以下文稿由 AI 整理，仅供参考。

基于机器学习的指标异常检测：从数据到实战

实验数据：SMD 公开数据集

在指标异常检测实验中，我们需要用到运维监控数据。本次实验采用的是真实数据，来源于互联网平台的公开数据集——Server Machine Dataset（简称 SMD）。我们将数据放在 AI OPS 目录下，先来了解一下这份数据的结构。

SMD 数据集采集自一套服务器集群环境，共包含 28 台服务器。每台服务器都有一个机器 ID（如 1-1、1-2……1-8、2-1 等）。数据目录分为四个部分：

• 训练集目录：存放每台机器的训练数据文件（文本文件，以逗号分隔，即 CSV 格式）。
• 测试集目录：存放测试数据文件。
• 测试集标签目录：标注测试数据中哪些记录是异常。
• 异常解释说明目录：说明异常发生的时间段及涉及的维度。

数据维度

每台服务器的监控数据包含 38 个维度，分为六大类：

1. CPU 相关指标（4 个）：CPU 就绪队列长度（等待 CPU 资源的进程数）、用户态 CPU 使用率、系统态 CPU 使用率、空闲 CPU 时间百分比。
2. 内存相关指标（7 个）：共享内存使用量、用户空间内存使用量、用户空间内存使用峰值、系统总内存容量、空闲内存量、缓冲区内存使用量、页缓存内存使用量。
3. 磁盘 I/O 相关指标（8 个）：磁盘读取速率、读取字节数、磁盘服务时间、磁盘利用率百分比、CPU 等待磁盘 I/O 的时间百分比、磁盘写入字节数、写入速率、磁盘设备繁忙时间百分比。
4. 系统交换空间指标（2 个）：换入（磁盘到内存）、换出（内存到磁盘）。
5. 网络接口指标（多个）：第一块网卡的入 / 出帧数、入 / 出字节数、错误包数量、丢包数量；第二块网卡的类似指标。
6. TCP 连接指标（6 个）：处于特定状态的连接数、活动 TCP 连接数、主动发起的连接数、被动接受的连接数、流入 / 流出 TCP 连接数。