aplicando r al análisis de rendimiento de un servidor

SOLIDQ SUMMIT MADRID 2017

#SQSummit17

Enrique Catalá | Mentor | ecatala@solidq.com | @enriquecatala

Aplicando R al análisis de rendimiento de un servidor

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

La aplicación no

responde

Rendimiento

aleatorio

Métricas

aparéntemente

bien

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Recopilar datos de uso de HW

• Perfmon

Recopiar datos de uso de software (T-SQL y

app .NET)

• XEvents, profiler, AppInsights,…

Analizar manualmente o con

automatizaciones basadas en la experiencia

• PAL, TSQL-CSI-DW, AppInsights Site, …

SOLIDQ SUMMIT MADRID 2017

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Recopilar datos de uso de HW

Recopiar datos de uso de software

(T-SQL y app .NET)

Analizar manualmente o con

automatizaciones basadas en la

experiencia

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Machine

Learning ¿?

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Que un contador de rendimiento esté fuertemente ligado a

otro

Cambios de

comportamiento

relacionados

Cambios de comportamiento extraños o fuera de lo

esperado

Situaciones

anómalas

Esta es la única información que sabemos a ciencia cierta

(nos llamaron para esto, el cliente sabe cuando la app va mal

o bien)

Tramos concretos

con problemas

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Pistas

Que nos ayuden a

focalizar mas rápido

en el problema a

resolver

RapidezNo tardar demasiado

en montar la solución

Automa

tizaciónPoder reutilizar

nuestra magia

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Integración

completa

• SQL Server 2016+

• PowerBI

• Azure

• Interfaz hacia casi

cualquier

lenguaje…

Años de experiencia

algorítmica

• Desde hace

décadas, el

lenguaje de los

investigadores

científicos

Pensado para

análisis estadístico

• Matrices y

vectores se

pueden combinar

estadísticamente

Rendimiento

• Multihilo (MKL)

• Nativo en

SQL2016 EE con

ejecucion a nivel

motor

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Clasificación

• Predicción de

categorias

Regresión

• Predicción de

valores

“futuros”

Detección de

anomalias

• Puntos de

datos

anómalos en

muestras

Ejemplos bien explicados de los algoritmos mas frecuentes:

https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-choice

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

Buscamos un algoritmo que prediga un

contador en base al resto

Regresion

tree

Ganador de multiples competiciones

kaggle.com (Multihilo y preciso)XGBoost

Solo buscamos las características

importantes para predicción, no los valores

Matriz de

importancia

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

SOLIDQ SUMMIT MADRID 2017SOLIDQ SUMMIT MADRID 2017

SOLIDQ SUMMIT MADRID 2017

SOLIDQ SUMMITMADRID 2017

Gracias!