前言
AIOps已经逐渐兴起,AI算法已较为成熟,使之与运维结合到了一起,下面列出AIOps相关技术和算法要点,有空了再展开写,懂大数据和机器学习的基本都知道各个组件及算法的作用。
异常点检测
- 正态分布异常检测
- 马氏距离异常检测
- KNN异常检测
- 密度异常检测
- 独立森林异常检测
故障分析
- 关联规则相关性分析
- 决策树分析
分类预测
- 贝叶斯
- 神经网络
- 决策树
- knn
- svm
- 提升
聚类
- kmeans
- knn
- 基于层次聚类
- 基于密度聚类
趋势预测
- ARIMA模型建模
- 移动平均法
- 指数平滑法
- 卷积神经网络
- 循环神经网络
客户端采集
- filebeat
- logstash
- scribe
- flume
队列
- zeromq
- activemq
- rocketmq
- kafka
数据存储
- mysql
- hdfs
- redis
- druid
- clickhouse
- elasticsearch
- hbase
时序数据库
- graphite
- rrd tool
- influxdb
- opentsdb
- prometheus
- druid(支持时序)
- elasticsearch(支持时序)
- clickhouse(支持时序)
离线计算
- linux sed awk
- python pandas
- mapreduce hadoop
- hive
实时计算
- spark streaming
- flink
- jstrom
数据同步
- sqoop
- datax
机器学习
- spark mllib
- scikitlearn
- pattern
- TensorFlow
- keras
- pytorch
————-推荐阅读————
我的开源项目汇总(机器&深度学习、NLP、网络IO、AIML、mysql协议、chatbot)
跟我交流,向我提问:
欢迎关注: