腾讯开源智能运维项目，用机器学习减少人为失误

乾明 编辑整理 量子位 出品 | 公众号 QbitAI

腾讯又开源了。

继开源800万中文词的NLP数据集之后，腾讯又开源了一个智能运维学件平台Metis，主要面向运维工程师。

根据官方介绍，Metis是一系列AIOps领域的应用实践集合，主张通过算法从海量运维数据中学习摸索规则，逐步降低对人指定规则的依赖，进而减少人为失误。

当前版本开源的是时间序列异常检测学件，从机器学习的角度，来解决运维中时序数据的异常检测问题。

实现思路与代码架构

根据官方介绍，时间序列异常检测学件的实现基于统计判决、无监督和有监督学习对时序数据进行联合检测。具体来说是：

通过统计判决、无监督算法进行首层判决，输出疑似异常，其次进行有监督模型判决，得到最终检测结果。检测模型是经大量样本训练生成，可根据样本持续训练更新。

代码架构如下图所示：

GitHub相关文档中，对代码架构进行了详细的解释：

数据层（DB）：存储检测异常信息、样本信息、任务信息等。 服务层(server)： 服务层划分为四大模块，分别是：数据驱动模块DAO、特征计算模块feature、算法模块feature以及业务模块business。 接口层(API)： 提供API能力，时间序列异常检测接口和WEB管理的操作接口。 WEB层(web)： 系统提供的WEB服务，通过服务界面，用户可以进行异常查询、打标标注、样本库管理、模型训练等操作。

应用场景与功能特性

官方文档显示，时间序列异常检测学件的应用场景有两个，分别是应用数据场景和应用案例场景。

其中应用数据场景包括操作系统数据、应用程序数据和KPI指标数据。应用案例场景包括监控告警、关联分析和影响评估。

功能特性有六个，分别为异常检测、特征提取、异常查询、标注打标、样本管理、模型管理。

相关事项与传送门

Metis在Linux系统上运行，前端开发语言支持JavaScript和TypeScript，后端支持Python 2.7。

GitHub链接： https://github.com/Tencent/Metis

— 完 —