开发者社区 > 数据库 > 正文

对于规律性不是很明显的非高斯分布的时间序列指标数据的异常检测,一般如何检测?

已解决

对于规律性不是很明显的非高斯分布的时间序列指标数据的异常检测,一般如何检测?

展开
收起
游客lmkkns5ck6auu 2022-09-07 22:34:48 367 0
1 条回答
写回答
取消 提交回答
  • 推荐回答

    对于规律性不是很明显的非高斯分布的时间序列指标数据的异常检测,常采用指定 时间窗口平滑处理,即选定一个时间窗口,沿时间轴滑动,将每个点的监控值替换为时 间窗口内所有点的平均值。这么处理可以将指标曲线波动剧烈的锯齿状波形平滑掉,突 出曲线趋势和规律。除了平滑处理,类似常用的处理方法还有 KS 检验(Kolmogorov-Smirnov Test, 用于检测数据是否符合指定分布)、快速傅里叶变换(Fast Fourier Transforms)等。 大多数和用户触发任务执行相关的指标都是存在规律性的,通过学习历史数据中每天、 每周、每年的规律,就能够发现实时数据是否异常。以上内容摘自《应用智能运维实践(试读版)》电子书,点击https://developer.aliyun.com/ebook/download/367 可下载完整版

    2022-09-08 08:34:44
    赞同 展开评论 打赏
问答分类:
问答地址:

数据库领域前沿技术分享与交流

相关电子书

更多
时间序列数据的处理 立即下载
智能运维里的时间序列:异常检测、根源分析、预测 立即下载
百度大规模时序指标自动异常检测实战 立即下载