V1003
— glowbeautybd.com
✅ Normal
161.248.201.64 · Last updated: 2026-08-13 04:20:00 PM
Health Score
100
/100
🤖 AI সারসংক্ষেপ Real-time

✅ স্বাভাবিক: V1003 সুস্থভাবে চলছে। CPU ব্যবহার 4.81% — স্বাভাবিক। পরবর্তী ৫ মিনিটে 6.73% থাকবে। RAM ব্যবহার 13.94% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 14.13% থাকবে। সুপারিশ: কোনো পদক্ষেপ প্রয়োজন নেই। সিস্টেম স্বাভাবিক।

⚡ Real-time Resource Status
Live · Auto-refresh 30s
🖥 CPU Usage
4.81%
Next: 6.73%
Threshold: 9.68%
💾 RAM Usage
13.94%
Next: 14.13%
Threshold: 16.87%
⚙️ Load Average
0.16
Score: 0/100
Net ↓4.75 ↑0.76 Kbps
🔍 LSTM Anomaly
✅ Normal
Score: 0.0571
AE Error: 0.00075
🔬 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
2.9009%
After online learning
RAM RMSE
0.7672%
After online learning
Training Samples
29,272
5-min aggregated
Current AE Error
0.00075
✅ Below threshold
AE Error vs Threshold Visualization
Current AE Error
0.00075
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: 1.68% · RAM avg err: 0.47%
🖥 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 8.02% 4.23% 3.79% 13.78% 14.15% 0.37%
08:45:00 5.95% 4.29% 1.65% 14.16% 14.45% 0.29%
08:50:00 5.92% 3.79% 2.13% 14.44% 15.11% 0.67%
08:55:00 4.86% 4.07% 0.79% 14.99% 14.39% 0.6%
09:00:00 5.54% 4.24% 1.31% 14.34% 15.03% 0.69%
09:05:00 5.63% 3.83% 1.79% 14.95% 14.96% 0.01%
09:10:00 4.82% 4.76% 0.07% 15.03% 15.18% 0.15%
09:15:00 6.14% 4.07% 2.07% 15.21% 14.94% 0.27%
09:20:00 5.24% 3.65% 1.58% 15.06% 15.46% 0.4%
09:25:00 4.79% 3.98% 0.8% 15.53% 15.93% 0.4%
09:30:00 4.85% 3.6% 1.25% 15.93% 15.94% 0.01%
09:35:00 4.69% 3.87% 0.81% 15.98% 14.54% 1.44%
09:40:00 5.32% 3.53% 1.79% 14.84% 13.18% 1.66%
09:45:00 7.28% 3.95% 3.33% 13.74% 14.02% 0.28%
09:50:00 5.39% 6.55% 1.15% 14.26% 14.11% 0.15%
09:55:00 7.35% 8.13% 0.78% 14.25% 14.66% 0.41%
10:00:00 8.82% 10.85% 2.03% 14.69% 15.01% 0.32%
10:05:00 10.35% 7.86% 2.48% 15.0% 14.93% 0.07%
10:10:00 7.84% 5.96% 1.88% 15.0% 14.9% 0.1%
10:15:00 7.02% 4.81% 2.21% 15.02% 13.94% 1.08%
🔍 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
2026-08-11 17:20 5.27% 14.94% 0.010920 0.009241 SCALE_UP_SOON
2026-08-04 20:40 14.8% 24.55% 0.009277 0.009241 SCALE_UP_NOW
2026-08-01 17:48 3.46% 23.24% 0.026953 0.009241 SCALE_UP_SOON
2026-08-01 17:23 7.4% 22.2% 0.019189 0.009241 SCALE_UP_NOW
2026-07-21 13:10 8.98% 23.21% 0.009584 0.009241 SCALE_UP_NOW
2026-07-21 13:05 11.78% 23.36% 0.011514 0.009241 SCALE_UP_NOW
2026-07-21 13:00 19.33% 26.51% 0.013715 0.009241 SCALE_UP_NOW
2026-07-21 12:55 4.34% 22.7% 0.014281 0.009241 SCALE_UP_SOON
2026-07-21 12:50 5.88% 22.58% 0.012637 0.009241 SCALE_UP_SOON
2026-07-21 12:30 6.14% 23.48% 0.010185 0.009241 SCALE_UP_NOW
2026-07-21 12:25 5.94% 23.66% 0.009582 0.009241 SCALE_UP_SOON
2026-07-21 12:11 17.73% 22.98% 0.009254 0.009241 SCALE_UP_NOW
2026-07-21 12:05 27.55% 25.65% 0.025715 0.009241 SCALE_UP_NOW
2026-07-21 03:13 2.79% 22.0% 0.007878 0.003080 SCALE_UP_SOON
2026-07-21 03:03 3.38% 19.02% 0.007944 0.003080 SCALE_UP_SOON
2026-07-21 02:46 4.67% 19.64% 0.007408 0.003080 SCALE_UP_SOON
2026-07-21 02:44 5.36% 21.03% 0.007386 0.003080 SCALE_UP_SOON
2026-07-21 02:32 3.33% 20.78% 0.007559 0.003080 SCALE_UP_SOON
2026-07-21 02:25 3.76% 21.12% 0.007863 0.003080 SCALE_UP_SOON
2026-07-21 02:24 5.4% 21.51% 0.008133 0.003080 SCALE_UP_NOW
🤖 Model তথ্য ও Online Learning
CPU RMSE
2.9009%
After online learning
RAM RMSE
0.7672%
After online learning
Training Samples
29,272
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।