earthgecko/skyline
Real-time anomaly detection for time series metrics. 11 years of production anomaly detection evolution. Multi-algorithm ensembles. Pattern recognition using semi-supervised and unsupervised learning. Correlation analysis. Learns and gets better over time. No GPU required, can run on a VPS.
해결하는 문제
Skyline은 각 메트릭마다 수동으로 임계값이나 모델을 설정하는 것이 현실적이지 않은 대량의 고해상도 시계열 데이터를 다루는 환경을 위해 설계되었습니다. 이 시스템은 각 스트림에 대해 수동 설정 없이 메트릭을 수동으로 모니터링하고 자동으로 이상을 탐지할 수 있는 방법을 제공합니다.
작동 방식
Skyline은 Python 기반 알고리즘을 사용하여 각 특정 메트릭에 대해 이상으로 간주되는 기준을 자동으로 결정합니다. Graphite, InfluxDB, Prometheus, VictoriaMetrics와 같은 일반적인 데이터 소스와 통합되어 메트릭을 수신합니다. 스트림이 설정되면 새로운 메트릭이 자동으로 분석 대상에 추가되며, 사용자는 개별 메트릭 기반으로 시스템을 수동으로 훈련시켜 비이상으로 간주되는 내용을 정밀하게 조정할 수 있습니다.
대상 사용자
자신의 인프라에서 대량의 메트릭을 모니터링해야 하며, 개별 알림을 수동으로 설정하는 부담을 피하고자 하는 엔지니어 및 운영자에게 적합합니다.
주요 특징
- 고해상도 시계열 데이터에 대한 자동 이상 탐지.
- 수동 임계값 설정이 필요 없는 수동 모니터링.
- Prometheus, InfluxDB, Graphite 등을 포함한 다수의 인제스트 소스 지원.
- 개별 메트릭 기반으로 시스템을 훈련시켜 오류 경고를 줄일 수 있음.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트