更新时间:2022-08-13 21:23:29
机器学习模块可提供智能数据分析功能,目前支持 3 种类型的算法以满足不同的用户场景:单/多维度异常检测、时间序列预测、根因分析。
► 单/多维度异常检测:用于识别数据集与其他数据对象显著不同的点,异常检测根据检测数据维度的不同,可以分为单维度和多维度异常检测:
• 单维度异常:针对单个影响维度的数据进行检测,例如:录入请求量、响应量等不依赖其他变量,可独立统计的维度;
• 多维度异常:针对多个影响维度的数据进行检测,例如:1 台服务器的监控信息中包含 CPU 和内存 2 个维度的数据
► 时间序列预测:可根据已有的历史数据对未来趋势进行预测。例如:根据历史数据,预测稳定业务的机柜和机架的电量消耗,帮助数据中心降低资源消耗,节约成本;
► 根因分析:用于分析定位问题的根本原因,是分析问题和解决问题的一种方法。例如:在检测或者发现异常后,可以进一步从众多的可能性影响因子(a,b,c,d,e,f,g……)中,利用根因分析找到问题的根本原因或者主要原因。从而帮助客户进行快速排查、发现传统运维方式所不能发现的隐藏影响因子。
► 单/多维度异常检测:用于识别数据集与其他数据对象显著不同的点,异常检测根据检测数据维度的不同,可以分为单维度和多维度异常检测:
• 单维度异常:针对单个影响维度的数据进行检测,例如:录入请求量、响应量等不依赖其他变量,可独立统计的维度;
• 多维度异常:针对多个影响维度的数据进行检测,例如:1 台服务器的监控信息中包含 CPU 和内存 2 个维度的数据
► 时间序列预测:可根据已有的历史数据对未来趋势进行预测。例如:根据历史数据,预测稳定业务的机柜和机架的电量消耗,帮助数据中心降低资源消耗,节约成本;
► 根因分析:用于分析定位问题的根本原因,是分析问题和解决问题的一种方法。例如:在检测或者发现异常后,可以进一步从众多的可能性影响因子(a,b,c,d,e,f,g……)中,利用根因分析找到问题的根本原因或者主要原因。从而帮助客户进行快速排查、发现传统运维方式所不能发现的隐藏影响因子。
< 上一篇:
下一篇: >