ASAP：通过时间序列平滑优先分配注意力
数据库
2017-09-20 v2
摘要
流式遥测的时间序列可视化（即随时间绘制服务器负载等关键指标）在现代数据平台和应用中日益普及。然而，许多现有系统只是在原始数据流到达时直接绘制，往往会因小尺度噪声而掩盖大尺度趋势。我们提出了一种替代方案：为了更好地优先分配最终用户的注意力，尽可能平滑时间序列可视化以去除噪声，同时保留大尺度结构以突出显著偏差。我们开发了一种名为 ASAP 的新分析算子，它通过自适应优化噪声减少（即方差）与趋势保留（即峰度）之间的权衡来自动平滑流式时间序列。我们引入了定量评估平滑图质量的指标，并提供了一种有效的搜索策略来优化这些指标，该策略结合了流处理、用户界面设计和信号处理的技术，通过基于自相关的剪枝、像素感知预聚合和按需刷新。我们证明，ASAP 可以将用户识别时间序列中长期偏差的准确率提高多达 38.4%，同时将响应时间减少多达 44.3%。此外，ASAP 提供这些结果的速度比替代搜索策略快几个数量级。
引用
@article{arxiv.1703.00983,
title = {ASAP: Prioritizing Attention via Time Series Smoothing},
author = {Kexin Rong and Peter Bailis},
journal= {arXiv preprint arXiv:1703.00983},
year = {2017}
}