Vremenske serije

Tačke podataka u vremenskim serijama prate paterne koji strogo zavise ne samo od broja i
promenljivosti snimljenih ulaza, već i od vremenske granuliranosti i osobina izabranih
sumarnih statistika. U ovoj nastavnoj jedinici ćemo se baviti paternima vremenskih serija i
tehnikama dolaženja do zaključaka na osnovu grafikona vremenskih serija. Analiziraćemo
anomalije u rezultatima monitoringa i njihove uzroke i prikazati anomalije koje se najčešće
javljaju.

Paterni vremenskih serija

Što je finija vremenska granuliranost, biće prikazan veći broj pikova u vremenskoj seriji,
dok će serije sa lošijom granulacijom prikazati manji obim promenljivosti vrednosti tačaka
podataka. Prikupljanjem više ulaza sa ekstremnim percentilima vodi do veće varijabilnosti
(veće fluktuacije) nego prikupljanje ulaznih podataka sa prosečnom vrednošću. Analiza
vremenskih serjia u kontekstu njihovih paterna je ključna za razumevanje njihovog
normalnog ponašanja i igra važnu ulogu u izboru prave strategije za sistem upozoravanja.
Pokazaćemo sada šta svaki patern predstavlja.

Objašnjenje

Vremenske serije se formiraju pomoću podataka dobijeniih merenjem u određenim

vremenskim periodima. Što je više podataka u određenom vremenskom periodu,
granuliranost vremenske serije je finija i obrnuto – što vremenski period sadrži manje
podataka dobijenih merenjem, granuliranost je lošija.

Spiky

Spiky („bodljikavi”) patern se često može pronaći u flow i throughput metrikama. Jedna od
ključnih osobina mu je da ima visoku varijabilnost, odnosno razuđenost ulaznih podataka
(podaci iznenada menjaju vrednosti ili kvantitet). Spiky paterni se najčešće koriste kod
metrika vezanih za merenje zauzeća bandwidtha, kao i na računarskim uređajima na kojima
se događaju iznenadne promene u stepenu njihovog korišćenja. Primer Spiky paterna je
prikazan na slici 4.1.

Copyright © Link group

operativno stanje sistema u istorijskom kontekstu, pojednostavljujući otkrivanje hroničnih
problema, koji ni u kom slučaju ne bi bili klasifikovani kao kritični. Kao dodatak preventivnoj
analizi, za preciznije planiranje kapaciteta koriste se trendovi i periodične varijacije.

Interpretacija anomalija

Odstupanje tačaka podataka od standardnih paterna možete da shvatite kao vrstu

simboličkog jezika, gde alfabet tog simboličkog jezika predstavljaju „usponi” i „padovi”,
„rasutost” i „grupisanost”, „vrhovi” i „depresije”, kao i „efekti poravnanja”. Kao što možemo
da zaključimo, alfabet ovog jezika je prilično ograničen i zbog toga gramatika mora da bude
zasnovana na strogom, kontekstualnom (sematničkom) znanju i smislu za prepoznavanje
proporcija. Za veliku većinu vremenskih serija, vrednosti tačaka podataka se menjaju tokom
vremena, ali samo jedan manji deo vremena te vrednosti su toliko značajne da mogu da
budu primećene i kategorisane kao anomalije (nepravilnosti). Nepravilne fluktuacije mogu
da budu razmatrane u kontekstu nihove pojave (rast ili pad), veličine odstupanja (rastojanje
od osnovne linije), trajanja u tačkama podataka, kao i progresiji.

„Usponi” i „padovi” se razlikuju po svom smeru kretanja (padovi su negativni usponi).

Njihov vek trajanja je kratak (vremenske serije se oporavljaju od njih već nakon nekoliko
tačaka podataka) i zbog njihovog kratkog trajanja, nemaju nikakvu progresiju.

„Vrhovi” i „depresije” takođe imaju suprotan smisao, ali je za povratak vremenske serije u
prvobitno stanje, potrebno mnogo više tačaka podataka. Zbog toga mogu da iniciraju
različite progresivne paterne: iznenadne skokove sa konstantnom tendecijom, linearni
rast/pad ili eksponencijalni rast i pad.

Ključ interpretacije ovih vrsta fluktuacija u vremenskim serijama je prepoznavanje tipa

evidentiranih vrednosti i utvrđivanje koja je sumarna statistika korišćena. Sumarne
statistike mogu da se razvrstaju u dve grupe: jedna opisuje ukupne ulaze kao naređane
količine, kao što je zbir evidentiranih vrednosti (n), dok druga opisuje koliko su pojedinačni
ulazi stabilni u poređenju sa prosečnom vrednošću i percentilnom raspodelom.

Flow (tok)

Flow evidentira zajedničke osobine za više događaja. n statistika opisuje nivoe tokova,
odnosno broj dolaznih događaja po jednom vremenskom intervalu. Uzmimo ponovo u
razmatranje zahteve koji dolaze na web server i njihovo vreme odziva. n statistika pirkazuje
nivoe saobraćaja. Nagla rasutost i uzvišenja mogu da budu atributi povećane korisničke
aktivnosti. U skladu sa tim, nemaju svi zahtevi istu cenu. Zbir vremena svih zahteva može
da se predstavi kao ukupna cena operacije, izražena u satima obrade. Prosek (avg) je
srednja vrednost potrebnog vremena za obradu zahteva. Nestabilan prosek ukazuje na
promene u raspodeli ulaznih vrednosti, najčešće na usporavanje obrade dela zahteva. Takve
promene se najbolje uočavaju korišćenjem percentila visoke vrednosti, kao što su p95 ili
p99. Njihove eksponencijalno visoke vrednosti otkrivaju nedostatke u resursima ili
prezauzeće bandwidtha. Ukoliko je reč o ranijim rezultatima, „uzvišenja” prikazana pomoću
p99 percentila bi trebalo poravnati sa „uzvišenjima” zbirnih rezultata (ukupna vremena
obrade) i osnovnim statistikama korišćenja resursa. Iako prosek može da bude deformisan
od strane obrađenih sporih zahteva, p50 na relevantan način opisuje realno korisničko
iskustvo.

Copyright © Link group

 Objašnjenje

Razlog zbog koga se promene raspodele češće prikazuju na višem nego na nižem nivou
percentila je taj što većina metrika ima „tvrde” granice za donje vrednosti. U isto vreme,
ne postoje ograničenja za gornje vrednosti. Uzmimo kao primer kašnjenja u mreži.
Najniža vrednost je mala onoliko koliko zakoni fizike to dozvoljavaju, dok ne postoji
ograničenje koje sprečeva da odziv traje proizvoljno dugo.

Stock (akumulacija)

Vrednosti stocka evidentiraju informacije o kapacitetima određenih nivoa. Mogu da se

odnose na skladište, memoriju ili na apstraktne konstrukcije, kao što su softverski redovi
čekanja. Stock metrike su, same po sebi, single-N, tako da je suma njihova jedina validna
statistika. Promene u vrednostima tačaka podataka utiču na prilive i odlive, što može
detaljnije da se predstavi odgovarajućom flow metrikom. Pretpostavimo da posmatrate
putovanje podataka koje se sastoji od tri komponente: dostavljanja entiteta, reda čekanja i
procesiranja entiteta. Dostavljanje entiteta postavlja zahtev u red čekanja, a procesiranje
entiteta uklanja zahtev iz reda čekanja i procesira zahteve po redosledu prispeća. Ukoliko je
obim dostavljanja entiteta niži od obima procesiranja, stock metrika koja opisuje nivo
čekanja će ostati na vrednosti 0, sporadično dosežući do vrednosti 1. Kada je obim
dostavljanja entiteta viši nego obim procesiranja, red čekanja će se stalno uvećavati, pa će
se povećavati i zaostatak. Ukoliko se proces dostavljanja entiteta zaustavi, procesiranje
entiteta će tokom vremena isprazniti red čekanja.

Tip brojač (counter) je specijalni slučaj stock količine, u kome se regularni prilivi prihvataju,
ali se odliv sprovodi s vremena na vreme kako bi se brojač resetovao na nulu. Kako je stock
metrika single-N, ona ne koristi nijednu sumarnu statistiku. Proračunavanje stope promena
korišćenjem brojača formira vremenske serije za Flow, opisujujući stopu po kojoj se brojač
uvećava.

U informacionim sistemima, brojači se često koriste da čuvaju informacije o periodičnom

održavanju, kao što je broj mountovanja particija od poslednje provere fajl sistema ili na
primer, broj sekundi od poslednjeg ažuriranja nekog sadržaja. Brojači nalaze svoju primenu
i u aplikacionom nivou. Pretpostavimo da ste u Vašoj kompaniji podigli reklamni
(advertising) softver koji prikazuje reklame na kompanijskom veb-sajtu u grupama od po
500 po vrsti reklame. Kada brojač dostigne definisani limit, resetuje se na nulu i počinje
prikazivanje sledeće reklame. Stepen povećanja prikazivanja bi trebalo da se menja u
skladu sa stepenom promene internet saobraćaja na web serveru. Ukoliko se tačke
podataka nalaze na istom nivou neobično dugo, moguće je da je prikaz reklama na web
serveru iz nekoga razloga prestao da funkcioniše, pa bi trebalo proveriti o čemu je reč.

Drugi primer bi mogla da bude grupa servera koja zahteva redovno održavanje, što
podrazumeva određene intervencije bar jednom u 7 dana, ali može da se odigrava i češće.
Kako bi se vodila evidencija o vremenu proteklom od poslednje intervencije, moguće je
evidentirati razliku između trenutnog time stampa i time stampa kada je poslednja
intervencija završena. Alarm je potrebno postaviti po metrici sumarne statistike, sa
okidačem na 604800 sekundi, što će aktivirati upozorenje o isteku definisanog perioda kada
je potrebno ponovo sprovesti aktivnosti održavanja.

Copyright © Link group

Availability

Availability je specijalan slučaj Flow metrike u kome ulazni podaci uzimaju dve moguće
vrednosti: 1 ili 0, u zavisnosti da li je rezultat uspešan ili neuspešan, respektivno. Kada
suma svih prikupljenih ulaza bude jednako raspodeljena po broju tačaka podataka, tačka
podataka uzima deo vrednosti, prikazujući dostupnost izraženu u procentima. Na primer,
ako 16 od 20 proba vrati uspešan rezultat i 4 vrate neuspešan, prosečna dostupnost za te
ulazne podatke će biti:

(16x1 + 4x0)/20 = 0.8 (ili 80%)

Throughput

Throughput metrike evidentiraju intenzitet korišćenja resursa i prikazuju se kao prosečne

jedinice protoka za određeni vremenski period ili kao procenat ukupnog korišćenja resursa
po intervalu. Organičenja resursa se prikazuju u kontekstu njihovog protoka, tako da je ovaj
tip metrike odličan za posmatranje i aktiviranje alarma u situacijama kada dođe do
preopterećenja resursa. Primer throughput metrike može da bude praćenje zauzeća CPU
resursa, što je zapravo odnos iskorišćenih taktova procesora u odnosu na ukupno dostupan
broj taktova u datom intervalu. Takođe, primer može da bude i brzina prenosa, odnosno bit
rate.

Primena kvantiteta (količina)

U tabeli 1 su prikazane vrste informacija izvučene iz kombinacija sumarnih statistika i vrste

količina.

Vrsta Ukupna merenja (n, sum) Merenja stabilnosti (prosečna

količine vrednost, percenitili)
Flow Ulazni nivoi, stopa Postojanje uskih grla, rano obaveštavanje
procesiranja, ukupan dobitak o preopterećenju resursa, redovnost ulaza
Stock Dostupan prostor, stanje od N/A
poslednjeg reseta,
kontinuiranost operacija
Availability N/A Nivo dostupnosti, incidentni događaji
izraženi u procentima, pokrivenost
sadržaja
Throughput N/A Intenzitet korišćenja, preopterećenost,
zauzeće

Tabela 1.

Anomalije koje se najčešće sreću

Nakon prethodno prezentovane materije, sada možemo da analiziramo nekoliko paterna u

kvantitativnim podacima sa kojima se najčešće srećemo.

Copyright © Link group

 nije neophodno da ih sve pregledate. Važno je da zapamtite da su računarski sistemi
organizovani u softverske stackove. Pretražite sukcesivno metrike koje potiču iz
slojeva ili komponenti, koje okružuju onu koja pokazuje anomalije u ponašanju.
Poželjno je da se pridržavate generalnog, pratkičnog saveta:

• za gubitak dostupnosti, upotrebite metrike za merenje parametara na mreži.

• za probleme sa performansama, proverite stepen korišćenja resursa.
• za probleme višeg nivoa koji se odnose na specifičan servis uradite prikazivanje
metrika generisanih iz sistemskih logova.

Ukoliko u ovoj fazi pronađete nešto što može da ukaže na koren problema – odlično.
Ali, zapamtite da samo upoređivanje ne ukazuje nedvosmisleno na uzrok problema,
što nas vodi ka sledećem koraku.

2. Uspostavljanje veze. Činjenica da uzrok prethodi svojim efektima (posledicama),

daje vam mogućnost da dođete do odgovora. Znajući da problem dolazi ili iz sloja
iznad ili iz sloja ispod sistemskog stacka, koja vremenska serija je prva registrovala
tačke podataka u kojima su registrovane anomalije? Ovo je situacija u kojoj
vremenske serije sa finom granulacijom pokazuju svoju korisnost, pošto je dolaženje
do prednosti u identifikaciji problema, ponekada pitanje sekundi. Ukoliko je
vremenski interval u vremenskoj seriji suviše „grub”, i dalje imate mogućnost da
pokušate da parsirate logove. Ako to nije moguće, možda neka od vremenskih serija
spoljnih slojeva otkriva manje vidljive anomalije, koje će vas odvesti do uzroka
problema.

U ovoj fazi bi trebalo da identifikujete jedan ili više potencijalnih uzroka problema
među komponentama sistema.

3. Isključivanje kontradiktornih faktora. Možda ćete u nekom trenutku pomisliti kako

ste otkrili uzrok problema, ali svakako ne možete biti sasvim sigurni dok vaša
pretpostavka ne bude potvrđena. U ekstremnim uslovima mnoge komponente mogu
da pokažu abnormalno ponašanje, ali ne mora obavezno da znači da su one same
uzrok takvog ponašanja. Ukoliko je identifikovan određeni broj potencijalnih izvora
problema i trenutna situacija to potvrđuje (i ako je skup hostova dovoljno veliki da
dopusti takvo eksperimentisanje), pokušajte pojedinačno da isključite ili restartujete
sumnjive komponente, svaku na pojedinačnom serveru. Uređaj koji se na ovaj način
oporavi je uzrok problema koji se javio.

Vremenom i uz sticanje iskustva, administratori mogu da steknu sposobnost formiranja jake

intuicije, što značajno ubrzava identifikaciju grešaka. Kako bi uštedeli vreme, administratori
moraju da formiraju pretpostavke, a na osnovu stečenog bogatog iskustva, te pretpostavke
najčešće jesu ispravne. U nekim ređim situacijama, pretpostavke mogu da se pokažu i
pogrešnim. Tada, pretraga unazad i puna primena prikazana tri koraka potrage za uzrokom
problema, predstavljaju najbolje rešenje.

Copyright © Link group

Snimanje dnevnog ciklusa, trendova i periodičnih promena

Većina metrika evidentira informacije o stanju sistema, koje se odnose na trenutne

operacije u sistemu. One se snimaju „za svaki slučaj” i veoma su korisne pri rešavanju
problema kada sistem postane nedostupan. Kako se sistem razvija, nadograđuje i povećava,
određene informacije o performansama postaju sve manje relevantne. Zbog toga period
upotrebe iste metrike korišćenja resursa retko kada prelazi četiri nedelje – manji obim
istorijskih podataka je neophodan za formiranje relevantnih pretpostavki tokom procesa
rešavanja problema, ali zadržavanje I/O i CPU podataka za svaki pojedinačni host nakon tog
perioda ima malu vrednost.

U svakom slučaju, paterni upotrebe metričkih zapisa enkapsuliraju univerzalniju vrstu

informacija i trebalo bi da budu mnogo duže čuvani u cilju analiziranja trendova i
periodičnosti. Potreba za servisima sistema je većim delom uslovljena njegovom ukupnom
efektinvošću, a u manjoj meri posebnim tehničkim karakteristikama. Vaši korisnici neće
razmišljati o tome koliko su efektivno resursi iskorišćeni, sve dok na njihov rad ne bude
uticala nedostupnost sistema.

Kada merite progresiju zahteva, trebalo bi da isključite manje značajne varijable, koje su
prisutne u metrikama zauzeća resursa. Ove varijable obuhvataju veličinu resursa, tip
hardvera, efikasnost sosftvera itd.

Sistemi sa paternima periodičnog korišćenja moraju da identifikuju i snime indikatore

zahteva, kako biste mogli adekvatno da planirate kapacitete. Planiranje je važno iz razloga
što nedovoljno iskorišćeni resursi predstavljaju rasipanje sredstava, a sa druge strane kada
ne postoji dovoljno resursa, javlja se rizik da će doći do degradacije performansi sistema i
gubitka dostupnosti ključnih funkcija.

Tokovi podataka koji nisu real-time mogu da odlože izvršenje viška zadataka za kasnije,
tako da su problemi najizražajniji kod interaktivnih sistema, kao što su veb-sajtovi, baze
podataka i slično.

Pre svega, potrebno je da identifikujete metriku koja će objektivno da predstavi patern

zauzeća. Za sve vidove korišćenja i svaku namenu, metrike mrežnog saobraćaja
predstavljaju najbolji izbor. Za što ubedljiviji zaključak potrebni su zapisi mrežnog
saobraćaja evidentirani (minimum) na godišnjem nivou sa granuliranošću od najmanje
jednog sata.

Svi informacioni sistemi prate 24-časovni ciklus, od pika do minimuma. Veoma je važno doći
do informacije o tačnom vremenu kada sistem ulazi i kada napušta period najintenzivnijih
aktivnosti. To je period kada je sistem najproduktiniji, ali u isto vreme i najranjiviji. Sve
zadatke održavanja bi trebalo pokretati u „tihom” periodu – periodu kada u sistemu postoji
najmanje aktivnosti.

Osim dnevne fluktuacije, potrebno je analizirati i nedeljne promene. Zauzeće sistema tokom
vikenda će se verovatno razlikovati od zauzeća radnim danima. Patern strogo zavisi od
prirode sistema, ali i ljudskih faktora. Na primer, sistemi koji funkcionišu u kompanijama
čija je aktivnost zasnovana isključivo na funkcionisanju radnim danima tokom radnih dana
pokazavaće veće opterećenje, dok će sistemi koji funkcionišu u kompanijma čija aktivnost
traje 24/7 (na primer tehnička podrška) pokazati konstantno zauzeće tokom cele sedmice.

Copyright © Link group

Trend je dugoročna, postepena promena vrednosti tačaka podataka, koja nije uslovljena
periodičnim i cikličnim komponentama. Najbrži način da uočite postojanje trenda je da
sakupite tačke podataka, na primer, na nivou sedmice. Tako improvizovana procena trenda
zadovoljava najveći broj informacionih potreba, pri čemu sakriva promene na dnevnom
nivou. Ukoliko vam je potrebna tačna procena trenda, najbolje je da izvezete podatke i
koristite statističke softverske alate kojima ćete moći da izvršite analizu vremenskih serija.

Na kraju, dugoročne analize paterna mrežnog saobraćaja će vam otkriti periodične

fluktuacije izazvane ustaljenim godišnim trendovima (sezonske aktivnosti, periodi praznika,
godišnjih odmora itd.). Periodični događaji se javljaju uglavnom u istom periodu svake
godine. Neki periodi u toku godine zahtevaju više resursa nego neki drugi. Na primer, u
kompanijama čija je delatnost prodaja (pogotovo online prodaja), mrežni saobraćaj je
daleko intenzivniji u periodu pred novogodišnje praznike, zbog povećanog obima posla.

Rezime

• Što je finija vremenska granuliranost, biće prikazan veći broj pikova u vremenskoj
seriji, dok će serije sa lošijom granulacijom prikazati manji obim promenljivosti
vrednosti tačaka podataka. Prikupljanjem više ulaza sa ekstremnim percentilima vodi
do veće varijabilnosti (veće fluktuacije) nego prikupljanje ulaznih podataka sa
prosečnom vrednošću.

• Spiky („bodljikavi”) patern se često može pronaći u flow i throughput metrikama.

Jedna od ključnih osobina mu je da ima visoku varijabilnost, odnosno razbacanost
ulaznih podataka. Steady („stabilan”) patern se javlja kada vrednosti tačaka
podataka imaju male promene na ne-nultom nivou. Opseg njihovih vrednosti je
najčešće ograničen sa jedne strane, na primer zakonima fizike ili gornjom granicom
koja je 100%. Counter („brojač”) pattern je specijalan slučaj koji se javlja u stock
metrici, gde diskretne vrednosti nastavljaju da rastu sve dok ne dosegnu maksimum.
Ove metrike su rezultat counter (brojačke) promenljive, čija vrednost se iscrtava
tokom vremena. Bursty („razbacani”) paterni su rezultat merenja naizmeničnih
operacija sistemskih komponenti, sa produženim periodom neaktivnosti. Cyclic
(„kružni”) paterni, u suštini, predstavljaju sinusoidalne paterne. Skoro sve metrike
koje su rezultat interakcije sa ljudima iz određenog okruženja i u definisanom
kontekstu (na primer, ostvareni web saobraćaj), prikazuju dnevni ciklus sa
trendovima i pratećim (takozvanim periodičnim) efektima. Binarni paterni se javljaju
u Availability metrikama, pri čemu snimaju samo dve vrednosti: 1 i 0 (za „uspeh” ili
„neuspeh”) ili evidentiraju prisutnost, odnosno odsutnost nekog događaja. Sparse
(„proređeni”) paterni su vremenske serije čije metrike ne primaju ulazne podatke u
svakom intervalu. Oni evidentiraju događaje koji se javljaju sporadično. Sparse
vremenske serije mogu da budu podeljene u dve potkategorije: jednu koja evidentira
nulte vrednosti, odnosno kada ne postoje ulazni podaci i drugu, koja funkcioniše
suprotno – ne evidentira sve nulte vrednosti. Stairy („stepenasti”) patern je moguće
sresti kada vrednosti tačaka podataka rastu i padaju veoma naglo, nakon čega
ostaju na istom nivou određeni vremenski period.

Copyright © Link group

• Odstupanje tačaka podataka od standardnih paterna možete da shvatite kao vrstu
simboličkog jezika, gde alfabet tog simboličkog jezika predstavljaju „usponi” i
„padovi”, „rasutost” i „grupisanost”, „vrhovi” i „depresije”, kao i „efekti poravnanja”.

• Flow evidentira neke osobine koje poseduje više događaja. n statistika opisuje nivoe
tokova, odnosno broj dolaznih događaja po jednom vremenskom intervalu. Vrednosti
stocka evidentiraju informacije o kapacitetima određenih nivoa. Mogu da se odnose
na skladište, memoriju ili na apstraktne konstrukcije kao što su softverski redovi
čekanja. Stock metrike su, same po sebi, single-N tako da je suma njihova jedina
validna statistika. Tip brojač (counter) je specijalni slučaj stock količine, u kome se
regularni prilivi prihvataju, ali se odliv sprovodi s vremena na vreme kako bi se
brojač resetovao na nulu. Availability je specijalan slučaj Flow metrike u kome ulazni
podaci uzimaju dve moguće vrednosti: 1 ili 0, u zavisnosti od toga da li je rezultat
uspešan ili neuspešan, respektivno. Throughput metrike evidentiraju intenzitet
korišćenja resursa i prikazuju se kao prosečne jedinice protoka za određeni
vremenski period ili kao procenat ukupnog korišćenja resursa po intervalu. Anomalije
koje se najčešće sreću su:

o efekat izravnanja,
o efekat zagrevanja,
o redovne anomalije,
o pikovi u podnožjima talasa.

• Kada se proces rešavanja problema razloži na tri logička koraka, efikasnost

istraživanja se značajno unapređuje. Ti koraci su:

1. pronalaženje povezanosti,
2. uspostavljanje veze,
3. isključivanje kontradiktornih faktora.

• Kako se sistem razvija, nadograđuje i povećava, određene informacije o

performansama postaju sve manje relevantne. Potreba za servisima vašeg sistema
je većim delom uslovljena njegovom ukupnom efektivnošću, a u manjoj meri
posebnim tehničkim karakteristikama. Planiranje je važno iz razloga što nedovoljno
iskorišćeni resursi predstavljaju rasipanje sredstava, a sa druge strane kada ne
postoji dovoljno resursa, javlja se rizik da će doći do degradacije performansi
sistema i gubitka dostupnosti ključnih funkcija. Veoma je važno doći do informacije o
tačnom vremenu kada sistem ulazi i kada napušta period najintenzivnijih aktivnosti.
To je period kada je sistem najproduktivniji, ali u isto vreme i najranjiviji. Sve
zadatke održavanja bi trebao pokretati u „tihom“ periodu – periodu kada u sistemu
postoji najmanje aktivnosti.

• Trend je dugoročna, postepena promena vrednosti tačaka podataka, koja nije

uslovljena periodičnim i cikličnim komponentama.

Copyright © Link group