ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예

마지막 업데이트: 2022년 6월 8일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
4. 이 페이지의 전문 고문 팩

브로커 계정에서 Myfxbook 채널의 자동 거래 :
https://myfxbook.page.link/ForexRobots

하루 종일 거래, 시간 프레임 H1 및 5 지표를 기반으로 한 Forex 로봇 (Advisor) 거래

하루 종일 거래, H1 및 5 표시기를 기준으로 한 전문 고문 (외환 로봇) 거래. 평일은 "하루 동안"을 말하는 또 다른 방법입니다.
Metatrader 4로 테스트 할 수있는 무료 버전은 여기를 클릭하십시오.
https://forexfactory1.com/p/a6fn/
가격 48USD Paypal 시스템 (은행 카드)을 통한 결제는 BUY 버튼을 클릭하기 만하면됩니다.

특별가 42USD Visa, Skrill, Neteller, Webmoney, Bitcoin (BTC), Western Union을 통한 직접 지불.
시스템 : Metatrader 4
필요한 지표 : 우편 아카이브
기간 : H1
통화 쌍 : EURUSD, AUDUSD, GBPUSD
계정 별 제한 : 아니
시간 제한 : 아니
거래 유형 : 단기 트레이딩
신경망 :
거래에서 사용하는 신호 수 : 5
자금 관리:
다른 EAs와 함께 사용 :
중개인 계정 : 어떤 계정
맥스. 허용되는 스프레드 : 어떤
TakeProfit 및 StopLoss : 136 - 218 pips max.
TakeProfit 또는 StopLoss의 크기 : 136 - 218 pips
거래 기간 : 평균 15 분 - 16 시간
거래 시간 : 1 일
로트 : 0,01 – 100
VPS 또는 노트북 : 24 / 5 온라인이 필요합니다.
그것을 위해 무엇이 필요합니까?

2. ForexVPS에서 컴퓨터, 휴대용 퍼스널 컴퓨터 또는 VPS : https://autoforex.page.link/ForexVPS 브로커에서 Metatrader 4 소프트웨어를 설치하십시오.

3. 거래를위한 중개인 계좌의 초기 입금;

4. 이 페이지의 전문 고문 팩

브로커 계정에서 Myfxbook 채널의 자동 거래 :
https://myfxbook.page.link/ForexRobots

표시기 사용 :

-평균 True Range 표시기;

-Ichimoku Kinko Hyo 표시기;

평균 트루 범위 (ATR) 지표는 변동성의 척도입니다.

볼린저 밴드 표시기 - 위와 아래에 두 개의 거래 밴드가있는 이동 평균을 사용합니다. Bollinger Bands는 정상적인 이동 평균의 백분율 계산과 달리 표준 편차 계산을 더하고 뺍니다.

이치 ​​모쿠 긴코 히요 표시기 - 미래의 지원 및 저항 영역과 함께 추진력을 측정하는 데 사용됩니다. 이치모 쿠 지표는 텐칸 센, 키준 센, 센코 스팬 A, 센 코우 스팬 B, 치크 스팬으로 구성되어 있습니다. 이 표시기는 상인이 다른 기술 지표없이 자산의 추세, 모멘텀 및 지원 및 저항 포인트를 측정 할 수 있도록 개발되었습니다.

기세 표시기는 가격 이동의 속도 (또는 강도)를 식별하도록 설계된 이동 속도 표시기입니다. 운동량 표시기는 가장 최근의 마감 가격을 이전 마감 가격 (모든 기간의 마감 가격이 될 수 있음)과 비교합니다.

평균 볼륨 표시기 - 볼륨이 평균보다 높거나 낮은지를 결정하기 위해 지정된 기간의 평균 볼륨을 비교합니다.
Teamviewer를 통한 설치는 요청에 의해 제공되며 시간대와 적절한 시간을 보내주십시오.
[email protected]
스카이프 : Vladimir_nikol2
WHATSAPP, 전보, Viber : +375296919668



더 높은 수익과 안전한 로봇이 필요합니다. 여기에서 Metatrader 4 (14 통화 쌍, 28 외환 로봇)와 Forex 시장 거래 전문가 고문 포트폴리오입니다

https://forexfactory1.com/p/EuHp/

ATR(Average True Range) – 설정 | 전략 | 사용 방법? – 예

ATR(Average True Range) – 설정 | 전략 | 사용 방법? – 예

평균 트루 범위 (ATR) 변동성을 측정하는 기술적 분석의 지표입니다. 다른 많은 기술적 분석 도구와 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 함께 소개되었습니다. Welles Wilder의 저서 "기술적 거래 시스템의 새로운 개념". 현재 ATR은 가장 일반적으로 사용되는 기술 분석 지표 중 하나이며 오랜 시간 동안 테스트를 거쳐 많은 거래 플랫폼에 적용되었습니다.

디스플레이에 표시되는 ATR 표시기 IQ Option 무역 플랫폼

1-ATR-as-displayed-on-the-IQ-Option-trading-platform-1024x191

출처: IQOption.

ATR은 어떻게 작동합니까?

표시기에는 세 가지 가장 일반적인 용도가 있습니다.

  • 통합 영역을 나타내는
  • 수용 가능한 손실 수준을 결정하고,
  • 신흥 시장의 극단을 찾습니다.

다르게 보일 수 있지만 표시기의 아이디어는 간단합니다. 환율은 항상 변동합니다. 높은 변동성은 전 ​​세계 수백만 명의 트레이더가 Forex 시장을 사랑하는 이유 중 하나입니다. 변동성이 높을수록 잠재적으로 수익성 있는 작업의 수가 더 많아집니다. 거래 기회는 변동성을 동반합니다. 물론 미래 트렌드의 방향도 중요하지만 트렌드가 곧 시작된다는 사실을 아는 것은 이미 매우 유용합니다. 더욱이 변동성이 충분히 높으면 일부 전략에서는 추세의 정확한 방향을 알 필요조차 없습니다. 시장 변동성을 추정하는 방법에는 여러 가지가 있으며 ATR은 이 중 하나를 사용합니다.

ATR이 어떻게 작동하는지 이해하려면 먼저 "실제 범위"의 개념을 살펴봐야 합니다. Wilder에 따르면 "실제 범위"는 다음 중 가장 큽니다.

  1. 전류 최대 전류 최소 전류,
  2. 현재 최소값에서 이전 마감 값을 뺀 값입니다.
  3. 현재 최대값에서 이전 마감 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 값을 뺀 값,

마지막 두 점의 경우 절대값을 사용하여 양수를 보장합니다.

"실제 범위"는 이 세 가지 매개변수 중 가장 큰 값입니다.

2-ATR-the-true-range-is-the-the-Greatest-of-the-the-the-metrics-the-the-metrics

출처: IQOption.

Average True Range는 위에서 언급한 "true 범위"의 이동 평균입니다. 기본적으로 기간 14의 이동 평균이 사용됩니다. 전체 지표는 한 줄로 표시됩니다. 변동성이 높아지면 ATR 차트가 올라갑니다. 그렇지 않으면 시장이 안정될 때 선이 아래쪽으로 끌리게 됩니다.

어떻게 설정합니까?

ATR 표시등 ​​설정하기 IQ Option 플랫폼은 쉽습니다.

화면의 왼쪽 하단 모서리에 있는 "지표" 버튼을 클릭합니다. 그런 다음 사용 가능한 지표 목록에서 ATR을 선택합니다.

1. 표시기를 설정합니다.

3-1-ATR-on-the-IQ-Option-1024x598 설정

출처: IQOption.

그런 다음 "적용"버튼을 클릭하십시오. 표시기는 화면 하단, 가격 차트 바로 아래에 나타납니다.

2. 표시기를 설정합니다.

3-2-ATR-on-the-IQ-옵션 설정

출처: IQOption.

Average True Range를 사용할 준비가 되었습니다.

거래에서 어떻게 사용합니까?

이 지표는 투자자가 최적의 진입점과 퇴장점을 결정하는 데 사용할 수 있습니다.

일반적으로 변동성이 낮은 기간은 변동성이 큰 기간과 혼합되어 시장이 불안정하여 수많은 거래 기회를 창출합니다. Forex 시장의 변화하는 본질은 그것을 매우 유혹적으로 만드는 것입니다. 낮은 변동성(따라서 제한된 거래 옵션) 기간이 끝나려고 하는 시점을 아는 것은 거래자가 사용하기 위해 기다릴 수 있는 전략적 이점입니다.

변동성이 낮은 기간과 변동성이 높은 기간이 산재되어 있습니다.

4-저변동성-고-변동성-기간이 산재되어 있음

출처: IQOption.

ATR 기간이 길수록 지표가 더 정확하여 거래 신호의 일부가 손상됩니다. 그리고 그 반대로 기간 수를 줄이면 더 많은 신호를 얻을 수 있지만 그 중 일부는 거짓이거나 최소한 원하는 만큼 정확하지 않을 수 있습니다.

전략 및 기법: 사용 시기, 사용하지 않을 때 및 사용 이유: 비디오 보기

ATR 사용에 대한 팁 IQ Option :

  • ATR 지표는 폭발적인 브레이크아웃 거래로 이어질 수 있으므로 다년간의 낮은 변동성을 식별하는 데 사용할 수 있습니다.
  • ATR(Average True Range)은 시장 변동성을 측정하는 지표입니다.
  • 시장이 하루에 2ATR 이상을 돌파하면 "소진"되는 경향이 있으며 역전 될 수 있습니다.
  • 추세를 따르고 싶다면 손절매 X ATR을 최대/낮은 수준에서 멀리 설정할 수 있습니다.
  • 지지와 저항에서 손절매 1 ATR을 설정하여 조기에 중단되는 것을 방지할 수 있습니다.

중요: ATR은 백분율 변동 대신 절대값을 사용합니다. 다른 사회의 지표, 심지어 같은 사회의 지표라도 시간 간격이 다르면 서로 적절하게 비교할 수 없습니다.

Average True Range는 추세의 미래 방향을 보여주거나 가격 그래프가 어떻게 동작할 것인지에 대한 완전한 정보를 제공할 수 있는 지표가 아닙니다. 그러나 ATR은 가격 행동의 변동성을 추적하는 데 도움이 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 되는 고유한 지표입니다. 추세 추종 및 모멘텀 기술 분석 도구와 결합된 ATR은 좋은 잠재력을 가진 평판 좋은 도구를 나타낼 수 있습니다.

평균트루범위 지표

기계학습에서 모델이나 패턴의 분류 성능 평가에 사용되는 지표들을 다루겠습니다. 어느 모델이든 간에 발전을 위한 feedback은 현재 모델의 performance를 올바르게 평가하는 것에서부터 시작합니다. 모델이 평가해야하는 요소와 그 것을 수치화한 지표들, 그리고 관련 개념들에 대해서 다루도록 하겠습니다.

모델의 분류와 정답

모델을 평가하는 요소는 결국, 모델이 내놓은 답과 실제 정답의 관계로써 정의를 내릴 수 있습니다. 정답이 True와 False로 나누어져있고, 분류 모델 또한 True False의 답을 내놓 습니다. 그렇게 하면, 아래와 같이 2x2 matrix로 case를 나누어볼 수 있겠네요.

이제 각 case별로 살펴보겠습니다.

  • True Positive(TP) : 실제 True인 정답을 True라고 예측 (정답)
  • False Positive(FP) : 실제 False인 정답을 True라고 예측 (오답)
  • False Negative(FN) : 실제 True인 정답을 False라고 예측 (오답)
  • True Negative(TN) : 실제 False인 정답을 False라고 예측 (정답)

이러한 case별로 우리의 분류 모델의 성능을 어떻게 평가할 수 있을까요?

1. Precision, Recall and Accuracy

Precision, Recall, Accuracy는 논문에서도 사용하는 지표들이며 가장 눈에 익는 지표들입 니 다. 하지만 서로 헷갈리는 경우가 많으니, 제대로 정리할 필요가 있겠 습니 다. 우리는 모델이 예측한 다양한 경우를 생각해보며, 위의 2x2 matrix에 해당하는 것을 어떻게 지표화 할 것인지 고민해보겠습니다. 지표를 고민함과 동시에 실제 사례를 들어서 해당 지표를 왜 써야하는지도 함께 생각해보고자 합니다. 여기서는 한달 동안의 날씨를 예측하는 상황을 생각해보겠습니다. 날씨는 비가 오거나 맑거나 두 가지만 존재한다고 가정합니다.

1.1 Precision(정밀도)

정밀도란 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율입니다. 즉, 아래와 같은 식으로 표현할 수 있습니다.

Positive 정답률, PPV(Positive Predictive Value)라고도 불립니다. 날씨 예측 모델이 맑다로 예측했는데, 실제 날씨가 맑았는지를 살펴보는 지표라고 할 수 있겠습니다.

1.2 Recall(재현율)

재현율이란 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율입니다.

통계학에서는 sensitivity으로, 그리고 다른 분야에서는 hit rate라는 용어로도 사용합니다. 실제 날씨가 맑은 날 중에서 모델이 맑다고 예측한 비율을 나타낸 지표인데, 정밀도(Precision)와 True Positive의 경우를 다르게 바라보는 것입니다. 즉, Precision이나 Recall은 모두 실제 True인 정답을 모델이 True라고 예측한 경우에 관심이 있으나, 바라보고자 하는 관점만 다릅니다. Precision은 모델의 입장에서, 그리고 Recall은 실제 정답(data)의 입장에서 정답을 정답이라고 맞춘 경우를 바라보고 있습니다. 다음의 경우를 생각해보겠습니다.

"어떤 요소에 의해, 확실히 맑은 날을 예측할 수 있다면 해당하는 날에만 맑은 날이라고 예측하면 되겠다."

이 경우에는 확실하지 않은 날에는 아에 예측을 하지 않고 보류하여 FP의 경우의 수를 줄여, Precision을 극도로 끌어올리는 일종의 편법입니다. 예를 들어 한달 30일 동안 맑은 날이 20일이었는데, 확실한 2일만 맑다고 예측한다면, 당연히 맑다고 한 날 중에 실제 맑은 날(Precision)은 100%가 나오게 됩니다. 하지만 과연, 이러한 모델이 이상적인 모델일까요?

따라서, 우리는 실제 맑은 20일 중에서 예측한 맑은 날의 수도 고려해 보아야합니다. 이 경우에는 Precision만큼 높은 결과가 나오지 않습니다. Precision과 함께 Recall을 함께 고려하면 실제 맑은 날들(즉, 분류의 대상이 되는 정의역, 실제 data)의 입장에서 우리의 모델이 맑다고 예측한 비율을 함께 고려하게 되어 제대로 평가할 수 있습니다. Precision과 Recall은 상호보완적으로 사용할 수 있으며, 두 지표가 모두 높을 수록 좋은 모델입니다.

1.3 Precision-Recall Trade-off

1. 3. 1 with Type 1, 2 error

이 table과 위 matrix는 같은 개념을 다르게 표현한 것 뿐입니다. 가설 검정에서도 Type 1 error와 Type 2 error는 서로 trade off 관계에 있다고 배웠습니다. 여기서 다시 짚고 넘어가보죠.

이 정의에 따라 Type 1, 2 error를 그림으로 살펴봅시다.

Image Source: https://stats.stackexchange.com/questions/211736/type-i-error-and-type-ii-error-trade-off

가설 검정 시에 어떤 상황에서 어떤 가설을 받아들일지의 기준이 필요합니다. 그래서, 그 기준으로써 critical region을 잡게 되는데 Type 1 error는 H0가 true일 때, reject H0일 확률, 즉, 미리 설정해둔 critical region의 표본을 뽑을 확률입니다. 위의 그림에서 Any mean이 기준점이고 H0 관점에서 빨간색 영역이 기각역이라고 볼 수 있습니다. 그리고 이 기각역에 따라 Type 2 error도 정해집니다. 그림으로 보다시피 Any mean을 좌우로 조정하게되면 Type 1, 2 error의 크기가 변합니다. 하지만 둘다 커지거나 둘다 작아지는 경우가 없는 trade-off관계입니다.

다시 본론으로 돌아와서, Precision과 Recall은 TP를 분자로써 같이하고 분모에는 TP에 Type 1, 2 error에 해당하는 FN, FP를 더하여 계산합니다. 이때, FN, FP는 각각 Type 1, 2 error에 있으므로 Precision과 Recall 또한 trade-off 관계에 있다고 할 수 있습니다.

1. 3.2 with Venn-diagram

A는 실제 날씨가 맑은 날입니다. 그리고 B는 모델에서 날씨가 맑은 날이라고 예측한 것입니다. 이때 b의 영역은 TP로 실제 맑은 날씨를 모델이 맑다고 제대로 예측한 영역입니다. 이러한 영역 상에서 Precision과 Recall은 다음과 같습니다.

모델의 입장에서 모두 맑은 날이라고만 예측하는 경우를 생각해봅시다. 그렇게 되면 TN(d)의 영역이 줄어들게 되고 그에 따라 FN(a)의 영역 또한 줄게 됩니다. 그러므로 Recall은 분모의 일부인 FN(a)영역이 줄기 때문에 Recall은 100%가 됩니다. 즉, 여기서 A⊂B인 관계를 형성합니다. 하지만, 주의할 것은 단순히 a의 영역만 줄어드는 것이 아니라 d의 영역과 a의 영역이 모두 c로 흡수된다는 것입니다. Precision의 경우에는 기존보다 FP(c)의 영역이 커져 Precision은 줄게 됩니다. 이해가 안된다면 다음 표로 이해해보겠습니다.

General Case에서 Recall은 20 / 50 = 40%, Precision = 20 / 60 = 33.3% 입니다. 그리고 분류모델이 모두 True라고 예측한 오른쪽의 case에서의 recall은 FN = 0이므로 100%이지만 그에 따라 FP가 늘어서 precision은 20/100 = 20%가 되었습니다. 이처럼 precision과 recall은 모두 높은 것이 좋지만, trade-off 관계에 있어서 함께 늘리기가 힘듭니다.

1.4 Accuracy(정확도)

이제는 또 관점을 다르게 생각해봅시다. 사고의 확장이 빠른 사람들은 예상했겠지만, 위 두 지표는 모두 True를 True라고 옳게 예측한 경우에 대해서만 다루었 습니 다. 하지만, False를 False라고 예측한 경우도 옳은 경우입니다. 이때, 해당 경우를 고려하는 지표가 바로 정확도(Accuracy) 입니 다. 식으로는 다음과 같이 나타냅니다.

정확도는 가장 직관적으로 모델의 성능을 나타낼 수 있는 평가 지표입니다. 하지만, 여기서 고려해야하는 것이 있습니다. 바로 domain의 편중(bias)입니다. 만약 우리가 예측하고자 하는 한달 동안이 특정 기후에 부합하여 비오는 날이 흔치 않다고 생각해보죠. 이 경우에는 해당 data의 domain이 불균형하게되므로 맑은 것을 예측하는 성능은 높지만, 비가 오는 것을 예측하는 성능은 매우 낮을 수 밖에 없습니다. 따라서 이를 보완할 지표가 필요합니다.

1.5 F1 score

1.5.1 F1 score

F1 score는 Precision과 Recall의 조화평균입니다.

F1 score는 데이터 label이 불균형 구조일 때, 모델의 성능을 정확하게 평가할 수 있으며, 성능을 하나의 숫자로 표현할 수 있습니다. 여기서 단순 산술평균으로 사용하지 않는 이유는 무엇일까요? 우리가 평균 속력을 구할 때, 이 조화평균의 개념을 사용해 본 경험이 있을 것입니다. 조화평균의 본질에 대해 이해해보겠습니다.

1.5.2 조화평균의 기하학적 접근

조화평균은 기하학적으로 다음과 같이 표현할 수 있 습니 다. 서로 다른 길이의 A, B와 이 두 길이의 합만큼 떨어진 변(AB)으로 이루어진 사다리꼴을 생각해봅시다. 이 AB에서 각 변의 길이가 만나는 지점으로부터 맞은 편의 사다리꼴의 변으로 내린 선분이 바로 조화평균을 나타냅니다.

기하학적으로 봤을 때, 단순 평균이라기보다는 작은 길이 쪽으로 치우치게 된, 그러면서 작은 쪽과 큰 쪽의 사이의 값을 가진 평균이 도출됩니다. 이렇게 조화평균을 이용하면 산술평균을 이용하는 것보다, 큰 비중이 끼치는 bias가 줄어든다고 볼 수 있습니다. 즉, F1-score는 아래와 같이 생각할 수 있습니다.

2. 그 외 다른 지표들

이 외에도 모델의 성능을 측정하는 다양한 지표들이 존재합니다. 다음을 살펴봅시다.

2.1 Fall-out

Fall-ou t은 FPR(False Positive Rate)으로도 불리며, 실제 False인 data 중에서 모델이 True라고 예측한 비율입니 다. 즉, 모델이 실제 false data인데 True라고 잘못 예측(분류)한 것으로 다음과 같이 표현할 수 있 습니 다.

2.1 ROC(Receiver Operating Characteristic) curve

여러 임계값들을 기준으로 Recall-Fallout의 변화를 시각화한 것입니다. Fallout은 실제 False인 data 중에서 모델이 True로 분류한, 그리고 Recall은 실제 True인 data 중에서 모델이 True로 분류한 비율을 나타낸 지표로써, 이 두 지표를 각각 x, y의 축으로 놓고 그려지는 그래프를 해석합니다. 아래 예시를 보죠.

Image Source: https://www.medcalc.org/manual/roc-curves.php

curve가 왼쪽 위 모서리에 가까울수록 모델의 성능이 좋다고 평가합니다. 즉, Recall이 크고 Fall-out이 작은 모형이 좋은 모형인 것입니다. 또한 y=x 그래프보다 상단에 위치해야 어느정도 성능이 있다고 말할 수 있습니다.

2.2 AUC(Area Under Curve)

ROC curve는 그래프이기 때문에 명확한 수치로써 비교하기가 어렵 습니 다. 따라서 그래프 아래의 면적값을 이용합니다. 이것이 바로 AUC(Area Under Curve) 입니다. 최대값은 1이며 좋은 모델(즉, Fall-out에 비해 Recall 값이 클수록) 1에 가까운 값이 나옵니다.

Application Load Balancer의 CloudWatch 지표

Elastic Load Balancing은 로드 밸런서와 대상을 위해 Amazon CloudWatch에 데이터 포인트를 게시합니다. CloudWatch를 사용하면 이러한 데이터 포인트에 대한 통계를 정렬된 시계열 데이터 세트로 검색할 수 있습니다. 이러한 통계를 지표라고 합니다. 지표를 모니터링할 변수로 생각하면 데이터 요소는 시간에 따른 변수의 값을 나타냅니다. 예를 들어 지정된 기간 동안 로드 밸런서에 대한 정상 상태 대상의 총 수를 모니터링할 수 있습니다. 각 데이터 요소에는 연결된 타임스탬프와 측정 단위(선택 사항)가 있습니다.

지표를 사용하여 시스템이 예상대로 수행되고 있는지 확인할 수 있습니다. 예를 들어 CloudWatch 경보를 생성하여 지정된 지표를 모니터링할 수 있으며, 지표가 허용 범위를 벗어난다고 간주되는 경우 작업(예: 이메일 주소로 알림 전송)를 시작할 수 있습니다.

Elastic Load Balancing은 요청이 로드 밸런서를 통과하는 경우에만 지표를 CloudWatch에 보고합니다. 로드 밸런서를 통과하는 요청이 있는 경우 Elastic Load Balancing은 60초 간격으로 지표를 측정하고 전송합니다. 로드 밸런서를 통과하고 있는 요청이 없는 경우나 지표에 대한 데이터가 없는 경우에는 지표가 보고되지 않습니다.

목차

Application Load Balancer 지표

AWS/ApplicationELB 네임스페이스에는 다음 로드 밸런서 지표가 포함되어 있습니다.

클라이언트에서 로드 밸런서로, 그리고 로드 밸런서에서 대상으로 동시에 연결되는 활성 TCP 연결 총 수.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 유용한 통계는 Sum 입니다.

TLS 오류로 인해 로드 밸런서와 세션을 구성하지 않은 클라이언트에서 시작된 TLS 연결 수. 가능한 원인으로는 암호 또는 프로토콜 불일치나 클라이언트의 서버 인증서 확인 실패 및 연결 종료가 있습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

로드 밸런서에서 사용하는 로드 밸런서 용량 단위(LCU) 수. 시간 단위로 사용한 LCU 수만큼 요금을 지불하면 됩니다. 자세한 내용은 Elastic Load Balancing 요금 을 참조하세요.

보고 기준: 항상 보고

RFC 7230을 준수하지 않는 요청 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 Sum 입니다.

로드 밸런서가 요청을 라우팅하기 전에 유효하지 않은 헤더 필드가 있는 HTTP 헤더를 제거한 요청 수입니다. 로드 밸런서는 routing.http.drop_invalid_header_fields.enabled 속성이 true 로 설정된 경우에만 이러한 헤더를 제거합니다.

보고 기준: 0이 아닌 값이 있을 때

유효하지 않은 헤더 필드가 있는 HTTP 헤더가 포함된 로드 밸런서가 라우팅한 요청 수입니다. 로드 밸런서는 routing.http.drop_invalid_header_fields.enabled 속성이 false 로 설정된 경우에만 이러한 헤더와 함께 요청을 전달합니다.

보고 기준: 항상 보고

IPv4 및 IPv6를 통해 처리된 gRPC 요청 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다. Minimum , Maximum 및 Average 은(는) 모두 1을 반환합니다.

성공한 고정 응답 작업의 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

성공한 리디렉션 작업의 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

응답 위치 헤더의 URL이 8K보다 크기 때문에 완료할 수 없는 리디렉션 작업의 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 생성되는 HTTP 3XX 리디렉션 코드의 수입니다. 단, 대상에서 생성된 응답 코드 수는 여기에 포함되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 생성된 HTTP 4XX 클라이언트 오류 코드 수. 단, 대상에서 생성된 응답 코드 수는 여기에 포함되지 않습니다.

클라이언트 오류는 요청 형식이 잘못되었거나 불완전할 때 생성됩니다. 로드 밸런서가 HTTP 460 오류 코드를 반환하는 경우를 제외하고 대상에서는 이러한 요청이 수신되지 않습니다. 단, 대상에서 생성된 응답 코드 수는 여기에 포함되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다. Minimum , Maximum 및 Average 은(는) 모두 1을 반환합니다.

로드 밸런서에서 생성된 HTTP 5XX 서버 오류 코드 수. 단, 대상에서 생성된 응답 코드 수는 여기에 포함되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다. Minimum , Maximum 및 Average 은(는) 모두 1을 반환합니다.

로드 밸런서에서 생성된 HTTP 500 오류 코드 수.

보고 기준: 0이 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 생성된 HTTP 502 오류 코드 수.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 생성된 HTTP 503 오류 코드 수.

보고 기준: 0이 아닌 값이 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 생성된 HTTP 504 오류 코드 수.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 IPv6를 통해 처리된 총 바이트 수. 이 수는 ProcessedBytes 에 포함됩니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

로드 밸런서가 수신한 IPv6 요청 수.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다. Minimum , Maximum 및 Average 은(는) 모두 1을 반환합니다.

클라이언트에서 로드 밸런서로, 그리고 로드 밸런서에서 대상으로 새롭게 구성된 TCP 연결 총 수

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

로드 밸런서가 기존 고정 세션을 사용할 수 없기 때문에 새 대상을 선택한 요청 수입니다. 예를 들어, 요청이 새 클라이언트의 첫 번째 요청이었고 고정 쿠키가 제공되지 않았거나, 고정 쿠키가 제공되었지만 이 대상 그룹에 등록된 대상을 지정하지 않았거나, 고정 그룹이 잘못된 형식이거나 만료되었거나, 내부 오류로 인해 로드 밸런서가 고정 쿠키를 읽을 수 없었습니다.

Reporting criteria(보고 기준): 대상 그룹에서 고정이 활성화됩니다.

통계: 유일하게 의미 있는 통계는 Sum 입니다.

로드 밸런서에서 IPv4 및 IPv6를 통해 처리된 총 바이트 수(HTTP 헤더 및 HTTP 페이로드)입니다. 이 수에는 클라이언트와 Lambda 함수로 송수신하는 트래픽과 IdP(ID 공급자)가 보내는 트래픽(사용자 인증이 활성화된 경우)이 포함됩니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

로드 밸런서가 최대 연결 수에 도달하여 거부된 연결 수

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

IPv4 및 IPv6를 통해 처리된 요청 수입니다. 이 지표는 로드 밸런서 노드가 대상을 선택할 수 있었던 요청에 대해서만 증가합니다. 대상이 선택되기 전에 거부된 요청은 이 지표에 반영되지 않습니다.

보고 기준: 항상 보고

통계: 가장 유용한 통계는 Sum 입니다.

1시간 평균 요청 빈도를 기준으로 로드 밸런서에서 처리된 규칙 수

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

AWS/ApplicationELB 네임스페이스에는 다음 대상 지표가 포함되어 있습니다.

정상 상태로 간주되는 대상 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 수

Reporting criteria(보고 기준): 상태 확인을 활성화한 경우 보고됨

통계: 가장 유용한 통계는 Average , Minimum 및 Maximum 입니다.

TargetGroup , AvailabilityZone , LoadBalancer

대상에서 생성된 HTTP 응답 코드 수. 단, 로드 밸런서에서 생성된 응답 코드 수는 여기에 포함되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다. Minimum , Maximum 및 Average 은(는) 모두 1을 반환합니다.

TargetGroup , AvailabilityZone , LoadBalancer

대상 그룹에서 대상별로 수신한 평균 요청 수. 대상 그룹은 TargetGroup 차원을 사용하여 지정해야 합니다. 대상이 Lambda 함수인 경우 이 지표는 적용되지 않습니다.

보고 기준: 항상 보고

통계: 유일하게 유효한 통계는 Sum 입니다. 이는 합계가 아니라 평균을 의미합니다.

로드 밸런서와 대상 사이에 성공적으로 구성되지 않은 연결 수 대상이 Lambda 함수인 경우 이 지표는 적용되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

TargetGroup , AvailabilityZone , LoadBalancer

로드 밸런서에서 요청 신호를 전송한 후 대상에서 응답 신호가 수신될 때까지 결과된 시간(초). 이 지표는 액세스 로그에서 target_processing_time 필드와 동일합니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Average 및 pNN.NN 입니다(백분위수).

TargetGroup , AvailabilityZone , LoadBalancer

대상과 세션을 구성하지 않은 로드 밸런서에서 시작된 TLS 연결 수. 가능한 원인으로는 암호 또는 프로토콜 불일치가 있습니다. 대상이 Lambda 함수인 경우 이 지표는 적용되지 않습니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

TargetGroup , AvailabilityZone , LoadBalancer

비정상 상태로 간주되는 대상 수

Reporting criteria(보고 기준): 상태 확인을 활성화한 경우 보고됨

통계: 가장 유용한 통계는 Average , Minimum 및 Maximum 입니다.

TargetGroup , AvailabilityZone , LoadBalancer

AWS/ApplicationELB 네임스페이스에는 대상으로 등록된 Lambda 함수에 대해 다음과 같은 지표가 포함됩니다.

로드 밸런서 또는 AWS Lambda에 내부적인 문제 때문에 실패한 Lambda 함수에 대한 요청 수입니다. 오류 이유 코드를 가져오려면 액세스 로그의 오류 이유 필드를 확인하십시오.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

Lambda 함수의 요청과 응답에 대해 로드 밸런서에서 처리된 총 바이트 수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

Lambda 함수 문제 때문에 실패한 Lambda 함수에 대한 요청 수입니다. 예를 들어, 로드 밸런서가 함수를 호출할 권한이 없거나, 형식이 잘못되거나 필수 필드가 누락된 함수에서 로드 밸런서가 JSON을 수신했거나, 요청 본문 또는 응답의 크기가 1MB의 최대 크기를 초과했습니다. 오류 이유 코드를 가져오려면 액세스 로그의 오류 이유 필드를 확인하십시오.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

AWS/ApplicationELB 네임스페이스에는 사용자 인증에 대한 다음 지표가 포함되어 있습니다.

인증 작업이 잘못 구성되었거나, 로드 밸런서가 IdP와 연결을 설정할 수 없었거나, 로드 밸런서가 내부 오류로 인해 인증 흐름을 완료할 수 없었기 때문에 완료되지 않은 사용자 인증 수. 오류 이유 코드를 가져오려면 액세스 로그의 오류 이유 필드를 확인하십시오.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

IdP가 사용자에 대한 액세스를 거부했거나 인증 코드가 두 번 이상 사용되었기 때문에 완료되지 않은 사용자 인증 수. 오류 이유 코드를 가져오려면 액세스 로그의 오류 이유 필드를 확인하십시오.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

IdP에 ID 토큰 및 사용자 정보를 쿼리하는 데 경과한 시간(단위: 밀리초)입니다. 이러한 작업이 하나 이상 실패할 경우 이 지표는 실패까지의 시간입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 모든 통계가 의미 있습니다.

로드 밸런서가 IdP에서 제공된 새로 고침 토큰을 사용하여 사용자 클레임을 성공적으로 새로 고친 횟수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

성공한 인증 작업의 수. 이 지표는 로드 밸런서가 IdP로부터 사용자 클레임을 검색한 후 인증 워크플로 종료 시 증가합니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 가장 유용한 통계는 Sum 입니다.

구성된 IdP가 11K 바이트 크기를 초과하는 사용자 클레임을 반환한 횟수입니다.

보고 기준: 0이 아닌 값이 있을 때

통계: 유일하게 의미 있는 통계는 Sum 입니다.

Application Load Balancer의 지표 차원

Application Load Balancer 지표를 필터링하려면 다음 차원을 사용하세요.

가용 영역을 기준으로 지표 데이터를 필터링합니다.

로드 밸런서를 기준으로 지표 데이터를 필터링합니다. 로드 밸런서는 다음과 같이 지정합니다. app/load-balancer-name/1234567890123456(로드 밸런서 ARN의 마지막 구간)

대상 그룹을 기준으로 지표 데이터를 필터링합니다. 대상 그룹은 다음과 ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 같이 지정합니다. targetgroup/target-group-name/1234567890123456(대상 그룹 ARN의 마지막 구간).

Application Load Balancer 지표에 대한 통계

CloudWatch는 Elastic Load Balancing에서 게시한 지표 데이터 포인트를 기반으로 통계를 제공합니다. 통계는 지정한 기간에 걸친 지표 데이터 집계입니다. 통계를 요청하면 지표 이름 및 차원으로 반환된 데이터 스트림이 식별됩니다. 차원이란 지표를 고유하게 식별하는 데 도움이 되는 이름-값 쌍을 말합니다. 예를 들어 특정 가용 영역에서 시작된 로드 밸런서를 지원하는 정상 상태의 모든 EC2 인스턴스에 대한 통계를 요청할 수 있습니다.

Minimum 및 Maximum 통계는 개별 로드 밸런서 노드가 보고한 최소 및 최대 값을 반영합니다. 예를 들어 로드 밸런서 노드가 2개라고 가정해 보겠습니다. 하나의 노드에는 HealthyHostCount 이 2, Minimum 이 10, Maximum 가 6인 Average 가 있으며 다른 노드에는 HealthyHostCount 이 1, Minimum 이 5, Maximum 가 3인 Average 가 있습니다. 따라서 로드 밸런서의 Minimum 은 1, Maximum 은 10, Average 는 4입니다.

Sum 통계는 모든 로드 밸런서 노드의 집계 값입니다. 지표에는 기간별 보고서가 여러 개 있기 때문에 Sum 은 모든 로드 밸런서 노드에서 집계된 지표에만 적용할 수 있습니다.

SampleCount 통계는 측정된 샘플의 수입니다. 지표는 샘플링 간격 및 이벤트를 토대로 수집이 되기 때문에 일반적으로 이 통계는 유용하지 않습니다. 예를 들어 HealthyHostCount 에 대해 SampleCount 는 각 로드 밸런서 노드가 보고하는 샘플 수를 기반으로 하며 정상 호스트 수는 아닙니다.

백분위 수는 데이터 세트에서 값의 상대적 위치를 나타냅니다. 소수점 두 자리까지 사용하여 백분위 수를 지정할 수 있습니다(예: p95.45). 예를 들어 95 백분위는 데이터의 95%가 이 값보다 아래에 있고 5%가 위에 있다는 것을 의미합니다. 백분위 수는 종종 이상치를 격리하는 데 사용됩니다. 예를 들어 애플리케이션이 캐시에서 오는 요청의 대다수를 1-2 ms에 처리하지만, 캐시가 비어 있는 경우에는 처리에 100 - 200 ms가 걸린다고 가정해 봅시다. 최대값은 가장 느린 경우(200 ms 정도)를 반영합니다. 평균은 데이터의 분산을 나타내지 않습니다. 백분위 수는 애플리케이션 성능을 훨씬 의미 있는 방식으로 볼 수 있습니다. Auto Scaling 트리거 또는 CloudWatch 경보로 99 백분위를 사용하면 처리에 2 ms가 넘게 걸리는 요청이 전체의 1%를 넘지 않게 할 수 있습니다.

로드 밸런서에 대한 CloudWatch 지표 보기

Amazon EC2 콘솔을 사용하여 로드 밸런서에 대한 CloudWatch 지표를 볼 수 있습니다. 이 측정치들은 모니터링 그래프로 표시됩니다. 로드 밸런서가 활성 상태로 요청을 수신 중에 있으면 모니터링 그래프에 데이터 요소가 표시됩니다.

또는 CloudWatch 콘솔을 사용하여 로드 밸런서에 대한 지표를 볼 수 있습니다.

Amazon EC2 콘솔을 사용하여 지표를 보려면

대상 그룹을 기준으로 필터링한 지표를 보려면 다음 작업을 수행합니다.

탐색 창에서 [Target Groups]를 선택합니다.

대상 그룹을 선택한 다음 [Monitoring] 탭을 선택합니다.

(선택 사항) 시간을 기준으로 결과를 필터링하려면 [Showing data for]에서 시간 범위를 선택합니다.

단일 지표를 크게 보려면 그래프를 선택합니다.

로드 밸런서를 기준으로 필터링한 지표를 보려면 다음 작업을 수행합니다.

탐색 창에서 [Load Balancers]를 클릭합니다.

로드 밸런서를 선택한 다음 [Monitoring] 탭을 선택합니다.

(선택 사항) 시간을 기준으로 결과를 필터링하려면 [Showing data for]에서 시간 범위를 선택합니다.

단일 지표를 크게 보려면 그래프를 선택합니다.

CloudWatch ATR(Average True Range) - 설정 | 전략 | 사용 방법? 예 콘솔을 사용하여 지표를 보려면

탐색 창에서 [지표(Metrics)]를 선택합니다.

[ApplicationELB] 네임스페이스를 선택합니다.

(선택 사항) 모든 차원의 지표를 보려면 검색 필드에 이름을 입력합니다.

(선택 사항) 차원을 기준으로 필터링하려면 다음 중 하나를 선택하십시오.

로드 밸런서에 보고된 지표만 표시하려면 [Per AppELB Metrics]를 선택합니다. 단일 로드 밸런서에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다.

대상 그룹에 보고된 지표만 표시하려면 [Per AppELB, per TG Metrics]를 선택합니다. 단일 대상 그룹에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다.

가용 영역이 로드 밸런서에 대해 보고한 지표만 표시하려면 [Per AppELB, per AZ Metrics]를 선택합니다. 단일 로드 밸런서에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다. 단일 가용 영역에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다.

가용 영역 및 대상 그룹이 로드 밸런서에 대해 보고한 지표만 표시하려면 [Per AppELB, per AZ, per TG Metrics]를 선택합니다. 단일 로드 밸런서에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다. 단일 대상 그룹에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다. 단일 가용 영역에 대한 지표를 보려면 검색 필드에 해당되는 이름을 입력합니다.

를 사용하여 지표를 보려면AWS CLI

사용 가능한 지표의 목록을 표시하려면 아래 list-metrics 명령을 사용하세요.

AWS CLI를 사용하여 지표에 대한 통계를 구하려면

지정된 지표 및 차원에 대한 통계를 구하려면 아래 get-metric-statistics 명령을 사용하세요. CloudWatch는 각각의 고유한 차원의 조합을 별도의 지표로 처리합니다. 특별 게시가 되지 않은 차원의 조합을 사용해 통계를 검색할 수는 없습니다. 지표 생성 시 사용한 것과 동일하게 차원을 지정해야 합니다.


0 개 댓글

답장을 남겨주세요