A/B-гипотезы о предсказании инцидентов производительности
Гипотеза 1. Аномалии профиля → повышение риска инцидента Нулевая гипотеза (H₀): Частота инцидентов в течение заданного окна (например, 30 минут) не отличается между периодами, где профиль нагрузки аномален (Z‑оценка ≥ порога), и периодами, где отклонений нет. Альтернативная гипотеза (H₁): В периоды с аномалиями профиля частота инцидентов значимо выше, чем в нормальных периодах.
Гипотеза 2. Увеличение энтропии профиля предшествует инцидентам H₀: Изменение энтропии (разность между текущим значением и средним за эталонный период) не связано с последующими инцидентами. H₁: Положительное изменение энтропии (рост хаоса) увеличивает вероятность инцидента в ближайшие T минут.
Гипотеза 3. Снижение доли self‑loop (петель) сигнализирует о нестабильности H₀: Доля переходов из состояния в себя (self‑loop) не коррелирует с будущими инцидентами. H₁: Уменьшение доли self‑loop (активные переключения между состояниями) предшествует инцидентам.
Гипотеза 4. Аномалии в гистограмме состояний (изменение распределения) предшествуют инцидентам H₀: Расстояние (например, KL-дивергенция) между текущей гистограммой состояний и эталонной не связано с будущими инцидентами. H₁: Увеличение KL-дивергенции (или других мер различия распределений) указывает на повышенный риск инцидента.
📋Эксперименты показывают, что профиль нагрузки действительно меняется перед инцидентами, но эти изменения не сводятся к одному направлению.
