時序分析指南

引導您如何使用時序分析功能分析基礎設施的歷史數據，從而預測未來負載並檢測異常跡象。

📈 前往時序分析 →

📋 概述

時序分析按時間順序分析從伺服器或資料庫收集的各種指標（CPU、記憶體、流量等）。通過它，您不僅可以查看目前狀態，還能提前掌握特定事件發生時的負載模式或未來的資源短缺時間點。

📊 核心分析功能

1. 動態圖表與對比分析

• 自定義時間範圍: 按小時、日、週、月查詢數據，並可放大 (Zoom-in) 特定時間點進行詳細分析。
• 多指標對比: 將 CPU 使用率和網絡流量重疊在同一個圖表中，分析它們之間的相關性。

2. 基於 AI 的負載預測 (Prediction)

基於過去 30 天的數據預測未來 7 天的使用趨勢。這有助於您提前計劃何時需要擴容伺服器。

3. 異常檢測 (Anomaly Detection)

自動感應超出統計學正常範圍的數值驟變。這對於識別服務故障的前兆或安全攻擊（如 DDoS）非常有效。

🛠️ 使用方法

1. 進入 GIIP [分析與報告] > [時序分析] 菜單。
2. 選擇要分析的 對象（伺服器/服務組） 和 指標 (Metric)。
3. 點擊圖表上方的 [AI Prediction] 按鈕應用預測模型。

💡 技巧

• 故障回顧: 將發生故障的日誌時間點與時序圖表進行對比，確認故障原因是資源不足還是軟件邏輯問題。
• 成本優化: 找出使用率持續處於低位的資源，並根據

  cost-optimization

  指南縮小資源規格。

API 參考

有關此功能的 API 詳細規格，請參閱單獨的指南。

📘 監控 API 指南

疑難排解

症狀	原因	解決方法
圖表為空，不顯示任何數據	所選對象/指標或時間段沒有採集到指標	選擇已採集數據的對象（伺服器/服務組）和指標，並調整查詢時間段。
點擊 [AI Prediction] 按鈕後沒有預測結果	缺少預測所需的過去 30 天數據	等待累積足夠的歷史數據（約 30 天）後再試。
異常檢測告警過多（誤報）	指標波動較大，導致正常範圍計算得過窄	擴大分析時間段使基線穩定後再確認。
疊加多個指標後圖表難以閱讀	將取值範圍（Scale）差異很大的指標疊加在一起	比較範圍相近的指標，或單獨查看各個指標。

---

版本: 1.0 最後更新: 2026-03-19 源文件:

giipv3/public/help/timeseries-analysis.zh-TW.md