“基础架构部的巡检系统落地”，离线执行的异常发现算法，可比流式实时的告警引擎多太多，挑花了眼。不过，写算法名，比报菜名枯燥多了，大家可以跳出了。

趋势发现如内存，线程数的缓慢上涨，可以简单用最小二乘法，也可以用Mann Kendall，

均值飘移（Meanshift），用于发现内存等跳变到另一个均值区间，不是缓慢上涨，也不是毛刺，我们选了Binary Segment。

周期性数据的突变，比如每天的CPU，可以用twitter的S-H-ESD。

离散性数据的突变，比如5xx错误数这种突然出现的，或者是虽然说连续性，但很平稳，方差为0，不适合EWMA的，可以用DBScan和四分位。

另外，离线都随便用python的现成库，不像实时得从java里找。

Johanne Landbo #程序员#