【目的】關(guān)鍵性能指標(biāo)（Key Performance Indicator,KPI）異常檢測作為互聯(lián)網(wǎng)智能運(yùn)維的基礎(chǔ),對快速故障發(fā)現(xiàn)和修復(fù)具有重要意義�！疚墨I(xiàn)范圍】本文重點(diǎn)調(diào)研國內(nèi)外基于深度生成模型的無監(jiān)督KPI異常檢測方法�！痉椒ā肯到y(tǒng)地闡述了Donut、Bagel和Buzz三種無監(jiān)督KPI異常檢測方法的理論模型,并分析了它們在準(zhǔn)確性和效率等方面的優(yōu)勢與不足。【結(jié)果】本文基于生產(chǎn)環(huán)境中的KPI數(shù)據(jù)驗(yàn)證了三個(gè)方法的性能�！揪窒蕖炕谏疃壬赡Ｐ偷腒PI異常檢測方法仍在不斷地演進(jìn),未來將探索更多該領(lǐng)域的新方法。【結(jié)論】針對不同特征的KPI數(shù)據(jù),需要采用不同的深度生成模型:對于時(shí)間信息敏感的KPI數(shù)據(jù),需要采用Bagel進(jìn)行異常檢測;對于非周期性的復(fù)雜KPI數(shù)據(jù),需要采用Buzz檢測其異常行為。 

【文章來源】：數(shù)據(jù)與計(jì)算發(fā)展前沿. 2020,2(03)

【文章頁數(shù)】：14 頁

【部分圖文】：

異常檢測算法步驟

Donut的網(wǎng)絡(luò)結(jié)構(gòu)

Bagel模型整體結(jié)構(gòu)


本文編號：3086044