V1001
— amd.proserverdns.com
✅ Normal
144.79.133.61 · Last updated: 2026-08-13 04:20:00 PM
Health Score
95
/100
🤖 AI সারসংক্ষেপ Real-time

✅ স্বাভাবিক: V1001 সুস্থভাবে চলছে। CPU ব্যবহার 33.25% — স্বাভাবিক। পরবর্তী ৫ মিনিটে 34.68% থাকবে। RAM ব্যবহার 57.96% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 58.06% থাকবে। সুপারিশ: কোনো পদক্ষেপ প্রয়োজন নেই। সিস্টেম স্বাভাবিক।

⚡ Real-time Resource Status
Live · Auto-refresh 30s
🖥 CPU Usage
33.25%
Next: 34.68%
Threshold: 44.46%
💾 RAM Usage
57.96%
Next: 58.06%
Threshold: 70.58%
⚙️ Load Average
2.14
Score: 0/100
Net ↓77.59 ↑44.46 Kbps
🔍 LSTM Anomaly
✅ Normal
Score: 0.7355
AE Error: 0.004281
🔬 LSTM Model Evaluation — Anomaly Detection
📖 LSTM Autoencoder কীভাবে কাজ করে

LSTM Autoencoder প্রথমে শুধু "স্বাভাবিক" সার্ভার behavior (CPU < 75th percentile) দিয়ে train হয়। এরপর যখন "অস্বাভাবিক" ডেটা আসে, model সেটা ঠিকমতো reconstruct করতে পারে না — ফলে Reconstruction Error (AE Error) বেড়ে যায়। এই error যদি threshold (95th percentile) ছাড়িয়ে যায়, সিস্টেম anomaly alert দেয়।

CPU RMSE
5.6780%
After online learning
RAM RMSE
2.9948%
After online learning
Training Samples
28,752
5-min aggregated
Current AE Error
0.004281
✅ Below threshold
AE Error vs Threshold Visualization
Current AE Error
0.004281
Threshold (95%)
~0.003-0.006
📌 যদি Current AE Error > Threshold → Anomaly detected · শেষ retrain: 2026-08-13 09:47 AM
📈 CPU & RAM ইতিহাস (শেষ ৫ ঘণ্টা)
60 data points
🎯 Prediction vs Actual (শেষ ২০টি)
CPU avg err: 5.95% · RAM avg err: 0.87%
🖥 CPU Forecast
💾 RAM Forecast
📖 XGBoost Forecasting কীভাবে কাজ করে

XGBoost মডেল ২৫টি engineered feature ব্যবহার করে পরবর্তী ৫ মিনিটের CPU/RAM predict করে। এর মধ্যে আছে: Kalman-filtered signal, rolling mean/max/std (৩০ ও ৬০ মিনিট), lag values (৫-৬০ মিনিট আগের), load-per-core ratio, এবং time features (hour, day of week)। Naive persistence baseline-এর চেয়ে ~১৮% কম RMSE অর্জন করেছে।

সময়Pred CPUActual CPUErrorPred RAMActual RAMError
08:40:00 27.39% 22.71% 4.68% 55.7% 56.88% 1.18%
08:45:00 23.54% 30.32% 6.77% 56.31% 57.05% 0.74%
08:50:00 30.9% 23.79% 7.11% 56.48% 56.83% 0.35%
08:55:00 24.27% 23.21% 1.06% 56.48% 57.93% 1.45%
09:00:00 25.89% 33.08% 7.2% 57.35% 57.87% 0.52%
09:05:00 33.71% 28.95% 4.75% 57.31% 57.78% 0.47%
09:10:00 29.2% 25.22% 3.98% 57.53% 57.58% 0.05%
09:15:00 26.84% 20.96% 5.88% 57.45% 57.47% 0.02%
09:20:00 23.01% 25.85% 2.84% 57.55% 57.17% 0.38%
09:25:00 27.04% 25.17% 1.87% 57.39% 57.53% 0.14%
09:30:00 26.11% 45.56% 19.45% 57.57% 62.64% 5.07%
09:35:00 39.75% 44.4% 4.65% 60.52% 59.34% 1.18%
09:40:00 38.9% 39.8% 0.9% 58.46% 58.14% 0.32%
09:45:00 34.87% 33.51% 1.36% 58.38% 58.27% 0.11%
09:50:00 33.42% 35.93% 2.51% 58.06% 56.66% 1.4%
09:55:00 34.44% 59.93% 25.48% 56.88% 58.56% 1.68%
10:00:00 54.73% 48.87% 5.86% 58.59% 57.24% 1.35%
10:05:00 45.04% 39.39% 5.65% 57.59% 57.39% 0.2%
10:10:00 37.55% 39.55% 2.0% 57.76% 57.28% 0.48%
10:15:00 38.25% 33.25% 5.0% 57.6% 57.96% 0.36%
🔍 Anomaly Detection ইতিহাস
📖 Anomaly Score ব্যাখ্যা

AE Error = LSTM Autoencoder-এর reconstruction loss (MSE)। Score 0.0 → Normal, Score 1.0 → Maximum Anomaly। Score > threshold_95 হলে anomaly alert। প্রতিটি ইভেন্ট database-এ log হয় এবং Telegram-এ notify করে।

সময়CPURAMAE ErrorThresholdAction
2026-08-12 10:39 30.62% 61.07% 0.009988 0.004769 SCALE_UP_SOON
2026-08-08 17:26 27.6% 51.95% 0.004876 0.004769 SCALE_UP_SOON
2026-08-08 00:14 30.39% 58.65% 0.010293 0.004769 SCALE_UP_SOON
2026-08-04 20:50 23.04% 67.35% 0.007930 0.004769 SCALE_UP_SOON
2026-08-04 20:45 18.36% 65.55% 0.006082 0.004769 SCALE_UP_SOON
2026-08-04 20:40 15.8% 69.07% 0.006099 0.004769 SCALE_UP_SOON
2026-08-04 20:35 25.54% 70.07% 0.007007 0.004769 SCALE_UP_SOON
2026-08-04 20:30 23.01% 68.39% 0.008667 0.004769 SCALE_UP_SOON
2026-08-04 20:25 24.65% 67.98% 0.008839 0.004769 SCALE_UP_SOON
2026-08-04 20:20 38.51% 68.99% 0.005001 0.004769 SCALE_UP_NOW
2026-08-04 20:10 55.85% 68.15% 0.004797 0.004769 SCALE_UP_NOW
2026-07-28 04:41 13.85% 47.18% 0.011732 0.004769 SCALE_UP_SOON
2026-07-23 23:50 8.86% 41.99% 0.005573 0.004769 SCALE_UP_SOON
2026-07-23 23:49 12.61% 40.1% 0.005276 0.004769 SCALE_UP_SOON
2026-07-23 23:43 19.53% 39.11% 0.006632 0.004769 SCALE_UP_SOON
2026-07-23 22:50 14.99% 34.6% 0.019041 0.004769 SCALE_UP_SOON
2026-07-23 21:25 19.3% 42.92% 0.027740 0.004769 SCALE_UP_SOON
2026-07-21 13:00 29.59% 50.31% 0.006158 0.004769 SCALE_UP_NOW
2026-07-21 12:25 12.99% 50.11% 0.005198 0.004769 SCALE_UP_SOON
2026-07-21 05:38 13.28% 50.8% 0.011519 0.004769 SCALE_UP_SOON
2026-07-21 05:22 21.22% 49.38% 0.014220 0.004769 SCALE_UP_SOON
2026-07-21 05:16 26.68% 50.13% 0.019547 0.004769 SCALE_UP_SOON
2026-07-21 05:13 28.2% 50.5% 0.015843 0.004769 SCALE_UP_SOON
2026-07-21 05:05 25.64% 50.28% 0.008682 0.004769 SCALE_UP_SOON
2026-07-21 05:00 40.53% 51.06% 0.005484 0.004769 SCALE_UP_NOW
2026-07-21 04:55 40.74% 51.65% 0.005425 0.004769 SCALE_UP_NOW
2026-07-21 03:57 19.84% 49.72% 0.006340 0.004769 SCALE_UP_SOON
2026-07-21 03:51 18.14% 50.72% 0.007857 0.004769 SCALE_UP_SOON
2026-07-21 03:45 21.88% 49.19% 0.004649 0.001590 SCALE_UP_SOON
2026-07-21 03:40 12.69% 50.11% 0.002887 0.001590 SCALE_UP_SOON
🤖 Model তথ্য ও Online Learning
CPU RMSE
5.6780%
After online learning
RAM RMSE
2.9948%
After online learning
Training Samples
28,752
5-min aggregated
শেষ Retrain
2026-08-13 09:47 AM
Auto every 3h
📖 Online Learning কীভাবে কাজ করে

প্রতি ৩ ঘণ্টায় নতুন ডেটা দিয়ে XGBoost model retrain হয়। Drift detection: নতুন ডেটার গড় যদি পুরনোর চেয়ে ১০%+ আলাদা হয় তখনই retrain trigger হয়। Deploy-if-better policy: নতুন model-এর RMSE পুরনোর চেয়ে কম হলেই deploy, নাহলে পুরনোটাই থাকে। এতে model সবসময় সার্ভারের পরিবর্তনশীল workload pattern-এর সাথে adapt করে।