V1009
— gamescapebd.com
🚨 Scale Now
161.248.201.56 · Last updated: 2026-10-13 04:15:00 AM
Health Score
60
/100
🤖 AI সারসংক্ষেপ Real-time

🚨 জরুরি সতর্কতা: V1009 এর রিসোর্স সংকটপূর্ণ। CPU 21.41% — স্বাভাবিক। পরবর্তী ৫ মিনিটে 15.1% থাকবে। RAM 53.34% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 47.44% থাকবে। LSTM মডেল অস্বাভাবিক প্যাটার্ন শনাক্ত করেছে। সুপারিশ: এখনই CPU হট-অ্যাড করুন। বিলম্ব করলে সার্ভিস বিঘ্নিত হতে পারে।

⚡ Real-time Resource Status
Live · Auto-refresh 30s
🖥 CPU Usage
21.41%
Next: 15.1%
Threshold: 23.55%
💾 RAM Usage
53.34%
Next: 47.44%
Threshold: 58.39%
⚙️ Load Average
0.22
Score: 65/100
Net ↓6.88 ↑0.34 Kbps
🔍 LSTM Anomaly
⚠️ Detected
Score: 1.0
AE Error: 0.104926
🧠 AI সিদ্ধান্তের কারণ
🔍 LSTM Anomaly detected (score=1.000)
🖥 CPU 21.41% > 75th percentile (11.4%)
🔬 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
3.6816%
After online learning
RAM RMSE
2.9175%
After online learning
Training Samples
44,987
5-min aggregated
Current AE Error
0.104926
⚠️ Above threshold
AE Error vs Threshold Visualization
Current AE Error
0.104926
Threshold (95%)
~0.003-0.006
📌 যদি Current AE Error > Threshold → Anomaly detected · শেষ retrain: 2026-10-12 08:18 PM
📈 CPU & RAM ইতিহাস (শেষ ৫ ঘণ্টা)
60 data points
🎯 Prediction vs Actual (শেষ ২০টি)
CPU avg err: 3.54% · RAM avg err: 5.57%
🖥 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 12.76% 13.15% 0.38% 48.33% 55.35% 7.02%
20:40:00 12.47% 11.45% 1.02% 48.41% 55.32% 6.91%
20:45:00 11.57% 10.42% 1.15% 48.38% 55.34% 6.96%
20:50:00 10.91% 8.69% 2.21% 48.44% 53.48% 5.04%
20:55:00 9.88% 8.85% 1.02% 47.96% 53.21% 5.25%
21:00:00 10.06% 7.82% 2.25% 48.26% 53.44% 5.18%
21:05:00 9.54% 7.19% 2.35% 48.39% 53.39% 5.0%
21:10:00 8.93% 6.8% 2.13% 48.4% 53.56% 5.16%
21:15:00 8.77% 7.58% 1.19% 48.46% 53.52% 5.06%
21:20:00 9.25% 12.62% 3.37% 48.38% 53.61% 5.23%
21:25:00 12.15% 11.13% 1.02% 48.4% 53.6% 5.2%
21:30:00 10.88% 9.21% 1.68% 48.39% 53.53% 5.14%
21:35:00 9.84% 9.05% 0.79% 48.37% 53.6% 5.23%
21:40:00 9.53% 8.95% 0.58% 48.42% 53.52% 5.1%
21:45:00 9.55% 8.89% 0.65% 48.4% 53.67% 5.27%
21:50:00 9.7% 7.84% 1.86% 48.51% 53.68% 5.17%
21:55:00 9.29% 42.88% 33.59% 48.21% 53.96% 5.75%
22:00:00 27.54% 28.48% 0.95% 46.43% 53.38% 6.95%
22:05:00 20.48% 31.14% 10.67% 47.72% 53.35% 5.63%
22:10:00 23.29% 21.41% 1.89% 48.24% 53.34% 5.1%
🔍 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 11.35% 55.28% 0.021165 0.003394 SCALE_UP_SOON
2026-10-12 06:22 9.17% 54.22% 0.023655 0.003394 SCALE_UP_SOON
2026-10-12 05:26 7.21% 51.63% 0.015429 0.003394 SCALE_UP_SOON
2026-10-12 04:21 9.32% 51.51% 0.017324 0.003394 SCALE_UP_SOON
2026-10-12 04:17 8.31% 51.51% 0.018594 0.003394 SCALE_UP_SOON
2026-10-12 04:11 8.62% 51.59% 0.019295 0.003394 SCALE_UP_SOON
2026-10-12 04:06 9.22% 51.52% 0.019494 0.003394 SCALE_UP_SOON
2026-10-12 04:00 13.14% 51.82% 0.019189 0.003394 SCALE_UP_NOW
2026-10-12 03:56 10.61% 51.5% 0.019426 0.003394 SCALE_UP_SOON
2026-10-12 03:51 8.47% 51.52% 0.020543 0.003394 SCALE_UP_SOON
2026-10-12 03:46 9.92% 53.94% 0.021169 0.003394 SCALE_UP_SOON
2026-10-12 03:42 10.44% 53.94% 0.021619 0.003394 SCALE_UP_SOON
2026-10-12 03:36 11.3% 53.92% 0.021338 0.003394 SCALE_UP_SOON
2026-10-12 03:31 7.04% 53.94% 0.020924 0.003394 SCALE_UP_SOON
2026-10-12 03:26 7.23% 53.97% 0.019855 0.003394 SCALE_UP_SOON
2026-10-12 03:21 8.02% 53.83% 0.018119 0.003394 SCALE_UP_SOON
2026-10-12 03:16 8.17% 53.9% 0.018649 0.003394 SCALE_UP_SOON
2026-10-12 03:10 9.43% 53.91% 0.018989 0.003394 SCALE_UP_SOON
2026-10-12 03:05 9.57% 53.88% 0.019153 0.003394 SCALE_UP_SOON
2026-10-12 03:00 9.07% 53.96% 0.018642 0.003394 SCALE_UP_SOON
2026-10-12 02:55 9.24% 53.91% 0.019298 0.003394 SCALE_UP_SOON
2026-10-12 02:52 9.53% 54.01% 0.019690 0.003394 SCALE_UP_SOON
2026-10-11 21:57 9.47% 53.59% 0.067592 0.003394 SCALE_UP_SOON
2026-10-11 08:26 8.42% 54.91% 0.016689 0.003394 SCALE_UP_SOON
2026-10-10 14:21 8.73% 49.98% 0.016140 0.003394 SCALE_UP_SOON
2026-10-10 01:55 6.43% 52.44% 0.017667 0.003394 SCALE_UP_SOON
2026-10-10 01:50 7.35% 52.39% 0.015748 0.003394 SCALE_UP_SOON
2026-10-10 01:45 7.01% 53.97% 0.014872 0.003394 SCALE_UP_SOON
2026-10-10 01:40 7.58% 53.88% 0.013234 0.003394 SCALE_UP_SOON
2026-10-10 01:36 7.45% 53.85% 0.012802 0.003394 SCALE_UP_SOON
🤖 Model তথ্য ও Online Learning
CPU RMSE
3.6816%
After online learning
RAM RMSE
2.9175%
After online learning
Training Samples
44,987
5-min aggregated
শেষ Retrain
2026-10-12 08:18 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।