Beobachtbarkeitstechnik

Kapitel 17. Billig und genau genug: Probenahme

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im vorangegangenen Kapitel haben wir uns damit beschäftigt, wie ein Datenspeicher konfiguriert sein muss, damit er große Mengen an Beobachtungsdaten effizient speichern und abrufen kann. In diesem Kapitel werden wir uns Techniken ansehen, mit denen du die Menge der zu speichernden Beobachtungsdaten reduzieren kannst. Bei einer ausreichend großen Menge können die Ressourcen, die für die Speicherung und Verarbeitung jedes einzelnen Ereignisses erforderlich sind, untragbar und unpraktisch werden. Das Sampling von Ereignissen kann den Kompromiss zwischen Ressourcenverbrauch und Datentreue abmildern.

In diesem Kapitel wird untersucht, warum Sampling (auch in kleinerem Maßstab) sinnvoll ist, welche verschiedenen Strategien typischerweise für das Sampling von Daten verwendet werden und welche Kompromisse zwischen diesen Strategien bestehen. Anhand von codebasierten Beispielen wird gezeigt, wie diese Strategien umgesetzt werden, und es werden schrittweise Konzepte vorgestellt, die auf den vorherigen Beispielen aufbauen. Das Kapitel beginnt mit einfacheren Stichprobenverfahren für einzelne Ereignisse als konzeptionelle Einführung in die Verwendung einer statistischen Darstellung von Daten bei der Stichprobenziehung. Anschließend werden komplexere Sampling-Strategien vorgestellt, die auf eine Reihe von zusammenhängenden ...