V1001
— amd.proserverdns.com
👁 Monitor
144.79.133.61 · Last updated: 2026-10-13 04:15:00 AM
Health Score
85
/100
🤖 AI সারসংক্ষেপ Real-time

👁 পর্যবেক্ষণ: V1001 স্বাভাবিকের উপরে চলছে। CPU 39.01% — স্বাভাবিক। পরবর্তী ৫ মিনিটে 39.6% থাকবে। RAM 68.55% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 68.79% থাকবে। সুপারিশ: প্রতি ৫ মিনিটে পর্যবেক্ষণ করুন।

⚡ Real-time Resource Status
Live · Auto-refresh 30s
🖥 CPU Usage
39.01%
Next: 39.6%
Threshold: 42.91%
💾 RAM Usage
68.55%
Next: 68.79%
Threshold: 73.4%
⚙️ Load Average
2.99
Score: 25/100
Net ↓35.87 ↑153.98 Kbps
🔍 LSTM Anomaly
✅ Normal
Score: 0.1258
AE Error: 0.000732
🧠 AI সিদ্ধান্তের কারণ
🖥 CPU 39.01% > 75th percentile (33.7%)
🔬 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
6.1260%
After online learning
RAM RMSE
2.8021%
After online learning
Training Samples
44,567
5-min aggregated
Current AE Error
0.000732
✅ Below threshold
AE Error vs Threshold Visualization
Current AE Error
0.000732
Threshold (95%)
~0.003-0.006
📌 যদি Current AE Error > Threshold → Anomaly detected · শেষ retrain: 2026-10-12 08:19 PM
📈 CPU & RAM ইতিহাস (শেষ ৫ ঘণ্টা)
60 data points
🎯 Prediction vs Actual (শেষ ২০টি)
CPU avg err: 3.63% · RAM avg err: 0.88%
🖥 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
20:35:00 33.76% 41.76% 7.99% 61.99% 63.08% 1.09%
20:40:00 38.34% 35.64% 2.7% 62.48% 63.34% 0.86%
20:45:00 34.96% 31.1% 3.86% 62.88% 63.6% 0.72%
20:50:00 31.51% 33.48% 1.97% 63.0% 65.39% 2.39%
20:55:00 35.23% 44.42% 9.19% 64.31% 64.34% 0.03%
21:00:00 41.17% 37.77% 3.39% 63.69% 66.04% 2.35%
21:05:00 36.63% 46.41% 9.78% 65.44% 67.33% 1.89%
21:10:00 43.41% 39.26% 4.14% 66.79% 66.56% 0.23%
21:15:00 38.13% 44.24% 6.11% 66.29% 66.24% 0.05%
21:20:00 41.64% 41.41% 0.23% 65.69% 66.3% 0.61%
21:25:00 40.85% 41.48% 0.63% 65.83% 66.55% 0.72%
21:30:00 41.48% 44.15% 2.67% 66.59% 66.67% 0.08%
21:35:00 43.65% 39.33% 4.32% 66.68% 68.07% 1.39%
21:40:00 39.6% 41.74% 2.14% 67.74% 68.34% 0.6%
21:45:00 42.66% 43.95% 1.29% 67.98% 71.2% 3.22%
21:50:00 43.92% 46.11% 2.2% 69.78% 70.54% 0.76%
21:55:00 45.53% 44.35% 1.18% 69.46% 69.27% 0.19%
22:00:00 43.36% 40.0% 3.36% 68.75% 68.67% 0.08%
22:05:00 40.63% 35.63% 5.01% 68.44% 68.44% 0.0%
22:10:00 38.51% 39.01% 0.5% 68.86% 68.55% 0.31%
🔍 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
2026-10-10 14:21 23.91% 67.68% 0.005055 0.004769 SCALE_UP_SOON
2026-10-10 01:20 13.91% 63.55% 0.004888 0.004769 SCALE_UP_SOON
2026-10-08 23:10 17.31% 65.21% 0.007035 0.004769 SCALE_UP_SOON
2026-10-08 23:05 19.61% 64.95% 0.008329 0.004769 SCALE_UP_SOON
2026-10-08 23:01 27.94% 64.6% 0.009010 0.004769 SCALE_UP_SOON
2026-10-08 22:55 21.58% 67.27% 0.010103 0.004769 SCALE_UP_SOON
2026-10-08 22:51 23.72% 67.1% 0.011021 0.004769 SCALE_UP_SOON
2026-10-08 22:46 22.33% 67.1% 0.010121 0.004769 SCALE_UP_SOON
2026-10-08 22:41 21.1% 63.69% 0.009206 0.004769 SCALE_UP_SOON
2026-10-08 22:36 20.96% 63.91% 0.007622 0.004769 SCALE_UP_SOON
2026-10-08 22:35 25.35% 63.77% 0.005790 0.004769 SCALE_UP_SOON
2026-10-08 19:20 18.31% 62.91% 0.005665 0.004769 SCALE_UP_SOON
2026-10-04 01:56 40.07% 67.8% 0.056745 0.004769 SCALE_UP_NOW
2026-10-04 01:51 45.75% 68.14% 0.015871 0.004769 SCALE_UP_NOW
2026-10-04 01:46 31.09% 65.74% 0.009988 0.004769 SCALE_UP_SOON
2026-10-04 01:40 46.84% 67.94% 0.012476 0.004769 SCALE_UP_NOW
2026-10-04 01:35 15.8% 66.81% 0.013529 0.004769 SCALE_UP_SOON
2026-10-04 01:30 13.91% 65.64% 0.014046 0.004769 SCALE_UP_SOON
2026-10-04 01:25 20.72% 72.81% 0.011722 0.004769 SCALE_UP_SOON
2026-10-04 01:21 14.25% 64.32% 0.009177 0.004769 SCALE_UP_SOON
2026-10-04 01:16 16.74% 64.29% 0.008076 0.004769 SCALE_UP_SOON
2026-10-04 01:11 15.94% 65.31% 0.007974 0.004769 SCALE_UP_SOON
2026-10-04 01:06 16.92% 63.18% 0.007903 0.004769 SCALE_UP_SOON
2026-10-04 01:01 22.77% 64.31% 0.007569 0.004769 SCALE_UP_SOON
2026-10-04 00:57 29.61% 63.96% 0.006204 0.004769 SCALE_UP_SOON
2026-10-04 00:51 32.73% 63.74% 0.006343 0.004769 SCALE_UP_SOON
2026-10-04 00:45 50.67% 67.04% 0.007450 0.004769 SCALE_UP_NOW
2026-10-04 00:40 19.88% 64.45% 0.005961 0.004769 SCALE_UP_SOON
2026-10-04 00:35 17.09% 64.96% 0.006668 0.004769 SCALE_UP_SOON
2026-10-04 00:30 13.61% 66.36% 0.130811 0.004769 SCALE_UP_SOON
🤖 Model তথ্য ও Online Learning
CPU RMSE
6.1260%
After online learning
RAM RMSE
2.8021%
After online learning
Training Samples
44,567
5-min aggregated
শেষ Retrain
2026-10-12 08:19 PM
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।