AIOps核心技术和算法要点

前言

AIOps已经逐渐兴起，AI算法已较为成熟，使之与运维结合到了一起，下面列出AIOps相关技术和算法要点，有空了再展开写，懂大数据和机器学习的基本都知道各个组件及算法的作用。

异常点检测

• 正态分布异常检测
• 马氏距离异常检测
• KNN异常检测
• 密度异常检测
• 独立森林异常检测

故障分析

• 关联规则相关性分析
• 决策树分析

分类预测

• 贝叶斯
• 神经网络
• 决策树
• knn
• svm
• 提升

聚类

• kmeans
• knn
• 基于层次聚类
• 基于密度聚类

趋势预测

• ARIMA模型建模
• 移动平均法
• 指数平滑法
• 卷积神经网络
• 循环神经网络

客户端采集

• filebeat
• logstash
• scribe
• flume

队列

• zeromq
• activemq
• rocketmq
• kafka

数据存储

• mysql
• hdfs
• redis
• druid
• clickhouse
• elasticsearch
• hbase

时序数据库

• graphite
• rrd tool
• influxdb
• opentsdb
• prometheus
• druid(支持时序)
• elasticsearch(支持时序)
• clickhouse(支持时序)

离线计算

• linux sed awk
• python pandas
• mapreduce hadoop
• hive

实时计算

• spark streaming
• flink
• jstrom

数据同步

• sqoop
• datax

机器学习

• spark mllib
• scikitlearn
• pattern
• TensorFlow
• keras
• pytorch

————-推荐阅读————

我的开源项目汇总(机器&深度学习、NLP、网络IO、AIML、mysql协议、chatbot)

为什么写《Tomcat内核设计剖析》

我的2017文章汇总——机器学习篇

我的2017文章汇总——Java及中间件

我的2017文章汇总——深度学习篇

我的2017文章汇总——JDK源码篇

我的2017文章汇总——自然语言处理篇

我的2017文章汇总——Java并发篇

---

跟我交流，向我提问：

欢迎关注：