作者|董福铭（吾铭）、黄俊（豆豆）
编辑|橙子君
出品|阿里巴巴新零售淘系技术
指标监控关乎稳定性，但随着数据量的增加、指标的复杂周期性和模式变化的动态性，基于阈值/同比环比的规则难以适用，而且复杂的领域知识导致为每条指标配置相应的规则费时费力，无法应用在大规模数据监控上。在监控的有效性方面，传统的规则报警无法智能识别季节性，也经常受到噪声/抖动数据的干扰而导致误报，固定的规则以及阈值更无法进行提前预警。
前言
在上面的背景下，淘系技术质量团队打造了一款基于AI算法的异常检测平台，Holmes是一款智能化、轻量级、易接入、可扩展的异常检测平台，使用基于AI的异常检测算法，替代传统的规则监控方案。解决规则告警系统准确率低、时效性低、规则配置复杂与耗费人力等诸多问题。
Holmes目前已经在阿里内进行开放，覆盖淘宝、千牛、优酷、钉钉、淘宝直播等多个应用，核心指标量200+，整体准确率在90%以上，算法调用量高达1000万余次，有效进行故障的提前预警20余次。
▐ 平台理念
Holmes通过AI算法对业务指标进行检测和预测，从而实现智能化报警，弥补了规则监控的不足，减少误报和漏报情况。提供一站式的异常检测服务，满足时序数据的实时检测，提供多种接入方式，利用机器学习和深度学习方式，定制化学习模型，有效提升报警覆盖率，以智能化方式进行稳定性的监控和保障。
特点：
- 学习历史数据，分析当前指标曲线趋势是否异常
- 基于以往数据，进行预测未来指标走势
优势：
- 算法检测代替规则检测
- 告警准确率高
- 更早发现异常情况
- 可适应业务发展带来的趋势变化
解决的异常场景：
▐ 系统架构
配置化流程
通过4步简单配置进行指标的接入和算法选择，轻松开启智能异常检测。
▐ 算法概览
Holmes融合了多种检测、预测的时序算法，检测异常响应速度快，预测数据走势准，二者的完美结合，奠定了异常检测的基础能力，同时平台也支持扩展算法的能力，以适应新增场景的特殊需求。
检测算法：
✎ Statistic
In statistics, the 68-95-99.7 rule is a shorthand used to remember the percentage of valuesthat lie within a band around the mean in a normal distribution with a width of two, four andsix standard deviations, respectively; more accurately, 68.27%, 95.45% and 99.73% of the valueslie within one, two and three standard deviations of the mean, respectively.
✎ Ewma
In statistical quality control, the EWMA chart (or exponentially weighted moving average chart)is a type of control chart used to monitor either variables or attributes-type data using the monitored businessor industrial process's entire history of output. While other control charts treat rational subgroups of samplesindividually, the EWMA chart tracks the exponentially-weighted moving average of all prior sample means.
✎ Polynomial
In statistics, polynomial regression is a form of regression analysis in which the relationshipbetween the independent variable x and the dependent variable y is modelled as an nth degree polynomial in x.
✎ IsolationForest
The IsolationForest 'isolates' observations by randomly selecting a feature and thenrandomly selecting a split value between the maximum and minimum values of the selected feature.
✎ XGBoost
XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting framework. XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science problems in a fast and accurate way. The same code runs on major distributed environment (Hadoop, SGE, MPI) and can solve problems beyond billions of examples.
预测算法：
✎ Tensorflow-LSTM
Long Short-Term Memory layer - Hochreiter 1997.预测效果图：
✎ Facebook-prophet
Prophet is a procedure for forecasting time series data based on an additive model where non-linear trends are fit with yearly, weekly, and daily seasonality, plus holiday effects. It works best with time series that have strong seasonal effects and several seasons of historical data. Prophet is robust to missing data and shifts in the trend, and typically handles outliers well.
实践效果
目前Holmes异常检测平台已经在集团内部开放接入和运行，支持集团内常用数据源。平台运行几个月以来，帮助接入业务方的开发测试同学构建智能监控体系，减少繁琐的规则配置，有效提高了线上质量监控的覆盖率。今年618大促期间，Holmes的准确性方面也进一步得到验证，有效保障了大促的稳定性质量。
覆盖应用：淘宝、千牛、优酷、钉钉、淘宝直播、咸鱼等
接入指标：核心业务指标 200+
提前预警：有效提前预警线上问题 20+
算法调用量：累计1000万+
报警示例
实践案例1：
A客户端新版本放量期间, 由于客户端请求传参问题导致服务端返回大量空返回错误，Holmes 进行了有效检测到异常，相关同学收到报警及时中止放量并修复问题。然而传统规则监控因未达到阈值没有预警。
实践案例2：
在618大促压测期间，由于B业务订单数据量持续下降（缓慢下跌），Holmes检测到持续异常信息，预测数据下跌风险，早于传统规则监控90分钟提前报警，有效避免了线上故障。
算法检测效果
未来展望
Holmes异常检测平台是淘系技术质量团队打造，在智能化测试领域的一次实践，未来我们希望利用AI算法实现业务全方位智能化监控和问题定位。覆盖更多的数据类型、打造通用的算法模型、更优越的算法指标。同时我们也在全链路监控排查、智能舆情处理等多方面进行探索，期待后续跟大家分享。
淘系技术质量团队
负责保障整个手淘、天猫主战的业务质量，这里有丰富业务场景和技术挑战，我们将持续建设及完善这个那个淘系稳定性、提升用户体验。
如果您有兴趣可讲简历发至：fuming.dfm@alibaba-inc.com，期待您的加入!
关注「淘系技术」微信公众号，一个有温度有内容的技术社区~
