[field:fulltitle/]

科技之窗 > 互联网 > 正文

腾讯开源智能运维项目,机器学习减少失误
2018-10-23 18:34  [db:来源]    我要投搞

本文转载自AI新媒体量子位

(ID:QbitAI)

腾讯又开源了。

继开源800万中文词的NLP数据集之后,腾讯又开源了一个智能运维学件平台Metis,主要面向运维工程师。

根据官方介绍,Metis是一系列AIOps领域的应用实践集合,主张通过算法从海量运维数据中学习摸索规则,逐步降低对人指定规则的依赖,进而减少人为失误。

当前版本开源的是时间序列异常检测学件,从机器学习的角度,来解决运维中时序数据的异常检测问题。

实现思路与代码架构

根据官方介绍,时间序列异常检测学件的实现基于统计判决、无监督和有监督学习对时序数据进行联合检测。具体来说是:

通过统计判决、无监督算法进行首层判决,输出疑似异常,其次进行有监督模型判决,得到最终检测结果。检测模型是经大量样本训练生成,可根据样本持续训练更新。

代码架构如下图所示:

GitHub相关文档中,对代码架构进行了详细的解释:

数据层(DB):存储检测异常信息、样本信息、任务信息等。

服务层(server): 服务层划分为四大模块,分别是:数据驱动模块DAO、特征计算模块feature、算法模块feature以及业务模块business。

接口层(API): 提供API能力,时间序列异常检测接口和WEB管理的操作接口。

WEB层(web): 系统提供的WEB服务,通过服务界面,用户可以进行异常查询、打标标注、样本库管理、模型训练等操作。

应用场景与功能特性

官方文档显示,时间序列异常检测学件的应用场景有两个,分别是应用数据场景和应用案例场景。

其中应用数据场景包括操作系统数据、应用程序数据和KPI指标数据。应用案例场景包括监控告警、关联分析和影响评估。

功能特性有六个,分别为异常检测、特征提取、异常查询、标注打标、样本管理、模型管理。

前瞻未来 峰会等你

关键词: [db:TAG标签](2209)

责任编辑:[db:作者]