在我的应用程序中，我收集很多指标：硬件/本机系统指标（例如CPU负载，可用内存，交换内存，网络IO，包括发送/接收的数据包和字节数等） 。）以及JVM指标（垃圾收集，堆大小，线程利用率等）以及应用级指标（仅对我的应用有意义的工具，例如每分钟＃订单等）。
在整个一周，一个月，一年中，我都会看到这些指标中的趋势/模式。例如，当cron作业全部在午夜开始时，我会看到CPU和磁盘在生成报告时发生颠簸等等。
我正在寻找一种评估/评估指标的方法，如健康/正常与不健康/异常，但需要考虑这些模式。例如，如果CPU每晚午夜（+/- 5分钟）飙升，应该考虑＃34; 正常＆＃34;而不是引发警报。但是，如果在低潮期间CPU引脚并且＃34;在当天，比如说在上午11点到中午之间，这肯定会引发一些危险信号。
我能够将我的指标存储在时间序列数据库中，如果这有助于启动这个分析过程，但我不知道我可以利用哪些算法，方法和策略最模糊的线索建立这些周期性基线＆＃34;作为时间的函数。显然，这样的系统需要预先播种，甚至需要使用映射到正常/异常值的历史数据进行训练（这就是我学习时间序列数据库作为底层商店的原因）但这是对我来说是一个新的领域，我甚至不知道如何开始谷歌搜索，以便在搜索结果中找回有意义/相关/受过教育的解决方案候选人。有什么想法吗？
答案 0 :(得分：1)
您可以将每个指标（CPU负载，可用内存，交换内存，网络IO）与每个指标的日期和时间分类为坏或好。 在给定时间范围内提供一组数据，包括度量值以及它们是好还是坏。使用70％的数据训练模型，并在数据中使用好的和坏的答案。 然后使用其他30％的数据测试训练的模型，而无需回答您是否从模型中获得预测结果（好的，坏的）。您可以使用分类算法。