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.
解決的問題
Skyline 是為處理大量高解析度時間序列資料的環境所設計,其中為每個指標手動設定閾值或模型是不切實際的。它提供一種被動監控指標的方式,無需為每個資料流進行手動設定即可自動偵測異常。
工作原理
Skyline 使用 Python 為基礎的演算法,自動判斷每個特定指標的異常標準。它與常見的資料來源如 Graphite、InfluxDB、Prometheus 和 VictoriaMetrics 結合,用以接收指標資料。一旦建立資料流,新指標將自動加入分析範圍,使用者亦可針對每個指標手動訓練系統,以優化非異常狀態的判斷標準。
適用對象
適用於需要監控其基礎設施中大量指標,並希望避免為每個指標單獨設定警示所帶來的手動負擔的工程師與運維人員。
主要亮點
- 高解析度時間序列資料的自動異常偵測。
- 無需手動設定閾值的被動監控。
- 支援多種資料來源,包括 Prometheus、InfluxDB 與 Graphite。
- 可針對每個指標訓練系統,以減少誤報。
相關
- 專案
- 專案
- 專案
- 專案
- 專案