在信息化時代,目前存在大量的互聯(lián)網(wǎng)服務(wù)公司需要密切監(jiān)控大量的網(wǎng)絡(luò)服務(wù)數(shù)據(jù),以確保其業(yè)務(wù)的穩(wěn)定運行,這也就是現(xiàn)在互聯(lián)網(wǎng)公司中的所說的運維。然而,對這些具有不同模式和質(zhì)量參差不齊的數(shù)據(jù),簡單的人為觀察會相當(dāng)耗費人力,并且在準(zhǔn)確性上也與期望相差較大。隨著人工智能的發(fā)展,運維也相應(yīng)進(jìn)入了智能運維的時代,異常檢測是智能運維(AIOps)系統(tǒng)中一項基礎(chǔ)且重要的功能,其旨在通過算法自動發(fā)現(xiàn)運維數(shù)據(jù)中的異常波動,為后續(xù)的異常告警、根因分析等提供相應(yīng)的決策依據(jù)。在實際場景中,由于異常點數(shù)據(jù)的稀少,數(shù)據(jù)模式的不同以及數(shù)據(jù)類型的多樣性,給運維數(shù)據(jù)異常檢測帶來了很大的挑戰(zhàn)。首先,本文主要針對某保險行業(yè)公司的運維數(shù)據(jù),針對實際場景中的實際需求,結(jié)合深度學(xué)習(xí)技術(shù),分別利用LSTM、VAE以及GAN網(wǎng)絡(luò)解決智能運維中的數(shù)據(jù)異常檢測問題,并且本文的方法采用的是無監(jiān)督學(xué)習(xí)方法,解決了大多數(shù)現(xiàn)存運維數(shù)據(jù)異常檢測的有監(jiān)督學(xué)習(xí)方法需要耗費大量人力以及時間進(jìn)行標(biāo)注數(shù)據(jù)的問題。其次,本文還集成了兩種運維數(shù)據(jù)異常檢測的方法、數(shù)據(jù)異常預(yù)測方法以及多維度關(guān)聯(lián)分析,提出了一套智能運維系統(tǒng)解決方案。目前該系統(tǒng)在某保險行業(yè)公司處于上線狀態(tài),...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于規(guī)則的方法
        1.2.2 基于統(tǒng)計的方法
        1.2.3 基于機器學(xué)習(xí)的方法
        1.2.4 基于深度學(xué)習(xí)的方法
        1.2.5 研究現(xiàn)狀總結(jié)
    1.3 運維數(shù)據(jù)異常檢測面臨的挑戰(zhàn)
        1.3.1 異常檢測普遍挑戰(zhàn)
        1.3.2 運維數(shù)據(jù)異常檢測挑戰(zhàn)
    1.4 本文的主要研究內(nèi)容
    1.5 本文內(nèi)容安排
第2章 深度學(xué)習(xí)與智能運維介紹
    2.1 深度學(xué)習(xí)介紹
    2.2 智能運維介紹
    2.3 Opprentice
    2.4 EGADS
    2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)的運維數(shù)據(jù)異常檢測
    3.1 研究內(nèi)容概述
    3.2 基于時間序列預(yù)測的運維數(shù)據(jù)異常檢測
    3.3 基于LSTM Encoder-Decoder的運維數(shù)據(jù)異常檢測
    3.4 基于VAE的運維數(shù)據(jù)異常檢測
    3.5 基于GAN的運維數(shù)據(jù)異常檢測
    3.6 基于CNN的多特征融合運維數(shù)據(jù)異常檢測
    3.7 本章小結(jié)
第4章 異常檢測方法實驗分析
    4.1 運維數(shù)據(jù)概述
    4.2 實驗數(shù)據(jù)及預(yù)處理
        4.2.1 實驗數(shù)據(jù)
        4.2.2 數(shù)據(jù)預(yù)處理
    4.3 實驗環(huán)境與條件設(shè)置
    4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第5章 智能運維系統(tǒng)解決方案
    5.1 整體技術(shù)架構(gòu)
    5.2 功能介紹
        5.2.1 異常檢測算法與智能監(jiān)控
        5.2.2 趨勢預(yù)測算法與智能預(yù)測
        5.2.3 回歸算法與多維度關(guān)聯(lián)分析
        5.2.4 根因分析
    5.3 界面展示
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
個人簡歷



本文編號：3831784