7 Erste Schritte mit Datenüberwachung

Data Monitoring bewertet, wie sich Ihre Daten im Laufe der Zeit entwickeln. Es hilft Ihnen, Einblicke in Trends und multivariate Abhängigkeiten in den Daten zu erhalten. Außerdem erhalten Sie eine frühe Warnung vor Datenabweichungen.

Datenabweichung tritt auf, wenn Daten im Laufe der Zeit von den ursprünglichen Baseline-Daten abweichen. Datenabweichungen können aus einer Vielzahl von Gründen auftreten, wie z. B. einer sich ändernden Geschäftsumgebung, einem sich entwickelnden Benutzerverhalten und -interesse, Datenänderungen aus Quellen von Drittanbietern, Datenqualitätsproblemen oder Problemen mit vorgelagerten Datenverarbeitungspipelines.

Der Schlüssel zur genauen Interpretation Ihrer Modelle und zur Sicherstellung, dass die Modelle Geschäftsprobleme lösen können, besteht darin, zu verstehen, wie sich die Daten im Laufe der Zeit entwickeln. Die Datenüberwachung ergänzt die erfolgreiche Modellüberwachung, da das Verständnis der Datenänderungen für das Verständnis der Änderungen in der Wirksamkeit der Modelle von entscheidender Bedeutung ist. Die Fähigkeit, Änderungen der statistischen Eigenschaften Ihrer Daten schnell und zuverlässig zu erkennen, stellt sicher, dass Ihre ML-Modelle Geschäftsziele erreichen können.

Sie können Ihre Daten mit der Datenüberwachungsfunktion der Oracle Machine Learning-Benutzeroberfläche überwachen. Um Ihre Daten zu überwachen, klicken Sie auf der Homepage der Oracle Machine Learning-UI auf das Cloud-Menü, klicken auf Monitoring und dann auf Daten, um die Seite "Datenmonitore" zu öffnen. Auf der Seite "Data Monitors" können Sie die folgenden Aufgaben ausführen:

Abbildung 7-1: Seite "Datenmonitore"

• Erstellen: Erstellen Sie einen Datenmonitor.

  Hinweis:

  Die unterstützten Datentypen für die Datenüberwachung sind NUMERIC und CATEGORICAL.
• Bearbeiten: Wählen Sie einen Datenmonitor aus, und klicken Sie auf Bearbeiten, um einen Datenmonitor zu bearbeiten.
• Duplizieren: Wählen Sie einen Datenmonitor aus, und klicken Sie auf Duplizieren, um eine Kopie des Monitors zu erstellen.
• Löschen: Wählen Sie einen Datenmonitor aus, und klicken Sie auf Löschen, um einen Datenmonitor zu löschen.
• Historie: Wählen Sie einen Datenmonitor aus, und klicken Sie auf Historie, um die Laufzeitdetails anzuzeigen. Klicken Sie auf Zurück zu Monitoren, um zur Seite "Datenüberwachung" zurückzukehren.
• Starten: Starten Sie einen Datenmonitor.
• Stoppen: Stoppen Sie einen ausgeführten Datenmonitor.
• Mehr: Klicken Sie auf Mehr, um weitere Optionen zu erhalten:

  Abbildung 7-2 Weitere Option unter Datenmonitore

  
  • Aktivieren: Wählen Sie einen Datenmonitor aus, und klicken Sie auf Aktivieren, um einen deaktivierten Monitor zu aktivieren. Standardmäßig ist ein Datenmonitor aktiviert. Der Status wird als SCHEDULED angezeigt.
  • Disable: Select a data monitor and click Disable to disable a data monitor. Der Status wird als DISABLED angezeigt.
  • Verwaltete Monitore anzeigen: Klicken Sie auf diese Option, um die Datenmonitore anzuzeigen, die von der OML Services-REST-API und den Model Monitoren in der Oracle Machine Learning-UI erstellt und verwaltet werden. Die Datenmonitore, die von diesen beiden Komponenten verwaltet werden, haben einen systemgenerierten Namen und werden durch bestimmte Symbole für ihren Namen angegeben.
    • Klicken Sie auf das Linksymbol für den Namen eines verwalteten Datenmonitors, um die Details des zugehörigen Modellmonitors anzuzeigen. Die zugehörigen Modellüberwachungsdetails werden in einem separaten Bereich angezeigt, der eingeblendet wird. Im Slide-in-Bereich wird der Name des Modellmonitors mit Links angezeigt, über die Sie die Ergebnisse und Einstellungen des Modellmonitors anzeigen können. Wenn Sie auf das Linksymbol klicken, werden auch die Datenabweichungsdetails im unteren Bereich der Seite "Datenmonitore" angezeigt. Klicken Sie oben links auf das X, um das Fenster zu schließen.

      Abbildung 7-3 Seite "Datenmonitore" mit den Ergebnissen und Einstellungen des zugehörigen Modellmonitors

      

      In diesem Beispiel werden im Slide-in-Bereich die Details des Modellmonitors Energieverbrauch angezeigt. Im Slide-in-Bereich:

      • Klicken Sie auf Modellüberwachungsergebnisse, um die vom Modellmonitor berechneten Ergebnisse anzuzeigen: Einstellungen, Modelle, Modellabweichung, Metrik und Vorhersagestatistiken. Klicken Sie auf Monitore, um zur Seite Datenmonitore zurückzukehren. Siehe Modellüberwachungsergebnisse anzeigen.
      • Klicken Sie auf Modelmonitoreinstellungen, um die vom Modellmonitor überwachten Einstellungen, Details und Modelle auf der Seite Modellmonitor bearbeiten anzuzeigen und zu bearbeiten. Klicken Sie auf Abbrechen, um zur Seite Datenmonitore zurückzukehren. Klicken Sie auf Speichern, um etwaige Änderungen zu speichern.
    • Klicken Sie auf das Kontrollkästchen für den Datenmonitornamen, um die Datenabweichungswerte im unteren Bereich anzuzeigen.

      Abbildung 7-4 Wählen Sie einen verwalteten Datenmonitor aus

      
    • Klicken Sie auf den Namen des Datenmonitors, um die Details des Datenmonitors anzuzeigen - Einstellungen, Datenabweichungswerte und überwachte Features.

      Abbildung 7-5 Datenmonitorklick

      

Auf der Seite "Datenmonitore" werden die Informationen zum ausgewählten Monitor angezeigt: Name überwachen, Basisplandaten, Neue Daten, Letztes Startdatum, Letzter Status, Nächste Ausführungsdaten, Status und Zeitplan. Auf der Seite wird auch die Datenabweichung angezeigt, wenn der Datenmonitor erfolgreich ausgeführt wurde. So zeigen Sie Datenabweichungen an:

Abbildung 7-6: Vorschau der Datenabweichung auf der Seite "Datenmonitore"

Wählen Sie einen Datenmonitor, der erfolgreich ausgeführt wurde (siehe Screenshot). Im unteren Bereich wird die Datenabweichung des ausgewählten Monitors angezeigt. Die X-Achse zeigt den Analysezeitraum, und die Y-Achse zeigt die Datenabweichungswerte. Die horizontale gepunktete Linie ist der Schwellenwert, und die Linie zeigt den Abweichungswert für jeden Zeitpunkt für den Analysezeitraum an. Bewegen Sie den Mauszeiger über die Linie, um die Abweichungswerte anzuzeigen. Weitere Informationen zu diesem Beispiel finden Sie unter Datenüberwachungsergebnisse anzeigen.

• Datenmonitor erstellen
  Mit Data Monitoring können Sie Datenabweichungen im Zeitverlauf und die potenziell negativen Auswirkungen auf die Performance Ihrer Modelle für maschinelles Lernen erkennen. Auf der Seite "Data Monitor" können Sie Datenüberwachungen und die Ergebnisse erstellen, ausführen und verfolgen.
• Datenüberwachungsergebnisse anzeigen
  Auf der Seite "Datenüberwachungsergebnisse" werden die Informationen zum ausgewählten Datenmonitor angezeigt, die erfolgreich ausgeführt wurden, sowie Datenabweichungsdetails für jedes überwachte Feature.
• Historie anzeigen
  Auf der Seite "Historie" werden die Laufzeitdetails von Datenüberwachungen angezeigt.

7.1 Datenmonitor erstellen

Mit Data Monitoring können Sie Datenabweichungen im Zeitverlauf und die potenziell negativen Auswirkungen auf die Performance Ihrer ML-Modelle erkennen. Auf der Seite "Data Monitor" können Sie Datenüberwachungen und die Ergebnisse erstellen, ausführen und verfolgen.

So erstellen Sie einen Datenmonitor:

1. Blenden Sie im linken Navigationsmenü der Oracle Machine Learning-UI die Option Monitoring ein, und klicken Sie auf Daten, um die Seite "Datenüberwachung" zu öffnen.
2. Klicken Sie auf der Seite "Datenüberwachung" auf Erstellen, um die Seite "Neuer Datenmonitor" zu öffnen.
3. Geben Sie auf der Seite "Neue Datenüberwachung" folgende Details ein:

   Abbildung 7-7: Neuer Datenmonitor

   
   1. Monitorname: Geben Sie einen Namen für den Datenmonitor ein.
   2. Kommentare: Geben Sie Kommentare ein. Dies ist ein optionales Feld.
   3. Basisplandaten: Dies ist eine Tabelle oder View, die zu überwachende Basisplandaten enthält. Klicken Sie auf das Suchsymbol, um das Dialogfeld Tabelle auswählen zu öffnen. Wählen Sie hier ein Schema und dann eine Tabelle aus.

      Hinweis:

      Die unterstützten Datentypen für die Datenüberwachung sind NUMBER, BINARY_DOUBLE, FLOAT, BINARY_FLOAT, VARCHAR2, CHAR, NCHAR, und NVARCHAR2 mit der Länge <=4000.
   4. Neue Daten: Dies ist eine Tabelle oder View mit neuen Daten, die mit den Baseline-Daten verglichen werden sollen. Klicken Sie auf das Suchsymbol, um das Dialogfeld Tabelle auswählen zu öffnen. Wählen Sie ein Schema und dann eine Tabelle aus.

      Hinweis:

      Die unterstützten Datentypen für die Datenüberwachung sind NUMBER, BINARY_DOUBLE, FLOAT, BINARY_FLOAT, VARCHAR2, CHAR, NCHAR, und NVARCHAR2 mit der Länge <=4000.
   5. Kreuztabelle: Wählen Sie ein Attribut aus der Dropdown-Liste aus. Dieses Attribut in der Baseline und in den neuen Daten fungiert als Anker oder Ziel für die bi-variate Analyse Ihrer Daten.

      Hinweis:

      Die Zielspalte in überwachten Langzeitdiagnosen kann als Ankerspalte in diesem Feld übergeben werden. Bei unbeaufsichtigten Problemen kann es sich um eine beliebige Spalte handeln. Es wird jedoch anwendungsspezifisch sein.
   6. Fall-ID: Dies ist ein optionales Feld. Geben Sie eine Fall-ID für die Baseline und neue Daten ein, um die Wiederholbarkeit der Ergebnisse zu verbessern.
   7. Zeitspalte: Dies ist der Name einer Spalte, die Zeitinformationen in der Tabelle oder View "Neue Daten" speichert. Wählen Sie die Zeitspalte aus der Dropdown-Liste.

      Hinweis:

      Wenn die Zeitspalte leer ist, werden die gesamten neuen Daten als eine Periode behandelt.
   8. Analysezeitraum: Dies ist die Dauer der Datenüberwachung für die neuen Daten. Wählen Sie den Analysezeitraum für die Datenüberwachung aus. Die Optionen sind Day, Week, Month, Year.
   9. Startdatum: Dies ist das Startdatum Ihres Datenüberwachungsplans. Wenn Sie kein Startdatum angeben, wird das aktuelle Datum als Startdatum verwendet.
   10. Wiederholen: Dieser Wert definiert, wie oft die Datenmonitorausführung für die definierte Häufigkeit wiederholt wird. Geben Sie eine Zahl zwischen 1 und 99 ein. Beispiel: Wenn Sie 2 in das Feld Wiederholen und Minutes in das Feld Häufigkeit eingeben, wird der Datenmonitor alle 2 Minuten ausgeführt.
   11. Häufigkeit: Dieser Wert bestimmt, wie häufig die Datenmonitorausführung für die neuen Daten ausgeführt wird. Wählen Sie eine Häufigkeit für die Datenüberwachung aus. Die Optionen sind Minuten, Stunden, Tage, Wochen, Monate. Beispiel: Wenn Sie Minutes im Feld Häufigkeit, 2 im Feld Wiederholung und 5/30/23 im Feld Startdatum auswählen, wird der Datenmonitor laut Zeitplan alle 2 Minuten vom 30.5.23 ausgeführt.
4. Klicken Sie auf Neu berechnen: Wählen Sie diese Option aus, um die Analyse für den bereits berechneten Zeitraum neu zu berechnen. Standardmäßig ist "Neu berechnen" deaktiviert.
   • Wenn diese Option aktiviert ist, wird die Datenabweichungsanalyse für den im Feld "Startdatum" angegebenen Zeitraum und die Endzeit ausgeführt. Die Analyse überschreibt die bereits vorhandenen Ergebnisse für den angegebenen Zeitraum. Dies bedeutet, dass die Analyse für den Zeitraum mit anderen neuen Daten als den aktuellen Daten berechnet wird. Neue Analyseergebnisse können sich je nach ausgewählter Häufigkeit mit den vorhandenen Ergebnissen überschneiden.
   • Wenn diese Option deaktiviert ist, werden die Daten für den Zeitraum, der in der Ergebnistabelle vorhanden ist, unverändert beibehalten. Für die Analyse werden nur die neuen Daten für den letzten Zeitraum berücksichtigt. Die Ergebnisse werden der Ergebnistabelle hinzugefügt.
5. Klicken Sie auf Zusätzliche Einstellungen, um diesen Abschnitt einzublenden und erweiterte Einstellungen für den Datenmonitor bereitzustellen:

   Abbildung 7-8 Zusätzliche Einstellungen zur Datenüberwachung

   
   1. Abweichungsschwellenwert: Die Abweichung erfasst die relative Performanceänderung zwischen den Baseline-Daten und dem neuen Datenzeitraum. Legen Sie basierend auf Ihrem spezifischen Problem mit maschinellem Lernen den Schwellenwert für die Erkennung von Datenabweichungen fest. Der Standardwert ist 0.7.

      Hinweis:

      Sie können den Schwellenwert je nach Anwendungsfall anpassen. Wenn Sie den Wert erhöhen, werden weniger Alerts generiert, während eine Verringerung des Wertes mehr Alerts generiert.
      • Eine Abweichung über diesem Schwellenwert weist auf eine signifikante Änderung Ihrer Daten hin. Wenn Sie den Schwellenwert überschreiten, ist möglicherweise ein erneutes Erstellen und erneutes Deployment des Modells erforderlich.
      • Eine Abweichung unter diesem Schwellenwert deutet darauf hin, dass die Daten nicht ausreichend geändert werden, um weitere Untersuchungen oder Maßnahmen zu rechtfertigen.
   2. Datenbankservicegrad: Dies sind die Autonomous Database-Serviceebenen - Low, Medium, High. Der Standardwert ist Low. Der Servicegrad Medium bietet mehr Ressourcen für die Datenmonitorausführung im Vergleich zu Low. Der Servicegrad High bietet mehr Ressourcen für die Datenmonitorausführung im Vergleich zu Medium.
   3. Analysefilter: Aktivieren Sie diese Option, wenn die Datenüberwachungsanalyse für einen bestimmten Zeitraum erfolgen soll. Verschieben Sie den Schieberegler nach rechts, um ihn zu aktivieren, und wählen Sie dann in den Feldern Von Datum bzw. Bis Datum ein Datum aus. Dieses Feld ist standardmäßig deaktiviert.
      • Von Datum: Dies ist das Startdatum oder der Zeitstempel der Überwachung in "Neue Daten". Es wird davon ausgegangen, dass eine Zeitspalte in der Tabelle vorhanden ist. Dies ist ein Pflichtfeld, wenn Sie die Option "Analysefilter" verwenden.
      • Bis Datum: Dies ist das Enddatum oder der Zeitstempel der Überwachung in den neuen Daten. Es wird davon ausgegangen, dass eine Zeitspalte in der Tabelle vorhanden ist. Dies ist ein Pflichtfeld, wenn Sie die Option "Analysefilter" verwenden.
   4. Maximale Anzahl Ausführungen: Dies ist die maximale Anzahl der Ausführungen des Datenmonitors gemäß diesem Zeitplan. Der Standard ist 3.
6. Im Raster "Features" wird die Liste der zu überwachenden Features angezeigt. Hier können Sie Funktionen zum Ein- oder Ausschließen aus der Überwachung aktivieren oder deaktivieren. Standardmäßig sind alle Funktionen gewählt. Featurestatistiken werden bereitgestellt, wenn die ausgewählten Daten eine Tabelle sind und RDBMS-Statistiken automatisch von Autonomous Database erfasst werden. Oracle Machine Learning Services berechnet die Statistiken bei der ersten Ausführung für Tabellen und Views. Die Berechnungen werden hier nach der ersten Ausführung angezeigt. Die Statistiken werden durch nachfolgende Ausführungen aktualisiert.

   Abbildung 7-9 Features-Raster in Data Monitor

   

   Hinweis:

   Die Spalten Fall-ID und Registerkarteübergreifend können nicht ausgewählt werden.
7. Klicken Sie auf Speichern. Damit ist die Erstellung des Datenmonitors abgeschlossen.

   Hinweis:

   Sie müssen jetzt zur Seite "Datenüberwachung" gehen, den Datenmonitor auswählen und auf Start klicken, um mit der Datenüberwachung zu beginnen.
   Nachdem der Datenmonitor erfolgreich ausgeführt wurde, wählen Sie den Monitor auf der Seite Datenmonitoring aus, um die Datenabweichung und andere Details des Datenmonitors anzuzeigen. Weitere Informationen finden Sie unter Erste Schritte mit Datenüberwachung.

7.2 Datenüberwachungsergebnisse anzeigen

Auf der Seite "Datenüberwachungsergebnisse" werden die Informationen zum ausgewählten Datenmonitor angezeigt, der erfolgreich ausgeführt wurde, sowie Datenabweichungsdetails für jedes überwachte Feature.

Klicken Sie auf der Seite "Datenmonitore" auf einen Datenmonitor, der erfolgreich ausgeführt wurde. In diesem Beispiel ist der Datenmonitor Energieverbrauch ausgewählt. Die Ergebnisse des Datenmonitors werden auf der Seite "Ergebnisse des Datenmonitors" angezeigt, die folgende Abschnitte umfasst:

• Einstellungen - Im Abschnitt "Einstellungen" werden die Datenüberwachungseinstellungen angezeigt. Klicken Sie auf den Pfeil unter Einstellungen, um diesen Abschnitt einzublenden. Sie können die Datenmonitoreinstellungen bearbeiten, indem Sie oben rechts auf der Seite auf Bearbeiten klicken. In diesem Screenshot werden die Einstellungen für den Datenmonitor Energieverbrauch angezeigt.

  Abbildung 7-10 Abschnitt "Einstellungen" auf der Seite "Datenüberwachungsergebnisse"

  
• Abweichung - Im Abschnitt "Abweichung" werden die Details der Datenabweichung für jedes überwachte Feature angezeigt. In diesem Beispiel ist der Datenmonitor Leistungsaufnahme ausgewählt. Die X-Achse zeigt den Analysezeitraum, und die Y-Achse zeigt die Datenabweichungswerte. Die horizontale gepunktete Linie ist der Schwellenwert, und die Linie zeigt den Abweichungswert für jeden Zeitpunkt für den Analysezeitraum an. Bewegen Sie den Mauszeiger über die Linie, um die Abweichungswerte anzuzeigen.

  Abbildung 7-11 Abschnitt "Datenabweichung" auf der Seite "Datenüberwachungsergebnisse"

  

• Features - Im Abschnitt "Features" werden die überwachten Features zusammen mit den berechneten Statistiken angezeigt.

  Abbildung 7-12 Abschnitt "Funktionen" auf der Seite "Ergebnisse des Datenmonitors"

  

  Der Wert in der Spalte Wichtigkeit gibt an, wie wirksam das Feature bei der Datenabweichung über einen bestimmten Zeitraum war.

  Bei numerischen Daten werden die folgenden Statistiken berechnet:

  • Mittel
  • Standardabweichung
  • Bereich (Minimum, Maximum)
  • Anzahl Nullwerte
  Für kategoriale Daten werden die folgenden Statistiken berechnet:

  • Anzahl eindeutige Werte
  • Anzahl Nullwerte

  Bewegen Sie den Mauszeiger für jede überwachte Funktion, um die folgenden zusätzlichen Details anzuzeigen, wie im Screenshot hier dargestellt.

  • Erstens: Dies ist der erste Wert der berechneten Statistiken für den Analysezeitraum.
  • Zuletzt: Dies ist der letzte Wert der berechneten Statistiken für den Analysezeitraum.
  • Max: Dies ist der höchste Wert der berechneten Statistiken für den Analysezeitraum.
  • Min: Dies ist der niedrigste Wert der berechneten Statistiken für den Analysezeitraum.
• Klicken Sie auf ein überwachtes Feature im Abschnitt Features, um Metrik, Statistiken, Verteilung und Verteilung mit Kreuztabellenspalte anzuzeigen, wie im Screenshot hier dargestellt. Im Screenshot hier wird der Populationsstabilitätsindex für das Feature GLOBAL_REACTIVE_POWER angezeigt.

  Abbildung 7-13 Bevölkerungsstabilitätsindex

  
  Die Berechnungen umfassen:

  • Metrik: Die folgenden Metriken werden berechnet:
    • Population Stability Index (PSI): Dies ist ein Maß dafür, wie viel eine Population im Laufe der Zeit oder zwischen zwei verschiedenen Stichproben einer Population in einer einzigen Zahl verschoben hat. Die beiden Verteilungen werden in Buckets eingeteilt, und PSI vergleicht die Prozentsätze der Artikel in jedem Bucket. PSI wird berechnet als

      PSI = sum((Actual_% - Expected_%) x ln (Actual_% / Expected_%))

      Die Interpretation des PSI-Wertes lautet:
      • PSI < 0.1 impliziert keine signifikante Bevölkerungsänderung
      • 0.1 <= PSI < 0.2 impliziert einen moderaten Bevölkerungswechsel
      • PSI >= 0.2 impliziert einen signifikanten Bevölkerungswechsel
    • Jenson Shannon Distance (JSD): Dies ist ein Maß für die Ähnlichkeit zwischen zwei Wahrscheinlichkeitsverteilungen. JSD ist die Quadratwurzel der Jensen-Shannon Divergenz, die mit der Kullbach-Leibler Divergenz (KLD) verbunden ist. JSD wird wie folgt berechnet:

      SD(P || Q)= sqrt(0.5 x KLD(P || M) + 0.5 x KLD(Q || M))

      Wo, P und Q die 2 Distributionen sind, M = 0.5 x (P + Q), KLD(P || M) = sum(Pi x ln(Pi / Mi)), and KLD(Q || M) = sum(Qi x ln(Qi / Mi))

      Der Wert von JSD liegt zwischen 0 und 1.

    • Crosstab Population Stability Index: Dies ist die PSI für zwei Variablen.
    • Kreuztabelle Jenson Shannon Entfernung: Dies ist die JSD für zwei Variablen.
  • Statistiken: Sie können Statistiken für bis zu 3 ausgewählte Perioden anzeigen. Die Datenabweichung wird anhand dieser statistischen Berechnungen quantifiziert.

    Abbildung 7-14: Statistiken

    
    Bei numerischen Daten werden die folgenden Statistiken berechnet:

    • Mittel
    • Standardabweichung
    • Bereich (Minimum, Maximum)
    • Anzahl Nullwerte
    Für kategoriale Daten werden die folgenden Statistiken berechnet:

    • Anzahl eindeutige Werte
    • Anzahl Nullwerte
  • Aufteilung: Das Funktionsverteilungsdiagramm mit der Legende zeigt die Funktionsablagen für ausgewählte Perioden und den Basisplan an (optional).

    Abbildung 7-15: Verteilungsdiagramm und Verteilung mit Spalte "Kreuztabelle"

    
  • Verteilung mit Kreuztabellenspalte: Die Heatmap gibt die Verteilungsdichte für die ausgewählte Kreuztabelle und die Feature-Spalte an. Rot bezeichnet die höchste Dichte.

    Hinweis:

    In der Datenabweichungsüberwachung werden nulls separat als number_of_missing_values verfolgt.

7.3 Historie anzeigen

Auf der Seite "Historie" werden die Laufzeitdetails von Datenüberwachungen angezeigt.

Wählen Sie einen Datenmonitor aus, und klicken Sie auf Historie, um die Laufzeitdetails anzuzeigen. Auf der Seite "Historie" werden die folgenden Informationen zur Laufzeit des Datenmonitors angezeigt:

Abbildung 7-16: Seite "Data Monitor-Historie"

• Tatsächliches Startdatum: Dies ist das Datum, an dem die Datenüberwachung tatsächlich gestartet wurde.
• Angefordertes Startdatum: Dieses Datum wird beim Erstellen des Datenmonitors in das Feld Start Date eingegeben.
• Status: Die Statusangaben lauten SUCCEEDED und FAILED.
• Details: Wenn ein Datenmonitor nicht erfolgreich verläuft, werden die Details hier aufgeführt.
• Dauer: Dies ist die Zeit, die zur Ausführung des Datenmonitors benötigt wird.

Klicken Sie auf Zurück zu Monitoren, um zur Seite "Datenüberwachung" zurückzukehren.