Skip to main content
日本語は機械翻訳による参考訳です。内容に矛盾や不一致があった場合には、英語の内容が優先されます。

Grafana ダッシュボードを導入します

共同作成者
PDF

すべてのデータを導入したら、新しいデータに対して推論を実行します。このモデルは、ネットワークデバイス機器の障害を予測します。予測の結果は、 Iguazio 時系列テーブルに格納されます。Iguazio のセキュリティおよびデータアクセスポリシーと統合されたプラットフォームで、 Grafana を使用して結果を表示できます。

ダッシュボードを導入するには、指定した JSON ファイルをクラスタ内の Grafana インターフェイスにインポートします。

  1. Grafana サービスが実行されていることを確認するには、 Services の下を参照してください。

    入力/出力ダイアログを示す図、または書き込まれた内容を表す図

  2. インスタンスが存在しない場合は、 [ サービス ] セクションからインスタンスを展開します。

    1. [ 新しいサービス ] をクリックします。

    2. リストから Grafana を選択します。

    3. デフォルトを受け入れます。

    4. 次のステップをクリックします。

    5. ユーザ ID を入力します。

    6. [ サービスの保存 ] をクリックします

    7. 上部の [Apply Changes] をクリックします。

  3. ダッシュボードを展開するには、 Jupyter インターフェイスから「 NetopsPredictions - Dashboard.json 」ファイルをダウンロードします。

    入力/出力ダイアログを示す図、または書き込まれた内容を表す図

  4. Services セクションで Grafana を開き、ダッシュボードをインポートします。

    入力/出力ダイアログを示す図、または書き込まれた内容を表す図

  5. Upload `*.json ’ File をクリックして、以前にダウンロードしたファイル (`NetopsPredictions - Dashboard.json ') を選択します。アップロードが完了すると、ダッシュボードが表示されます。

入力/出力ダイアログを示す図、または書き込まれた内容を表す図

デプロイクリーンアップ機能

大量のデータを生成する場合は、すべてをクリーンで整理することが重要です。これを行うには 'cleanup.ipynb' ノートブックを使用してクリーンアップ機能を配備します

利点

ネットアップと Iguazio は、 Kubeflow 、 Apache Spark 、 TensorFlow などの必須フレームワークや、 Docker や Kubernetes などのオーケストレーションツールを構築することで、 AI アプリケーションや ML アプリケーションの導入を迅速化し、簡易化します。ネットアップと Iguazio は、エンドツーエンドのデータパイプラインを統合することで、多くの高度なコンピューティングワークロードに固有のレイテンシと複雑さを軽減し、開発と運用のギャップを効果的に解消します。データサイエンティストは、大規模なデータセットに対してクエリを実行し、トレーニングフェーズ中にデータやアルゴリズムのモデルを権限のあるユーザと安全に共有できます。コンテナ化されたモデルを本番環境で使用できるようになったら、開発環境から運用環境に簡単に移行できます。