论文：Opprentice: Towards Practical and Automatic Anomaly Detection Through Machine Learning

文章目录

问题设计思想算法细节

问题

KPI类型很多，没有万能的检测器，需要为不同类型的KPI选择合适的异常检测器和合适的参数算法人员没有运维知识，运维人员不懂算法，所以要尽可能全自动化

设计思想

运维人员标注异常Opprentice使用十几种不同的检测器提取上百个异常特征，然后将异常检测问题转化为机器学习中的有监督分类问题

算法细节

离线训练分类器 开发异常标注工具，快速标注异常提取上百个特征（很多冗余），集成学习（随机森林）训练分类器 在线监测 新数据点的特征提取用训练好的模型得出结果 备注：因为可能有新的异常case，所以要定期更新训练模型