1. Введение

Современные СУБД функционируют в условиях высокой динамики нагрузки, что требует эффективных методов раннего обнаружения деградации производительности. Традиционные подходы, основанные на статических порогах, не учитывают временную динамику и контекст. В данной работе рассматривается применение цепей Маркова для моделирования состояний СУБД и прогнозирования риска возникновения инцидентов.

Предлагаемая система реализует следующие ключевые идеи:

• Дискретизация пространства состояний на основе корреляции и трендов ключевых метрик

• Адаптивное забывание с учётом времени с последнего инцидента

• Многоуровневая система сигналов (SICPP, C-alone)

• Динамическое определение критических состояний на основе эмпирического риска

2. Архитектура системы

2.1. Компоненты

Система включает следующие модули:

• mchain_train_step() — ежеминутное обучение и обновление состояния.

• sicpp_calculate_at() — расчёт сигнала SICPP на заданный момент.

• mchain_hybrid_alert_at() — операционный индикатор C-alone.

• compare_profiles_at() — сравнение текущего профиля с эталоном.

• refresh_critical_states() — динамическое обновление критических состояний.

2.2. Уровни сигнализации

Система реализует трёхуровневую сигнализацию:

1. SICPP (Signal Indicating a Change in the Performance Profile) — контекстный индикатор режима, триггерит WARNING.

2. C-alone — операционный индикатор на основе risk_p90 >= 0.98 AND js_avg >= 0.14, триггерит ALARM.

3. Integral status (get_current_preincident_status()) — агрегирует все сигналы.

3. Экспериментальные результаты

3.1. Качество прогнозирования

На основе данных за период 2026-10-12 – 2026-10-26 (38 инцидентов) получены следующие метрики:

• ROC-AUC: 0.9287 — отличная дискриминация.

• Brier score: 0.0638 — хорошая калибровка.

• Покрытие SICPP: 97.4% — почти все инциденты покрыты.

• Precision эпизодов: 53.2% — умеренная точность.

• C-alone precision: 34.5% — приемлемая точность.

• C-alone recall: 51.4% — умеренная полнота.

3.2. Калибровочная кривая

• Бин вероятности [0.1–0.2]: предсказано 0.124, фактически 0.134, n = 10008.

• Бин вероятности [0.8–0.9]: предсказано 0.816, фактически 0.796, n = 588.

• Бин вероятности [0.9–1.0]: предсказано 1.000, фактически 0.998, n = 9392.

Калибровка близка к идеальной, особенно в диапазоне высоких вероятностей.

3.3. Распределение lead time

• p50, мин: ALL (raw) = 143.0; SHORT (≤800 мин) = 96.5.

• p90, мин: ALL (raw) = 987.8; SHORT (≤800 мин) = 281.5.

• mean, мин: ALL (raw) = 357.0; SHORT (≤800 мин) = 156.6.

• max, мин: ALL (raw) = 1115.0; SHORT (≤800 мин) = 777.0.

Метрики SHORT отражают «типичное» предаварийное состояние без искажения длинными эпизодами.

4. Сценарии применения

4.1. Сценарий 1: Прогнозирование инцидентов

Задача: Заблаговременно предупредить о риске возникновения инцидента.

Решение: Использование mchain_predict_risk_current_horizon() с горизонтом 120 минут.

Пример:

SELECT mchain_predict_risk_current_horizon();
-- Результат: 0.87 (высокий риск)

Интерпретация: При риске ≥ 0.90 рекомендуется активировать режим повышенного мониторинга; при риске ≥ 0.95 — рассмотреть превентивные меры.

4.2. Сценарий 2: Диагностика деградации через сравнение профилей

Задача: Обнаружить отклонение текущего режима работы от эталонного.

Решение: Использование compare_profiles_at() с JS-дивергенцией гистограмм состояний.

Пример:

SELECT unnest(compare_profiles_at(now()));
-- Результат: JS-дивергенция = 0.23, статус = CRITICAL

Интерпретация:

• JS < 0.05 — профиль соответствует эталону.

• 0.05 ≤ JS < 0.2 — умеренные отклонения (WARNING).

• JS ≥ 0.2 — значительные отклонения (CRITICAL).

4.3. Сценарий 3: Оперативное оповещение (C-alone)

Задача: Минимизировать ложные срабатывания при сохранении приемлемого recall.

Решение: Использование mchain_hybrid_alert_at() с параметрами C-only.

Пример:

SELECT alert, fired_c, risk_p90, js_avg
FROM mchain_hybrid_alert_at(now());
-- Результат: alert=true, fired_c=true, risk_p90=0.99, js_avg=0.18

Преимущества C-alone:

• Precision 34.5% vs 12.5% для A∪C.

• Recall 51.4% — приемлемый уровень.

• ALERT-time 14.1% — низкая нагрузка на оператора.

4.4. Сценарий 4: Оптимизация эталонных профилей

Задача: Автоматически выбирать репрезентативные периоды для эталона.

Решение: Использование find_incident_free_window() с проверкой is_valid_baseline_window().

Критерии валидности эталонного окна:

1. Целиком в периоде продуктивной нагрузки (9:00–18:00).

2. Начинается не ранее чем через 60 мин после завершения инцидента.

3. Не пересекается с инцидентами.

4. Возраст не превышает 12 часов.

4.5. Сценарий 5: Динамическое определение критических состояний

Задача: Адаптировать список «аварийных» состояний к текущим условиям.

Решение: Использование refresh_critical_states() с эмпирической оценкой риска.

Пример:

SELECT refresh_critical_states(
p_start := now() - interval '14 days',
p_risk_threshold := 0.10,
p_min_transitions := 20
);
-- Результат: добавлено 3, удалено 1 состояние

Важно: Порог p_risk_threshold > 0.10 запрещён (тест 24 показал деградацию метрик).

Заключение

Представлена система анализа и прогнозирования производительности PostgreSQL на основе цепей Маркова.

Экспериментальные результаты демонстрируют высокое качество прогнозирования (ROC-AUC = 0.9287, Brier = 0.0638) и практическую применимость для раннего обнаружения инцидентов.

Рассмотренные сценарии применения охватывают прогнозирование, диагностику, оперативное оповещение и оптимизацию эталонов.

Дальнейшее развитие связано с расширением пространства состояний и интеграцией с современными системами мониторинга.

Для создания ролика понадобится три референса: видео с оригинальным движением и появлением машины, фотография персонажа и изображение автомобиля.

💥Сгенерировать тренд в Aigrator AI💥

Промпт ниже переносит действия из видео-референса на нового персонажа и заменяет исходный автомобиль на выбранный. При этом сохраняются ракурсы, движения камеры, момент появления машины и последовательность действий.

Промпт для копирования:

TASK Remake @video1 by replacing the main character with the person shown in @image1, replacing the revealed car with the vehicle shown in @image2 Preserve the source duration, aspect ratio, performance, camera movement, framing, focus changes, editing and reveal timing. REFERENCES
@video1 = authoritative source for action, gestures, expressions, lip-sync, card handling, vehicle reveal, camera and environment. @image1 = replacement character identity, body proportions, hairstyle, clothing, footwear and accessories. Completely replace the original character’s visible appearance, including face, hair, neck, body, hands and clothing. Do not transfer the reference background, pose, lighting or unrelated objects. @image2 = replacement vehicle identity. Preserve its recognizable silhouette, proportions, paint, wheels, headlights, windows and distinctive exterior details. Do not inherit the original car’s blue-and-white graphics unless independently present in @image2. Do not transfer reference people, background or lighting. CHARACTER REPLACEMENT Use ONE consistent replacement character throughout. Preserve the original performance: approaching the camera, showing the cards, lowering them, looking toward the car and reacting. Match the original body movement, facial-expression timing and lip-sync while retaining the replacement identity. IDENTICAL CARD DESIGN — SHARED MASTER Create ONE master card design and apply an exact duplicate to BOTH physical cards.
VEHICLE REPLACEMENT & REVEAL Replace the original car completely with the vehicle from @image2.
The replacement car FIRST appears at the exact moment the original vehicle is revealed after the card display. Keep the opening background free of the car wherever it is absent in the source. Preserve the source vehicle’s position, orientation and relationship to the character. Retain the replacement model’s natural proportions rather than stretching it into the original silhouette. Once revealed, keep the same replacement vehicle consistent throughout all subsequent views. Where the source car is parked, the replacement stays parked. Add no driving, flight or transformation. CAMERA & ENVIRONMENT
Reproduce only the camera views that exist in @video1. Preserve the card close-up, foreground occlusion, focus transition back to the character and subsequent vehicle framing. Keep the original nighttime paved location, background structures and lighting. Do not import environments from either image reference. Add no new angles, artificial zooms, reaction shots, transitions or cuts. Preserve existing cuts at their source timestamps. PHYSICAL & VISUAL INTEGRATION Match source perspective, light direction, shadows, reflections, depth of field and motion blur. Keep realistic skin, hair, fabric, vehicle materials and stable geometry. AUDIO Preserve the original soundtrack, speech and timing. Match the replacement character’s lip movements to the original speech. Add no new dialogue, music or background noise. Any visible card-handling sounds remain synchronized with the source action.
CONSTRAINTS Exactly one replacement character, one replacement vehicle and TWO identical cards.
No identity blending, duplicated people, original-character remnants, malformed hands, extra fingers, additional cards, differing card values, green-and-white print, vehicle morphing or reference-background transfer. Do not reveal the car prematurely. No additional captions, logos or watermarks.
FINAL RESULT The source performance and reveal remain intact, starring the character from @image1 and the vehicle from @image2.

Что происходит в видео с картами UNO и автомобилем

Идея ролика строится на довольно простом приёме: зрителю сначала показывают карты, а затем внимание переключается на настоящий автомобиль.

В начале персонаж находится на улице ночью. Он приближается к камере и демонстрирует две одинаковые карты UNO. Карты оказываются крупным планом, временно перекрывая часть изображения.

Дальше происходит самое интересное. Персонаж опускает руки, камера возвращает фокус на происходящее позади него, и в кадре появляется автомобиль.

Герой смотрит в сторону машины и реагирует на её появление.

Важен не только сам автомобиль, но и порядок действий: приближение персонажа, демонстрация карт, смена фокуса и финальное раскрытие сцены.

Если нарушить эту последовательность, исчезнет эффект неожиданности.

💥Сгенерировать тренд в Aigrator AI💥

В этом случае Seedance 2.5 используется не для создания совершенно нового сюжета, а для переноса существующей сцены на другого человека и другой автомобиль.

Можно взять фотографию собственного персонажа, выбрать интересную машину и получить новую версию ролика, сохранив механику оригинала.

Что потребуется для генерации

В первую очередь нужно подготовить три файла.

Первый — фотография человека. На ней должен быть персонаж, который появится в итоговом видео. Желательно использовать качественный снимок с хорошо различимыми чертами лица. Если важно сохранить одежду, лучше выбрать фотографию, где видна большая часть тела.

Второй — изображение автомобиля. Это может быть спортивное купе, внедорожник, ретроавтомобиль или концепт-кар. Главное, чтобы машина была хорошо видна, а её основные детали не скрывались другими объектами.

Третий — исходное видео. Оно задаёт всю хореографию: как человек подходит к камере, поднимает карты, двигает руками, смотрит на автомобиль и реагирует на происходящее.

Для этого сценария нужен именно видео-референс, а не только несколько фотографий.

Материалы из исходной инструкции:

• Скачать видео-референс с картами UNO

• Аудио для последующего монтажа

Обратите внимание: дополнительный аудиофайл предназначен для монтажа. В самом промпте предусмотрено сохранение звуковой дорожки исходного видео.

Если вы собираетесь публиковать полученный ролик, убедитесь, что у вас есть необходимые права на использование исходного видео и звука.

Как подготовить фотографию персонажа

Одна из сложностей генерации по видео-референсу — сохранение внешности человека.

Во время сцены персонаж приближается к объективу, поднимает руки, частично перекрывает ими лицо и поворачивает голову.

Для модели это несколько последовательных изменений положения тела, которые нужно воспроизвести без искажения личности.

Поэтому желательно выбирать фотографию, на которой хорошо различимы форма лица, причёска и особенности внешности.

Если на исходном снимке человек стоит в полный рост, нейросеть получает больше информации об одежде, телосложении и пропорциях рук.

Если доступен только портрет, недостающие части тела модель может достроить самостоятельно. Это увеличивает вероятность расхождений между референсом и готовым видео.

Отдельно проверьте одежду. Промпт требует использовать вещи с фотографии персонажа, а не переносить костюм человека из оригинального видеоролика.

Например, если на вашем снимке персонаж носит кожаную куртку, именно она должна остаться в финальной сцене.

💥Сгенерировать тренд в Aigrator AI💥

Какую фотографию автомобиля лучше выбрать

На изображении желательно видеть автомобиль целиком.

Подойдёт фотография с ракурсом три четверти, на которой одновременно различимы передняя часть, боковые панели, колёса и остекление.

Одной фотографии не всегда достаточно для точного восстановления всех сторон машины, поэтому сложные кузовные детали могут отличаться при смене ракурса.

Для лучшего результата не стоит использовать снимок с экстремально широкоугольной перспективой или сильными визуальными эффектами.

Если машина сфотографирована на гоночном треке, а исходная сцена происходит на ночной парковке, фон с фотографии автомобиля не должен переноситься в видеоролик.

Это отдельно прописано в промпте: модель должна использовать внешность машины, но сохранить окружение из видео-референса.

Можно экспериментировать с совершенно разными типами автомобилей. Например, выбрать классический американский маслкар, современный суперкар или футуристический электромобиль.

💥Сгенерировать тренд в Aigrator AI💥

В любом случае важно, чтобы машина оставалась узнаваемой на протяжении всей сцены.

Как создать видео в Seedance 2.5: пошаговая инструкция

Для этого сценария потребуется доступ к Seedance 2.5 с поддержкой нескольких референсов и загрузки исходного видео.

В первоначальной инструкции используется Aigrator . Если вы работаете через другой агрегатор, сначала проверьте наличие Seedance 2.5 и режима Omni Reference в его каталоге: набор функций разных площадок может отличаться.

Шаг 1. Откройте раздел генерации видео

Перейдите в интерфейс выбранного сервиса и найдите Seedance 2.5.

Для нашей задачи нужен режим, позволяющий одновременно использовать фотографии и видео-референс.

В исходной инструкции он называется Omni Reference.

Обычный Text-to-Video для такого сценария не подойдёт: без оригинального видео модель не сможет точно воспроизвести движения и момент появления автомобиля.

Шаг 2. Выставьте настройки

Разрешение 720p — компромисс между стоимостью и детализацией.

Для предварительной проверки можно использовать 480p, если такой режим доступен. После удачного результата — запустить генерацию в 1080p, если сервис поддерживает это разрешение.

В AUTO модель должна ориентироваться на формат исходного материала. Но перед генерацией желательно проверить, что выбранное соотношение сторон соответствует видео-референсу.

Шаг 3. Загрузите все три файла

Порядок привязки имеет значение.

@image1 — фотография персонажа.

@image2 — фотография выбранного автомобиля.

@video1 — исходное видео с картами и появлением машины.

Если перепутать первые два файла, модель может неправильно понять, какой материал отвечает за человека, а какой — за транспорт.

Также не нужно использовать фотографию автомобиля вместо исходного видео. У каждого референса своя задача.

Шаг 4. Вставьте промпт и привяжите референсы

Скопируйте полный промпт из начала статьи и вставьте его в поле генерации.

В некоторых интерфейсах недостаточно просто написать обозначения @image1, @image2 и @video1.

Если сервис требует ручной привязки файлов, удалите эти обозначения из вставленного текста и добавьте их заново через меню, которое появляется при вводе символа @.

Затем выберите соответствующий загруженный файл.

После этого убедитесь, что каждому обозначению соответствует правильный референс.

💥Сгенерировать тренд в Aigrator AI💥

Шаг 5. Запустите генерацию

Перед запуском ещё раз проверьте фотографии, видео-референс, длительность и стоимость операции.

После завершения обработки просмотрите ролик целиком, а затем отдельно оцените момент с картами и появлением автомобиля.

Именно в этих участках чаще всего можно заметить, насколько точно модель следовала исходной сцене.

💥Сгенерировать тренд в Aigrator AI💥

Почему карты UNO должны быть одинаковыми

На первый взгляд это мелочь, но в генеративном видео предметы, которые персонаж держит в руках, могут неожиданно меняться.

Допустим, в первом кадре обе карты выглядят одинаково. Затем одна оказывается ближе к камере, и модель случайно меняет её цвет, число или рисунок.

В результате зритель замечает визуальную ошибку вместо того, чтобы сосредоточиться на появлении машины.

Поэтому в промпте есть отдельное требование создать один основной дизайн карты и воспроизвести его на обоих предметах.

Всего в сцене должно быть ровно две карты.

Не три, не одна и не несколько случайно появляющихся дополнительных карт.

Модель также должна правильно воспроизводить пальцы и естественное положение рук.

Если карты деформируются во время движения, стоит проверить, насколько хорошо они видны в самом видео-референсе. Когда объект резко перемещается или почти полностью перекрывает изображение, сохранить его форму сложнее.

Почему машина не должна появляться раньше времени

Главный визуальный эффект строится на неожиданности.

Зритель сначала видит персонажа и карты. Только после определённого действия открывается автомобиль.

Если машина появляется в кадре уже в первые секунды, сцена теряет смысл.

Поэтому в промпте отдельно указано, что автомобиль должен впервые стать видимым ровно в тот момент, когда это происходит в оригинальном ролике.

Нельзя заранее показывать его на заднем плане.

Также нежелательно добавлять эффект телепортации, самостоятельное движение машины или фантастическое превращение карт в автомобиль, если такого действия нет в оригинале.

Сценарий основан на повторении существующего появления машины, а не на создании нового спецэффекта.

После раскрытия сцены автомобиль должен сохранять форму, цвет и положение.

Если в исходном видео машина стоит неподвижно, в новой версии она тоже не должна внезапно трогаться с места.

Что проверить после генерации

Не стоит оценивать результат только по красивому финальному кадру.

Первое, на что нужно обратить внимание, — лицо персонажа. Оно должно оставаться узнаваемым как при приближении к камере, так и после поворота головы.

Затем посмотрите на руки. Пальцы не должны сливаться с картами или менять количество при движении.

После этого проверьте сам автомобиль. Его кузов, колёса и фары должны соответствовать фотографии, загруженной в качестве второго референса.

Особенно внимательно изучите момент появления машины. Если она видна слишком рано или камера показывает новый ракурс, которого нет в оригинале, нейросеть отклонилась от сценария.

Наконец, проверьте звук и синхронизацию губ, если в видео-референсе есть речь.

Промпт требует сохранить исходную аудиодорожку и воспроизвести движения рта нового персонажа в соответствии с оригиналом.

Если нейросеть изменила реплики, добавила постороннюю музыку или нарушила синхронизацию, результат может потребовать доработки.

Можно ли сделать ролик с другой машиной и другим человеком?

Да, именно для этого и используются отдельные изображения-референсы.

Например, вместо исходного персонажа можно загрузить собственный портрет, а вместо машины из видео — фотографию выбранного спорткара.

После этого Seedance 2.5 должна сохранить общую постановку: движения рук, демонстрацию карт, смену фокуса и момент появления автомобиля.

Таким способом можно подготовить несколько версий одной идеи с разными персонажами и транспортом.

Но стоит учитывать, что исходный видеоролик остаётся основой композиции. Если вы хотите заменить ночную локацию на дневную, изменить движения или придумать другой переход, потребуется уже другой сценарий и переработанный промпт.

Как улучшить результат, если Seedance допускает ошибки

Если генерация не получилась с первой попытки, не обязательно полностью переписывать инструкцию.

Сначала определите конкретную проблему.

Если изменилось лицо, проверьте качество фотографии персонажа и правильность привязки @image1.

Если автомобиль потерял узнаваемость, попробуйте более чёткую фотографию, на которой хорошо видны кузов, колёса и передняя часть машины.

Если модель добавила лишние карты, проверьте исходное видео и правильность интерпретации действий рук.

Если нарушился момент появления автомобиля, обратите внимание на то, совпадает ли выбранная длительность с исходным видео.

Иногда проблема возникает из-за слишком сложного оригинального ролика: многочисленные перекрытия объектов, быстрые движения и резкая смена фокуса создают дополнительную нагрузку на модель.

В таких случаях полезно сначала выполнить черновую генерацию, проверить результат и только после этого запускать более качественный вариант.

Итог

Видео с картами UNO и неожиданным появлением автомобиля — пример того, как нейросеть можно использовать для воспроизведения существующей постановки с новыми персонажами и объектами.

В этом сценарии самое важное — не количество спецэффектов, а точность выполнения действий.

Персонаж должен двигаться как в исходном ролике, две карты должны оставаться одинаковыми, а выбранный автомобиль — появляться строго в нужный момент.

Для генерации понадобятся три материала: фотография человека, изображение автомобиля и исходное видео-референс.

Далее достаточно настроить Seedance 2.5, правильно привязать файлы и использовать промпт из начала статьи.

Чем качественнее исходные референсы и точнее соблюдены настройки, тем выше вероятность получить ролик, в котором новая машина и новый персонаж органично вписываются в оригинальную сцену.

Для предварительной проверки можно воспользоваться ByAML — AML-сервисом от Bybit. Это бесплатный децентрализованный инструмент для проверки криптовалют на чистоту и риски, который не требует регистрации.

Принцип простой: перед получением или отправкой USDT пользователь проверяет нужный адрес и изучает результат анализа. При этом необходимо учитывать сеть перевода. USDT в TRC-20 и USDT в ERC-20 работают в разных блокчейнах, поэтому при проверке важно не перепутать сеть и адрес.

ByAML — не встроенная функция торговой платформы Bybit. Это отдельный самостоятельный децентрализованный сервис в экосистеме Bybit, которым можно пользоваться независимо от интерфейса биржи. Для предварительной проверки не требуется создавать аккаунт на торговой платформе.

Почему санкции могут повлиять на проверку USDT

Санкционные ограничения добавили неопределенности в работу с криптовалютой. Пользователь может хранить USDT годами, получать переводы от знакомых и не подозревать, что история движения активов вызовет вопросы при зачислении средств на биржу.

Здесь стоит разделять два момента. Российское происхождение владельца само по себе не доказывает, что криптовалюта имеет незаконное происхождение. Но связь адреса с санкционными субъектами или другими источниками повышенного риска может стать причиной дополнительной проверки со стороны конкретной площадки.

Поэтому проверять USDT на AML-риски лучше заранее. ByAML позволяет бесплатно провести предварительную проверку криптовалюты без регистрации и получить дополнительную информацию перед совершением операции.

При этом результат AML-анализа не гарантирует, что биржа примет депозит без вопросов: разные платформы применяют собственные критерии оценки и комплаенс-процедуры.

Проверка USDT перед переводом: простое правило

Если предстоит крупный перевод, покупка криптовалюты у незнакомого контрагента или пополнение биржевого счета, лучше сначала проверить адрес. Это не исключит все риски, но поможет заранее обнаружить потенциально проблемные связи.

ByAML в таком сценарии выступает самостоятельным инструментом предварительной оценки: он бесплатный, не требует регистрации и предназначен для проверки криптовалют на чистоту и риски.

Вопрос уже не только в том, правильно ли отправлен USDT. Не менее важно понимать, какую историю актив приносит с собой. Несколько минут на проверку до транзакции могут избавить от гораздо более неприятного разбирательства после нее.

Дальше планирую пройти Соратников (нужен хороший щит).

В напарники вернул Лидию. По началу бегал с Маркурио (маг из Рифтена), но когда этот чёрт, цепными молниями, отправил к предкам Голдира, в квесте гробница Хилгрунда, понял, что такой "хоккей" мне не нужен.

Делитесь своими прохождениями и мыслями в комментариях)