AIOps 核心技術和演算法要點
前言
AIOps已經逐漸興起,AI演算法已較為成熟,使之與運維結合到了一起,下面列出AIOps相關技術和演算法要點,有空了再展開寫,懂大資料和機器學習的基本都知道各個元件及演算法的作用。
異常點檢測
-
正態分佈異常檢測
-
馬氏距離異常檢測
-
KNN異常檢測
-
密度異常檢測
-
獨立森林異常檢測
故障分析
-
關聯規則相關性分析
-
決策樹分析
分類預測
-
貝葉斯
-
神經網路
-
決策樹
-
knn
-
svm
-
提升
聚類
-
kmeans
-
knn
-
基於層次聚類
-
基於密度聚類
趨勢預測
-
ARIMA模型建模
-
移動平均法
-
指數平滑法
-
卷積神經網路
-
迴圈神經網路
客戶端採集
-
filebeat
-
logstash
-
scribe
-
flume
佇列
-
zeromq
-
activemq
-
rocketmq
-
kafka
資料儲存
-
mysql
-
hdfs
-
redis
-
druid
-
clickhouse
-
elasticsearch
-
hbase
時序資料庫
-
graphite
-
rrd tool
-
influxdb
-
opentsdb
-
prometheus
-
druid(支援時序)
-
elasticsearch(支援時序)
-
clickhouse(支援時序)
離線計算
-
linux sed awk
-
python pandas
-
mapreduce hadoop
-
hive
實時計算
-
spark streaming
-
flink
-
jstrom
資料同步
-
sqoop
-
datax
機器學習
-
spark mllib
-
scikitlearn
-
pattern
-
keras
-
pytorch
--------------------------------------
跟我交流:
-------------推薦閱讀------------
ofollow,noindex">我的開源專案彙總(機器&深度學習、NLP、網路IO、AIML、mysql協議、chatbot)
2017文章彙總——Java及中介軟體
2017文章彙總——JDK原始碼篇