalias personalizadas também usam as mesmas configurações de ajuste avançado dos alertas estáticos, para que você possa garantir que sua equipe veja apenas o incidente de anomalia importante para você. | ||
|
||
<table> | ||
<thead> | ||
<tr> | ||
<th style={{ width: "200px" }}> | ||
Opção | ||
</th> | ||
|
||
<th> | ||
Nível de automação | ||
</th> | ||
|
||
<th> | ||
Quando usar | ||
</th> | ||
|
||
<th> | ||
Cobertura | ||
</th> | ||
</tr> | ||
</thead> | ||
|
||
<tbody> | ||
<tr> | ||
<td> | ||
Estático | ||
</td> | ||
|
||
<td> | ||
Totalmente configurável | ||
</td> | ||
|
||
<td> | ||
Quando você precisa definir um limite único para todos os seus dados. | ||
</td> | ||
|
||
<td> | ||
Toda entidade, todos os sinais | ||
</td> | ||
</tr> | ||
|
||
<tr> | ||
<td> | ||
Anomalia (configurável) | ||
</td> | ||
|
||
<td> | ||
Semiautomático | ||
</td> | ||
|
||
<td> | ||
Quando você deseja aprender automaticamente tendências em seus dados, mas ter controle sobre o limite | ||
</td> | ||
|
||
<td> | ||
Toda entidade, todos os sinais | ||
</td> | ||
</tr> | ||
|
||
<tr> | ||
<td> | ||
Anomalia automática | ||
</td> | ||
|
||
<td> | ||
Completamente automático | ||
</td> | ||
|
||
<td> | ||
Quando você deseja um amplo entendimento das mudanças nas principais métricas do seu aplicativo e serviços sem necessidade de configuração. As tendências e os limites dos dados são determinados automaticamente por meio de nosso mecanismo de aprendizado de máquina. | ||
</td> | ||
|
||
<td> | ||
<InlinePopover type="apm"/>entidade, sinais clássicos | ||
</td> | ||
</tr> | ||
</tbody> | ||
</table> |
Oops, something went wrong.