V1011
— roopbindu.com
🚨 Scale Now
161.248.201.67 · Last updated: 2026-10-13 04:15:00 AM
Health Score
55
/100
🤖 AI সারসংক্ষেপ Real-time

🚨 জরুরি সতর্কতা: V1011 এর রিসোর্স সংকটপূর্ণ। CPU 45.66% — মাঝারি। পরবর্তী ৫ মিনিটে 46.57% পূর্বাভাস। RAM 38.73% — স্থিতিশীল। পরবর্তী ৫ মিনিটে 39.29% 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
45.66%
Next: 46.57%
Threshold: 50.23%
💾 RAM Usage
38.73%
Next: 39.29%
Threshold: 46.9%
⚙️ Load Average
2.14
Score: 65/100
Net ↓33.56 ↑150.95 Kbps
🔍 LSTM Anomaly
⚠️ Detected
Score: 1.0
AE Error: 0.181949
🧠 AI সিদ্ধান্তের কারণ
🔍 LSTM Anomaly detected (score=1.000)
🖥 CPU 45.66% > 75th percentile (33.0%)
🔬 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
5.1203%
After online learning
RAM RMSE
1.6743%
After online learning
Training Samples
45,125
5-min aggregated
Current AE Error
0.181949
⚠️ Above threshold
AE Error vs Threshold Visualization
Current AE Error
0.181949
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: 4.59% · RAM avg err: 0.24%
🖥 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 34.28% 22.82% 11.47% 37.25% 36.96% 0.29%
20:40:00 29.91% 20.08% 9.83% 37.19% 37.22% 0.03%
20:45:00 28.43% 22.55% 5.88% 37.3% 37.22% 0.08%
20:50:00 29.59% 23.89% 5.7% 37.27% 37.19% 0.08%
20:55:00 28.98% 25.3% 3.67% 37.16% 37.08% 0.08%
21:00:00 30.63% 21.12% 9.5% 37.12% 37.41% 0.29%
21:05:00 28.18% 19.87% 8.32% 37.73% 37.59% 0.14%
21:10:00 26.43% 17.22% 9.2% 37.9% 37.52% 0.38%
21:15:00 23.78% 30.88% 7.1% 37.91% 37.84% 0.07%
21:20:00 32.64% 34.44% 1.8% 38.05% 38.03% 0.02%
21:25:00 36.47% 39.66% 3.19% 38.54% 38.76% 0.22%
21:30:00 39.73% 38.89% 0.84% 39.36% 38.41% 0.95%
21:35:00 39.4% 40.38% 0.97% 38.38% 38.47% 0.09%
21:40:00 41.33% 41.36% 0.03% 38.69% 38.45% 0.24%
21:45:00 42.34% 48.13% 5.79% 38.76% 38.43% 0.33%
21:50:00 47.2% 48.67% 1.46% 38.45% 38.46% 0.01%
21:55:00 47.45% 46.96% 0.49% 38.7% 38.76% 0.06%
22:00:00 46.21% 49.24% 3.03% 39.28% 38.7% 0.58%
22:05:00 48.55% 49.54% 0.98% 39.25% 38.69% 0.56%
22:10:00 48.25% 45.66% 2.59% 38.95% 38.73% 0.22%
🔍 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 20:06 45.26% 38.72% 0.272945 0.005882 SCALE_UP_NOW
2026-10-12 06:22 21.0% 25.31% 0.043650 0.005882 SCALE_UP_SOON
2026-10-12 05:27 13.67% 41.3% 0.057905 0.005882 SCALE_UP_SOON
2026-10-12 04:20 13.47% 41.4% 0.215613 0.005882 SCALE_UP_SOON
2026-10-12 04:17 13.22% 41.02% 0.061183 0.005882 SCALE_UP_SOON
2026-10-12 04:11 13.42% 41.52% 0.068538 0.005882 SCALE_UP_SOON
2026-10-12 04:06 13.14% 41.25% 0.057778 0.005882 SCALE_UP_SOON
2026-10-12 04:00 20.15% 41.27% 0.218435 0.005882 SCALE_UP_SOON
2026-10-12 03:55 17.14% 40.77% 0.064696 0.005882 SCALE_UP_SOON
2026-10-12 03:50 9.04% 40.86% 0.065613 0.005882 SCALE_UP_SOON
2026-10-12 03:45 9.28% 40.51% 0.051770 0.005882 SCALE_UP_SOON
2026-10-12 03:40 11.12% 40.88% 0.052450 0.005882 SCALE_UP_SOON
2026-10-12 03:36 13.05% 41.04% 0.055545 0.005882 SCALE_UP_SOON
2026-10-12 03:30 16.41% 40.93% 0.050413 0.005882 SCALE_UP_SOON
2026-10-12 03:25 24.09% 41.39% 0.205729 0.005882 SCALE_UP_SOON
2026-10-12 03:21 13.77% 41.01% 0.063359 0.005882 SCALE_UP_SOON
2026-10-12 03:16 21.89% 40.83% 0.055289 0.005882 SCALE_UP_SOON
2026-10-12 03:10 11.84% 40.93% 0.049011 0.005882 SCALE_UP_SOON
2026-10-12 03:05 16.85% 41.17% 0.165451 0.005882 SCALE_UP_SOON
2026-10-12 03:00 12.6% 40.74% 0.059729 0.005882 SCALE_UP_SOON
2026-10-12 02:55 10.59% 41.29% 0.049805 0.005882 SCALE_UP_SOON
2026-10-12 02:52 15.96% 41.19% 0.067380 0.005882 SCALE_UP_SOON
2026-10-11 21:57 30.08% 36.27% 0.007393 0.005882 SCALE_UP_SOON
2026-10-11 08:27 32.28% 34.4% 0.026588 0.005882 SCALE_UP_SOON
2026-10-10 01:05 16.3% 38.85% 0.006420 0.005882 SCALE_UP_SOON
2026-10-10 01:00 11.96% 39.19% 0.007369 0.005882 SCALE_UP_SOON
2026-10-10 00:55 10.29% 38.98% 0.006289 0.005882 SCALE_UP_SOON
2026-10-10 00:50 16.29% 38.95% 0.010244 0.005882 SCALE_UP_SOON
2026-10-10 00:45 17.5% 38.86% 0.017583 0.005882 SCALE_UP_SOON
2026-10-10 00:40 13.57% 38.81% 0.015284 0.005882 SCALE_UP_SOON
🤖 Model তথ্য ও Online Learning
CPU RMSE
5.1203%
After online learning
RAM RMSE
1.6743%
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।