KPI自动化异常检测系统——Opprentice

论文：Opprentice: Towards Practical and Automatic Anomaly Detection Through Machine Learning

问题

• KPI类型很多，没有万能的检测器，需要为不同类型的KPI选择合适的异常检测器和合适的参数
• 算法人员没有运维知识，运维人员不懂算法，所以要尽可能全自动化

设计思想

• 运维人员标注异常
• Opprentice使用十几种不同的检测器提取上百个异常特征，然后将异常检测问题转化为机器学习中的有监督分类问题

算法细节

1. 离线训练分类器

• 开发异常标注工具，快速标注异常
• 提取上百个特征（很多冗余），集成学习（随机森林）训练分类器

2. 在线监测

• 新数据点的特征提取
• 用训练好的模型得出结果
  备注：因为可能有新的异常case，所以要定期更新训练模型