提高IT运维效率，深度解读京东云AIOps落地实践（异常检测篇）
💡
原文中文，约5900字，阅读约需14分钟。
📝
内容提要
京东科技提出了一种基于LSTM网络的无阈值时间序列异常检测方法，结合基线模块和无监督检测模块，实现高效准确的异常分析，克服了传统阈值设定的局限性，适应性强，适用于不同周期和动态变化的场景，实践验证效果显著。
🎯
关键要点
- 京东科技提出了一种基于LSTM网络的无阈值时间序列异常检测方法。
- 该方法结合基线模块和无监督检测模块，实现高效准确的异常分析。
- 无阈值方法克服了传统阈值设定的局限性，适应性强，适用于不同周期和动态变化的场景。
- 基线模块（LnB）生成自适应基线，能够表征时间序列的动态特征。
- 无监督检测模块（UnD）结合多种机器学习算法，通过投票机制检测异常。
- LnB和UnD两个模块的互补设计提高了异常检测的准确性和可靠性。
- 模型训练过程中，LnB使用较长历史数据，而UnD使用较短但相关性强的数据。
- 在线检测阶段，输入数据经过预处理后同时进入LnB和UnD进行异常检测。
- 实验结果表明，LnB+UnD组合的异常检测效果优于单独使用LnB或UnD。
- 京东科技在多个场景中验证了该模型的有效性和准确性。
➡️
