基于在线矩阵剖面的 IT 运维序列异常检测

时间序列上的异常检测是监控 IT 系统关键性能指标（KPI）的一项基础任务。文献中许多现有方法表现出良好性能，但需要大量训练资源。本文提出无需训练的在线矩阵剖面（online matrix profile）来解决此问题。异常通过参考与当前子序列最接近的历史子序列来检测。基于在线矩阵剖面引入了距离显著性，其在异常发生时展现出显著模式。另一种免训练方法谱残差（spectral residual）被集成到我们的方法中以进一步提升检测精度。此外，所提方法通过引入的缓存策略在长时间序列上实现了至少四倍的加速。与现有方法相比，在线矩阵剖面在准确率与效率之间取得了良好权衡。更重要的是，它对于各类时间序列具有通用性，因其工作不受任何训练模型的约束。