典型文献
KPI异常检测方法评估
文献摘要：
[目的]关键性能指标(Key Performance Indicators,KPI,如页面访问量、页面访问延迟、服务器CPU利用率、路由器内存使用率、交换机吞吐量、服务器磁盘I/O等)异常检测作为快速故障发现和修复的基础,对快速发展的云计算技术服务越来越重要.[文献范围]本文广泛调研近年来国内外KPI异常检测的相关工作.[方法]对各发展阶段的KPI异常检测方法深入研究和分析,并挑选出13个代表性方法进行实验评估.[结果]总结整理了其一般性问题、挑战和框架,使用3家国内顶尖互联网公司收集到的KPI数据集从准确性、鲁棒性和效率三个方面评估了以上方法的性能.[结论]这些方法涵盖了基于统计的方法、有监督学习方法、半监督学习方法和无监督学习方法,并各有优劣性.本文的研究和分析为将来的研究人员快速、准确地选择最适合其场景的KPI异常检测方法提供了依据.
文献关键词：
关键性能指标;异常检测;方法评估;机器学习
中图分类号：
作者姓名：
孙永谦;张茹茹;林子涵;张圣林;谭智元;张玉志
作者机构：
南开大学,软件学院,天津 300350;天津市操作系统企业重点实验室,天津 300350;先进计算与关键软件(信创)海河实验室,天津 300350
文献出处：
引用格式：
[1]孙永谦;张茹茹;林子涵;张圣林;谭智元;张玉志-.KPI异常检测方法评估)[J].数据与计算发展前沿,2022(03):46-65
A类：
B类：
KPI,异常检测方法,方法评估,关键性能指标,Key,Performance,Indicators,页面,面访,访问量,访问延迟,服务器,CPU,路由器,交换机,吞吐量,磁盘,故障发现,云计算技术,技术服务,文广,研究和分析,挑选出,实验评估,一般性,顶尖,互联网公司,有监督学习,半监督学习,无监督学习,优劣性
AB值：
0.361071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
