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？
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
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
你好，我是AI助理
可以解答问题、推荐解决方案等
评论
全部评论 (0)