基于 SAP HANA 中关键性能指标的预测性维护深度学习
机器学习
2018-05-24 v1 机器学习
摘要
随着云和大数据新时代的到来，数据库管理系统（Database Management Systems, DBMSs）在各行各业的众多企业商业应用中变得愈发关键。相应地，其主动性和预防性维护的重要性也随之增加。然而，通过预定义规则或随机建模来检测问题存在局限性，特别是在分析来自 DBMS 的高维关键性能指标（Key Performance Indicators, KPIs）数据时。近年来，深度学习（Deep Learning, DL）为这种复杂分析开启了新的机遇。在本文中，我们提出了两种互补的 DL 方法来检测 SAP HANA 中的异常。时间学习方法用于基于无标签历史数据检测异常模式，而空间学习方法用于基于有标签数据对已知异常进行分类。我们在 SAP HANA 中实现了一个与 Google TensorFlow 集成的系统。基于真实世界数据的实验结果证实了该系统和模型的有效性。
引用
@article{arxiv.1804.05497,
title = {Deep Learning on Key Performance Indicators for Predictive Maintenance in SAP HANA},
author = {Jaekoo Lee and Byunghan Lee and Jongyoon Song and Jaesik Yoon and Yongsik Lee and Donghun Lee and Sungroh Yoon},
journal= {arXiv preprint arXiv:1804.05497},
year = {2018}
}
备注
This version withdrawn by arXiv administrators because the author did not have the right to agree to our license at the time of submission