V1003
— glowbeautybd.com
⚠️ Scale Soon
161.248.201.64 · Last updated: 2026-10-13 04:15:00 AM
Health Score
80
/100
🤖 AI সারসংক্ষেপ Real-time

⚠️ সতর্কতা: V1003 এর রিসোর্স দ্রুত বাড়ছে। CPU 24.23% — স্বাভাবিক। পরবর্তী ৫ মিনিটে 26.72% থাকবে। RAM 11.49% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 11.49% থাকবে। LSTM মডেল অস্বাভাবিক প্যাটার্ন শনাক্ত করেছে। সুপারিশ: আগামী ৩০ মিনিটের মধ্যে স্কেল করার প্রস্তুতি নিন।

⚡ Real-time Resource Status
Live · Auto-refresh 30s
🖥 CPU Usage
24.23%
Next: 26.72%
Threshold: 70.63%
💾 RAM Usage
11.49%
Next: 11.49%
Threshold: 20.54%
⚙️ Load Average
0.51
Score: 40/100
Net ↓6.2 ↑3.87 Kbps
🔍 LSTM Anomaly
⚠️ Detected
Score: 1.0
AE Error: 0.101782
🧠 AI সিদ্ধান্তের কারণ
🔍 LSTM Anomaly detected (score=1.000)
🔬 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
7.2475%
After online learning
RAM RMSE
1.0169%
After online learning
Training Samples
45,125
5-min aggregated
Current AE Error
0.101782
⚠️ Above threshold
AE Error vs Threshold Visualization
Current AE Error
0.101782
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: 14.03% · RAM avg err: 0.55%
🖥 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 35.74% 61.28% 25.54% 11.26% 11.22% 0.04%
20:40:00 51.76% 43.88% 7.89% 11.29% 11.51% 0.22%
20:45:00 39.86% 65.79% 25.92% 11.56% 11.82% 0.26%
20:50:00 50.85% 46.62% 4.22% 11.88% 10.97% 0.91%
20:55:00 44.19% 33.26% 10.92% 11.08% 11.57% 0.49%
21:00:00 37.83% 27.19% 10.65% 11.46% 11.57% 0.11%
21:05:00 28.48% 53.31% 24.83% 11.61% 10.88% 0.73%
21:10:00 48.5% 37.1% 11.4% 10.87% 11.38% 0.51%
21:15:00 37.81% 59.63% 21.82% 11.37% 11.64% 0.27%
21:20:00 50.32% 41.23% 9.09% 11.52% 10.81% 0.71%
21:25:00 38.2% 62.1% 23.9% 10.85% 11.4% 0.55%
21:30:00 53.88% 42.7% 11.18% 11.27% 11.4% 0.13%
21:35:00 42.67% 57.26% 14.59% 11.28% 13.13% 1.85%
21:40:00 48.8% 41.82% 6.98% 12.89% 11.82% 1.07%
21:45:00 40.26% 32.4% 7.86% 11.82% 11.35% 0.47%
21:50:00 38.16% 29.51% 8.65% 11.38% 11.7% 0.32%
21:55:00 31.46% 57.03% 25.57% 11.52% 12.5% 0.98%
22:00:00 48.95% 39.65% 9.3% 12.25% 12.2% 0.05%
22:05:00 38.46% 29.05% 9.41% 12.26% 11.19% 1.07%
22:10:00 35.14% 24.23% 10.92% 11.18% 11.49% 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
2026-10-12 20:05 27.72% 11.68% 0.218963 0.009241 SCALE_UP_SOON
2026-10-12 06:22 24.64% 16.9% 0.096128 0.009241 SCALE_UP_SOON
2026-10-12 05:27 44.41% 13.23% 0.194363 0.009241 SCALE_UP_SOON
2026-10-12 04:21 24.73% 13.16% 0.068944 0.009241 SCALE_UP_SOON
2026-10-12 04:17 32.39% 13.17% 0.069136 0.009241 SCALE_UP_SOON
2026-10-12 04:11 45.57% 13.47% 0.070529 0.009241 SCALE_UP_SOON
2026-10-12 04:06 38.77% 13.26% 0.073496 0.009241 SCALE_UP_SOON
2026-10-12 04:00 52.9% 14.35% 0.072148 0.009241 SCALE_UP_SOON
2026-10-12 03:55 36.49% 13.31% 0.073786 0.009241 SCALE_UP_SOON
2026-10-12 03:50 46.06% 13.59% 0.075277 0.009241 SCALE_UP_SOON
2026-10-12 03:46 39.0% 13.04% 0.076957 0.009241 SCALE_UP_SOON
2026-10-12 03:42 46.49% 12.96% 0.085061 0.009241 SCALE_UP_SOON
2026-10-12 03:36 31.13% 13.6% 0.086747 0.009241 SCALE_UP_SOON
2026-10-12 03:31 45.18% 13.06% 0.090267 0.009241 SCALE_UP_SOON
2026-10-12 03:26 30.14% 12.36% 0.103219 0.009241 SCALE_UP_SOON
2026-10-12 03:21 45.15% 13.26% 0.109836 0.009241 SCALE_UP_SOON
2026-10-12 03:16 63.37% 14.84% 0.114835 0.009241 SCALE_UP_NOW
2026-10-12 03:10 39.91% 13.37% 0.121590 0.009241 SCALE_UP_SOON
2026-10-12 03:05 43.67% 13.92% 0.133549 0.009241 SCALE_UP_SOON
2026-10-12 03:00 67.66% 21.54% 0.139336 0.009241 SCALE_UP_NOW
2026-10-12 02:55 50.03% 13.47% 0.144537 0.009241 SCALE_UP_SOON
2026-10-12 02:52 27.33% 13.46% 0.150187 0.009241 SCALE_UP_SOON
2026-10-11 21:57 27.95% 22.6% 0.199134 0.009241 SCALE_UP_NOW
2026-10-11 08:27 32.65% 14.98% 0.137247 0.009241 SCALE_UP_SOON
2026-10-10 14:21 28.71% 13.03% 0.133704 0.009241 SCALE_UP_SOON
2026-10-10 01:55 25.98% 18.07% 0.074488 0.009241 SCALE_UP_SOON
2026-10-10 01:50 19.13% 18.07% 0.088666 0.009241 SCALE_UP_SOON
2026-10-10 01:45 26.13% 18.08% 0.095371 0.009241 SCALE_UP_SOON
2026-10-10 01:40 30.37% 18.12% 0.092599 0.009241 SCALE_UP_SOON
2026-10-10 01:36 45.84% 18.14% 0.095428 0.009241 SCALE_UP_SOON
🤖 Model তথ্য ও Online Learning
CPU RMSE
7.2475%
After online learning
RAM RMSE
1.0169%
After online learning
Training Samples
45,125
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।