Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Giám sát ML với Prometheus và Grafana Quiz
Chọn loại chỉ số Prometheus và chế độ xem Grafana cho các dịch vụ suy luận, đồng thời tránh các vấn đề về lượng số và quyền riêng tư.
Câu hỏi 1 của 8
Prometheus thường thu thập số liệu từ một dịch vụ mẫu như thế nào?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Prometheus thường thu thập số liệu từ một dịch vụ mẫu như thế nào?
- Quét điểm cuối số liệu do dịch vụ cung cấp
- Đọc trực tiếp cơ sở dữ liệu dự đoán của mọi người dùng
- Đào tạo lại mô hình ở mỗi khoảng thời gian
- Kiểm tra ảnh chụp màn hình bảng điều khiển
- Loại số liệu nào phù hợp với số lượng yêu cầu tích lũy?
- Máy đo
- quầy
- Chỉ có nhãn nhóm biểu đồ
- Chú thích trên trang tổng quan
- Tại sao tránh sử dụng ID người dùng làm nhãn Prometheus?
- Nó ngăn chặn việc đo độ trễ
- Nó thay đổi trọng lượng mô hình
- Nó có thể tạo ra vô số chuỗi thời gian
- Nó làm cho tên số liệu không hợp lệ
- Biểu đồ độ trễ có thể cung cấp những gì?
- Giải thích nhân quả trực tiếp
- Đảm bảo độ chính xác của mô hình
- Bản ghi lời nhắc thô
- Số lượng nhóm tổng hợp để phân phối độ trễ
- Bảng thông tin Grafana sẽ hiển thị những gì cho dịch vụ suy luận?
- Chỉ có độ chính xác của mô hình đào tạo
- Độ trễ dịch vụ, lỗi, lưu lượng truy cập và tín hiệu mô hình liên quan
- Mỗi lời nhắc của người dùng thô
- Chỉ dự đoán gần đây nhất
- Tại sao phải tách cảnh báo tình trạng dịch vụ khỏi việc giám sát chất lượng mô hình?
- Chất lượng không bao giờ thay đổi sau khi triển khai
- Prometheus không thể lưu trữ số liệu mô hình
- Một dịch vụ có thể khả dụng trong khi dự đoán kém hoặc ngược lại
- Độ trễ là thước đo hữu ích duy nhất
- ID yêu cầu thô hoặc văn bản nhắc nhở nhạy cảm thường được xử lý ở đâu?
- Tiêu đề bảng điều khiển công khai
- Nhãn Prometheus không giới hạn
- Tên chỉ số
- Nhật ký hoặc dấu vết được kiểm soát với chính sách truy cập và lưu giữ
- Khoảng thời gian chờ xử lý trong quy tắc cảnh báo giúp ích gì?
- Tránh cảnh báo khi số liệu tăng đột biến trong thời gian ngắn
- Giảm lượng số liệu
- Cải thiện hiệu chuẩn mô hình
- Thay đổi nhóm biểu đồ sau khi thu thập