织云 Metis 发布:时间序列异常检测诚邀您体验

2018 年 5 月 2 日 腾讯大讲堂

对,没错,织云又要发布新产品。


作为企业智能运维门户,业界早已关注织云的智能运维体系。我们很荣幸地宣布织云 Metis 智能运维体系正式发布。自此,织云家族已发布:织云企业版,织云社区版(Lite),织云 Metis 智能运维。企业版和社区版区别请戳


Metis 是腾讯内部落地实践的智能运维场景的集合,具备多种核心能力,如智能监控、智能分析、智能决策等。这些核心能力已在多元化、多样化的运维场景中得到落地实践。Metis 是从腾讯QQ、Qzone 等海量业务的一体化运维体系中孵化产生的,是织云 AIOps 的最佳实践。


织云 Metis 应用场景


1

业务高质量保障


利用机器学习技术,进行异常检测、故障定位、瓶颈分析等,可在无人工干预下,智能地保障业务高质量运行。例如时间序列异常检测、DLP 生死指标监控、多维下钻、关联分析、ROOT 根源分析等场景都是Metis在质量保障方面的典型应用。


2

运维效率提升


利用自然语言处理、机器学习技术,深挖智能问答、智能变更、智能决策,显著地提升运维人员的效率。例如智能客服机器人、舆情监控、智能负载均衡、数据库调参、极限调度等场景都是 Metis 在提升运维效率上的典型应用。


3

成本优化管理


利用大数据智能分析技术,进行资源(设备、带宽、存储)管理,可迅速分析资源使用的明细,并通过横向大数据对比挖掘可优化点。织云团队在 GOPS2018 全球运维大会--腾讯运维体系专场分享的《十亿元背后的价值》中概括了Metis成本管理挖掘的众多优化项。


织云 Metis 智能化优势


1

智能分析决策, 取代繁琐重复的人工诊断


在日常运维过程中,运维人员积累了大量的人工经验,同时大部分故障都是重复的、需人工定位的。重复性的分析会损耗人力,而且人工确认存在滞后性。织云Metis可以把丰富的运维经验固化下来,对常见问题实现分钟级内自动诊断,可直接给出故障定位的结果信息。


  • 对于已知的故障:织云 Metis 能够综合故障数据和人工经验自动提取故障特征,以故障特征库的形式,自动匹配定位故障;

  • 对于未知场景:织云 Metis 可根据故障特征推算出可能的原因,并在人工确认后加入故障特征库。


2

智能精准预测,取代人工粗略预估


为了保障产品的正常运营,容量预留过多或过少都会存在一些问题。而传统的基于运维经验容量预测手段不是十分有效,织云 Metis 根据业务目标的需求,结合服务数据,整合业务运维人员的业务经验,建立精准容量规划模型,从而精确预测各个业务的容量,让资源使用率达到最优。


开放预约体验--时间序列异常检测


时间序列异常检测是 Metis 组成部分之一,承载了海量业务的监控告警功能。其优越性体现在三点:


1

无阈值智能判决


运维人员无需设置告警阈值,检测模型可对数据异常智能判决,直观告诉大家检测结果是正常还是异常;


2

通用检测模型


智能检测的模型由海量的业务样本数据训练而成,适合复用在时间序列类数据的检测中;


3

可成长业务反馈


实践过程中也会遇到较个性的业务场景,这里支持用户标注反馈检测结果,异常检测系统可以自动化地根据用户反馈信息进行进阶学习、优化模型,加强对业务的理解,变得越来越懂业务。


(时间序列异常检测样例)


立即预约


织云 Metis--时间序列异常检测诚邀您体验智能运维场景。


扫码预约


登录查看更多
6

相关内容

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。异常也被称为离群值、新奇、噪声、偏差和例外。 特别是在检测滥用与网络入侵时,有趣性对象往往不是罕见对象,但却是超出预料的突发活动。这种模式不遵循通常统计定义中把异常点看作是罕见对象,于是许多异常检测方法(特别是无监督的方法)将对此类数据失效,除非进行了合适的聚集。相反,聚类分析算法可能可以检测出这些模式形成的微聚类。 有三大类异常检测方法。[1] 在假设数据集中大多数实例都是正常的前提下,无监督异常检测方法能通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常。监督式异常检测方法需要一个已经被标记“正常”与“异常”的数据集,并涉及到训练分类器(与许多其他的统计分类问题的关键区别是异常检测的内在不均衡性)。半监督式异常检测方法根据一个给定的正常训练数据集创建一个表示正常行为的模型,然后检测由学习模型生成的测试实例的可能性。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
深度学习自然语言处理概述,216页ppt,Jindřich Helcl
专知会员服务
212+阅读 · 2020年4月26日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
工行基于MySQL构建分布式架构的转型之路
炼数成金订阅号
15+阅读 · 2019年5月16日
腾讯互娱刘伟 | 知识图谱在运维中的应用
开放知识图谱
20+阅读 · 2018年10月10日
腾讯互娱刘伟:知识图谱让AI更有学识
InfoQ
3+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
业界 | 第四范式业界首推免费智能客服服务
机器之心
5+阅读 · 2018年3月14日
基于机器学习的KPI自动化异常检测系统
运维帮
13+阅读 · 2017年8月16日
Spark App自动化分析和故障诊断
CSDN大数据
7+阅读 · 2017年6月22日
Arxiv
23+阅读 · 2018年8月3日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关资讯
工行基于MySQL构建分布式架构的转型之路
炼数成金订阅号
15+阅读 · 2019年5月16日
腾讯互娱刘伟 | 知识图谱在运维中的应用
开放知识图谱
20+阅读 · 2018年10月10日
腾讯互娱刘伟:知识图谱让AI更有学识
InfoQ
3+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
业界 | 第四范式业界首推免费智能客服服务
机器之心
5+阅读 · 2018年3月14日
基于机器学习的KPI自动化异常检测系统
运维帮
13+阅读 · 2017年8月16日
Spark App自动化分析和故障诊断
CSDN大数据
7+阅读 · 2017年6月22日
Top
微信扫码咨询专知VIP会员