Forecasting
출처: 문서
본문
Forecasting
OpenSearch의 Forecasting은 Random Cut Forest(RCF) 모델을 사용해 어떤 시계열 필드든 스스로 업데이트되는 신호로 변환해요. RCF는 새 데이터 포인트가 들어올 때마다 점진적으로 업데이트되는 온라인 학습 모델이에요. RCF는 실시간으로 갱신되기 때문에, 비용이 많이 드는 배치 재학습 없이도 기술적 조건의 변화에 즉시 적응해요. 각 모델은 보통 몇백 킬로바이트 수준의 아주 작은 저장 공간만 사용하기 때문에, 컴퓨팅과 저장소 오버헤드 모두 낮게 유지돼요.
Forecasting을 Alerting 플러그인과 함께 사용하면, 예측값이 임계값을 넘을 것으로 예상되는 순간 알림을 받을 수 있어요. {: .note}
대표적인 사용 사례
Forecasting은 다음과 같은 사용 사례에 활용할 수 있어요.
| 도메인 | 예측 대상 | 운영상 이점 |
|---|---|---|
| 예측 정비 | 머신별 미래 온도, 진동, 오류 횟수 | 고장이 나기 전에 부품을 교체해 계획에 없던 다운타임을 피할 수 있어요. |
| 네트워크 예측 | 노드별 미래 처리량, 지연 시간, 연결 수 | 서비스 수준 계약(SLA) 목표를 맞추기 위해 대역폭을 미리 할당해요. |
| 용량 및 비용 최적화 | 마이크로서비스별 미래 CPU, RAM, 디스크 사용량 | 하드웨어를 적정 규모로 조정하고 자동으로 확장해요. |
| 재무 및 운영 계획 | 미래 주문량, 매출, 광고 지출 효율 | 수요 신호에 맞춰 인력과 예산을 운영해요. |