000096659 001__ 96659 000096659 005__ 20201120151214.0 000096659 037__ $$aTAZ-TFG-2020-1051 000096659 041__ $$aeng 000096659 1001_ $$aMartínez Baselga, Diego 000096659 24200 $$aPrometheus Anomaly Detection Plugin 000096659 24500 $$aDetección de anomalías con Prometheus 000096659 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2020 000096659 500__ $$aRealizado en estancia Erasmus. Escrito en inglés con resumen disponible en español. 000096659 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000096659 520__ $$aPrometheus es una aplicación de uso extendido para monitorizar sistemas de Kubernetes. No obstante, no provee una solución adecuada para detectar anomalías complejas. En este trabajo se habla, en primer lugar, del despliegue de un sistema de Kubernetes que usa Kafka y la implementación de un microservicio para producir anomalías. Con ello, se genera un conjunto etiquetado de datos extraídos de Prometheus.<br />El conjunto de datos producido se puede utilizar para desarrollar un algoritmo de aprendizaje automático para detectar anomalías. Adicionalmente, el estudio explica las herramientas para entender el conjunto de datos y cómo utilizarlo para desarrollar un plug-in que prediga anomalías y accione alarmas en Prometheus Alertmanager cuando sean detectadas.<br /><br /> 000096659 521__ $$aGraduado en Ingeniería Informática 000096659 540__ $$aDerechos regulados por licencia Creative Commons 000096659 700__ $$aTaibi, Davide$$edir. 000096659 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cLenguajes y Sistemas Informáticos 000096659 7202_ $$aFabra Caro, Francisco Javier$$eponente 000096659 8560_ $$f735969@unizar.es 000096659 8564_ $$s272766$$uhttps://zaguan.unizar.es/record/96659/files/TAZ-TFG-2020-1051.pdf$$yMemoria (eng) 000096659 909CO $$ooai:zaguan.unizar.es:96659$$pdriver$$ptrabajos-fin-grado 000096659 950__ $$a 000096659 951__ $$adeposita:2020-11-20 000096659 980__ $$aTAZ$$bTFG$$cEINA 000096659 999__ $$a20200610123323.CREATION_DATE