Hace unas semanas encontré un hueco para echar un vistazo a dos componentes recientemente desplegados en Azure que implementan Inteligencia Artificial y me resultaron especialmente interesantes, pues dan cobertura a varios casos de uso que llevaba tiempo tratando de optimizar. El primero fue Azure Cognitive Servicies Spatial Analysis y el segundo, del que trataré en esta entrada, es Azure Metrics Advisor.
Hace un tiempo, escribí acerca de cómo todas las soluciones y desarrollos de AIOps están ayudando a los equipos de IT a controlar sus infraestructuras gracias a la monitorización, y automatización de respuestas, ya sea mediante reglas, o gracias al empleo de Inteligencia Artificial. Esto es especialmente útil en empresas que disponen de un reducido equipo de IT, puesto que les libera de multitud de tareas que pueden ser automatizadas y así les permite estar disponibles para atender otros muchos requerimientos empresariales. Es decir, ser más eficientes.
Ahora entenderás porqué Azure Metrics Advisor me resulta tan interesante. Si vamos a la página de la documentación Microsoft, podemos leer: «El servicio automatiza el proceso de aplicación de modelos a los datos y proporciona un conjunto de API y un área de trabajo basada en web para la ingesta de datos, la detección de anomalías y los diagnósticos, sin necesidad de conocer el aprendizaje automático. Los desarrolladores pueden crear aplicaciones de AIOps, mantenimiento de predictivo y supervisión empresarial basadas en el servicio«. Es decir, Microsoft nos está allanando el camino para el desarrollo de soluciones de AIOps, genial!
Así pues, vamos a realizar una primera aproximación y salir de dudas en cuanto a las capacidades que ofrece.
Lo primero que llama la atención es que únicamente está disponible un Price Tier y que como almacenamiento requiere una base de datos PostgreSQL
Como para cualquier otro servicio de Azure, incluimos las etiquetas y pasamos la validación antes de presionar «Create». Merece la pena mencionar que se nos informa sobre que el despliegue normalmente emplea 10 minutos, pero que se puede demorar hasta cerca de 60.
Por lo tanto, mientras que se despliega el servicio, y sabiendo el porqué es importante el nuevo componente de Microsoft, vamos a tratar de entender cómo funciona Azure Metrics Advisor y qué hace.
¿Cómo?
Cuando nuestro equipo de IT despliega componentes en Azure, muchos de ellos disponen de servicios de Logs donde almacenan toda la información referente a su propio desempeño, incluyendo infinidad de medidas que nos permiten analizar rendimientos, cuellos de botella, estado de los servicios, etc. Ahora imaginemos que nuestro equipo tiene todos estos datos monitorizados a través de un conjunto de informes, por ejemplo en Power Bi y que emplean parte de su tiempo en analizar la información. La forma en la que nuestro equipo de IT actuaría frente a cualquier incidencia sería totalmente reactiva, mientras que si esos mismos datos son tratados mediante modelos de detección de anomalías, nos permitirán adoptar una posición proactiva, a través de la automatización de acciones en tiempo real. ¡Entiendes ahora porqué son tan importante todas estas soluciones!
Alguien podrá advertir que los modelos de detección de anomalías son servicios de Microsoft, a lo que hay que contestar, «cierto», pero además hay que comentar algo como: «y quién mejor que Microsoft para entrenar un modelo de detección de anomalías, si ellos disponen de los datos de todos tus recursos y los de miles de organizaciones desplegados en su Cloud». Es decir, Microsoft nos ofrece un sistema de Inteligencia Artificial validado por ellos y de muy fácil implementación.
¿Qué?
Ahora ya conocemos el cómo lo hace, nos queda saber qué hace para ayudar al equipo de IT en su día a día.
- Recopilar datos desde los distintos recursos vinculados
- Utilizar modelos de detección de anomalías construidos por ellos
- Enviar alertas de las incidencias
- Articular respuestas
- Permitir el análisis de los datos para identificar la causa principal
Terminada la parte de explicación de Azure Metrics Advisor, continuemos con la parte práctica. Para ello, vamos hasta el recurso una vez terminado el despliegue y comenzamos. Lo primero es copiar la url del Web Portal disponible en el overview del servicio.
Una vez allí, seleccionamos los valores correctos para los campos por defecto y pulsamos sobre «Get started«.
Una vez accedemos al portal, vemos que se trata de una aplicación muy bien construida y que nos ayuda a continuar con el proceso.
En este caso, vamos a utilizar el itinerario de «On board my first data feed«, así pues lo primero es seleccionar como source type Azure SQL Database | SQL Server. Para la granularidad, elegiré Daily y como primera fecha de datos, tomaré el 23/01/2022.
Además de estos pasos iniciales, hay que incluir la cadena de conexión, incluir la query con los datos que quieras monitorizar, validar el conjunto de datos, definir qué campos son medidas, dimensiones o incluso excluirlos. También hay que configurar si quieres ejecutar algún tipo de agregación, por ejemplo SUM o COUNT, vamos que pasas un rato entretenido 😉
En el ejemplo, quedaría algo así:
Una vez completados todos los procesos de nuestro ejemplo, podremos saltar al espacio de «Incident Hub«, donde observar un resumen general de nuestro primer data feed.
En este primer data feed de ejemplo, observamos que nos aparecen varias anomalías detectadas. También disponemos de la opción de seleccionar que herramienta de análisis utilizar para realizar un seguimiento específico, por ejemplo utilizando Time-series clustering.
A continuación, modificaríamos la parte de detección de anomalías desde el panel ofrecido para ello.
Y por último, en esta entrada, la configuración de alertas. Siendo lo primero configurar el servicio a través del cual vas a comunicar las alertas. En mi caso, Team. Para ello, voy al canal a emplear y desde ahí pulso sobre «…» y accedo a conectores, para seleccionar Webhook entrante
Una vez incorporado, debemos configurarlo y copiar la url que deberemos incluir en nuestro portal de Azure Metrics Advisor de cara a habilitar el servicio de mensajería.
Ahora sólo queda configurar el Webhook con los datos previos y seguir.
Aquí está, completado!
Verificamos que estamos recibiendo los mensajes en nuestro canal de Teams
Saltamos ahora a configurar nuestras alertas, para ello utilizamos el formulario existente y completamos la información que se requiere.
Y ya estaría nuestra primera alerta configurada.
Ahora queda esperar para ver cómo se articula la automatización del proceso de notificación. Mientras esperamos, accederé de nuevo al hub de incidentes para incluir una captura de pantalla de la información disponible.
Interesante, ¿verdad? Pues ahora que ya hemos visto algunas de las posibilidades de Azure Metrics Advisor, imagina lo que se podría construir disponiendo de un caso de uso del equipo de IT de tu organización y las ventajas de automatizar dichas acciones, ya sean notificando a través de Outlook o Teams, como creando un Webhook que ejecute múltiples acciones.
CONCLUSIÓN
Cada día, la Inteligencia Artificial suma un nuevo caso de uso, lo que se traduce en que es una tecnología que abarca todas las áreas y por lo tanto impacta a todas la organizaciones. En el ejemplo de hoy, hemos visto como la IA ayuda a los equipos de IT a optimizar sus tareas a través de Azure Metrics Advisor, un «sencillo» componente desplegado en Azure, dotado de IA y que conectado a otras herramientas del ecosistema Microsoft, nos hace el día a día más sencillo.
En el futuro veremos como este componente evoluciona hacia un sistema robusto de AIOps, con lo que ahora es el momento de actuar y empezar a configurar tus múltiples recursos en Azure Metrics Advisor, para entender en profundidad cómo extraer el máximo beneficio empresarial. Nosotros ya estamos en ello 😉
REFERENCIAS
Consultado el 28 de febrero de 2022, https://docs.microsoft.com/es-es/azure/applied-ai-services/metrics-advisor/
Consultado el 28 de febrero de 2022, https://docs.microsoft.com/es-es/azure/automation/
Foto de portada gracias a RODNAE Productions en Pexels
Alb3rto Alonso 
Reblogueó esto en El Bruno.
Me gustaMe gusta