IBM Z Anomaly Analytics est un logiciel qui permet la détection intelligente des anomalies afin d’identifier de manière proactive les problèmes opérationnels dans votre environnement d’entreprise.
IBM Z Anomaly Analytics utilise le journal IBM Z historique et les données d’indicateurs pour créer un modèle de comportement opérationnel normal. Les données en temps réel sont ensuite évaluées par rapport au modèle afin de détecter et d’alerter les opérations informatiques en cas de comportement anormal.
Dans l’environnement numérique d’aujourd’hui, vos services et applications essentiels doivent toujours être disponibles. Pour les entreprises dotées d’applications hybrides qui incluent IBM Z, la détection et la détermination de l’origine des problèmes liés aux applications hybrides sont devenues plus difficiles en raison de l’augmentation des coûts, de la pénurie de compétences et de l’évolution des modèles d’utilisation.
Résumé des modifications et des fonctionnalités de Z Anomaly Analytics
Créez un modèle de fonctionnement normal pour votre environnement en prenant en compte ses sous-systèmes IBM Z (comme Db2, CICS, MQ, IMS et z/OS) ainsi que les données de journaux IBM Z.
Analysez les données opérationnelles en temps réel par rapport au modèle des opérations normales pour détecter les comportements anormaux, et filtrez les données non critiques pour avancer, revenir en arrière et zoomer dans des intervalles de temps spécifiques.
Pour identifier de manière proactive les incidents susceptibles d’entraîner une interruption de l’activité, les opérations informatiques reçoivent des notifications signalant un comportement anormal.
Obtenez des informations sur les comportements anormaux avec un contexte topologique pour isoler rapidement l’activité anormale et interpréter son impact.
Lorsqu’elle est intégrée à IBM Cloud Pak for Watson AIOps, la corrélation des événements d’anomalie et de la topologie avec les événements et les données de l’entreprise aide à comprendre les impacts des applications hybrides et permet une résolution rapide des incidents.
Détectez les anomalies dans les données d’indicateurs des types d’enregistrement SMF (System Management Facilities) z/OS et dans les données de journal des types d’enregistrement de journal IBM IMS.
Lorsque les journaux s’écartent des schémas de fréquence, d’occurrence ou de séquence de messages habituels, ils présentent des anomalies. Le serveur d’analyse des problèmes inclus visualise les anomalies basées sur les messages ainsi que celles basées sur les indicateurs. Les utilisateurs peuvent rapidement examiner les détails d’une anomalie déclenchée afin d’en déterminer l’impact potentiel.
Le service de topologie observée aide les utilisateurs à visualiser et à corréler rapidement les activités anormales dans leurs sous-systèmes et leurs applications z/OS. Lorsqu’il utilise les événements et la topologie IBM Z pour Watson AIOps, IBM Cloud Pak les met en corrélation avec les événements du reste de l’entreprise. Cela permet aux utilisateurs de déterminer rapidement l’impact des incidents et l’origine des problèmes opérationnels dans leurs applications hybrides.
Découvrez le flux de données entre les composants d’IBM Z Anomaly Analytics.
Fournit l’infrastructure permettant d’accéder aux données opérationnelles informatiques à partir des systèmes z/OS.
Détecte les anomalies dans les données de journal du système z/OS.
Détecte les anomalies dans les données d’indicateurs à partir des types d’enregistrements.
Fournit des informations sur un ensemble défini de problèmes potentiels dans votre environnement informatique.
Assurez-vous que votre environnement répond à la configuration système requise pour le déploiement des conteneurs logiciels d’IBM Z Anomaly Analytics sur un système Linux ou z/OS.
Déployez vos modèles d’IA sur z/OS pour des informations métier en temps réel et à l’échelle.
Bénéficiez d’analyses à grande vitesse des données de votre entreprise pour obtenir des informations en temps réel sous le contrôle et la sécurité d’IBM Z.
Accélérez l’identification des incidents des systèmes hybrides grâce à des analyses opérationnelles en temps quasi réel.