Anmerkung
Dies ist eine Vorschaufunktion. Befolgen Sie die vom Feature bereitgestellten Empfehlungen nur, wenn Ihnen die Auswirkungen der Änderung klar sind und Sie ihnen zustimmen. Einige Empfehlungen sind möglicherweise für Ihre Umgebung nicht gültig. Melden Sie Nerdio unerwartete Ergebnisse unten über den Datenmanager.
Dieser Artikel bietet eine Schritt-für-Schritt-Anleitung zur Konfiguration Ihrer Anwendung, um Empfehlungen für Auto-Scale-Insights mithilfe der OpenAI-Integration in Azure zu aktivieren. Er beschreibt zudem den Prozess zum Generieren und Anzeigen von Empfehlungen zur Optimierung von Auto-Scale-Konfigurationen.
Anmerkung
Nerdio Manager nutzt Azure OpenAI-Dienste, die als dedizierte Azure-Ressourcen innerhalb des Azure-Tenants Ihres Unternehmens bereitgestellt werden. Diese Dienste werden ausschließlich innerhalb Ihrer kontrollierten Umgebung ausgeführt. Dadurch wird sichergestellt, dass alle Interaktionen von öffentlich zugänglichen KI-Systemen isoliert sind. Zwischen Azure OpenAI-Diensten und öffentlich zugänglichen Modellen wie ChatGPT oder anderen großen Sprachmodellen (LLMs), die von Microsoft oder Drittanbietern bereitgestellt werden, findet weder Kommunikation noch ein Austausch von Daten statt.
Darüber hinaus verbleiben alle Informationen, die in Prompts oder Abfragen enthalten sind, die an die Azure OpenAI-Ressourcen gesendet werden, sicher innerhalb Ihres Azure-Tenants. Dieses Design stellt sicher, dass Ihre Daten keinen externen Systemen ausgesetzt sind, entspricht strengen Sicherheits- und Datenschutzstandards und stimmt mit den Governance-Anforderungen des Unternehmens überein. Durch die Nutzung von Azure OpenAI garantiert Nerdio Manager eine sichere und private KI-Darstellung, die auf Ihre betrieblichen Anforderungen zugeschnitten ist. Weitere Informationen finden Sie unter Datensicherheit und Datenschutz mit Azure OpenAI in Nerdio Manager.
Befolgen Sie die Anweisungen in Overview of AI-Powered Description Generation, um die OpenAI-Integration zu aktivieren.
Anmerkung
Für optimale Ergebnisse empfehlen wir Ihnen GPT-Version 4 oder höher. Frühere Versionen von GPT werden für die Verwendung in diesem Feature nicht empfohlen.
Die Auto-Scale-Insights-Empfehlungen können jederzeit angezeigt werden.
Auto-Scale-Insights-Empfehlungen anzeigen
-
Finden Sie den dynamischen Hostpool, mit dem Sie arbeiten möchten.
-
Wählen Sie im Menü „Aktionen“ Auto-scale > Konfigurieren aus.
-
Wählen Sie das Pop-up-Symbol für Auto-scale Insights
und dann Empfehlung laden aus, um intelligente KI-Empfehlungen für Auto-scale zu generieren.
Anmerkung
Sie können die intelligenten Empfehlungen auch so konfigurieren, dass sie automatisch geladen werden. Dann müssen Sie Empfehlung laden nicht auswählen. Weitere Informationen finden Sie unter Overview of AI-Powered Description Generation.
Sobald die OpenAI-Integration aktiviert ist, folgt das System einem strukturierten Workflow, um Empfehlungen für Auto-Scale-Insights zu generieren.
Anfrage generieren
Wenn der User im Pop-up Auto-scale Insights den Button Empfehlung laden auswählt, wird automatisch eine Anfrage generiert.
-
Anfragevorlage: Die Anfrage verwendet eine vordefinierte Vorlage, die detaillierte Anweisungen zur Struktur des Auto-scale-Systems enthält und potenzielle Issues identifiziert, die auftreten können.
-
Datenanhang: Die im Diagramm visualisierten Daten werden automatisch in eine CSV-Datei in einem bestimmten Format konvertiert und an die Anfrage angehängt. Eine verständliche Beschreibung der Auto-scale-Konfiguration ist ebenfalls enthalten.
Antwort verarbeiten
Nach Erhalt der Antwort von OpenAI:
-
Die Daten werden analysiert und im Cache der Systemdatenbank gespeichert.
-
Die verarbeiteten Empfehlungen werden dem User dann in der Benutzeroberfläche (UI) der Anwendung präsentiert.
Cache für spätere Anfragen
Das System speichert die analysierten Daten in einem Cache, sodass dieselben Empfehlungen angezeigt werden können, wenn der User in Zukunft dasselbe Datum und denselben Hostpool auswählt. Dies verbessert die allgemeine Benutzererfahrung durch die Reduzierung der Ladezeiten für wiederkehrende Anfragen.
Kommentare (0 Kommentare)