当前播放: 基于形变分析模型的美团外卖业务异常检测系统建设与实践
00:00 / 00:00
标清
  • 标清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
合辑:智能高效运维
阿里智能化故障治理流程探索和实践
基于形变分析模型的美团外卖业务异常检测系统建设与实践
百度服务可用性工程建设

基于形变分析模型的美团外卖业务异常检测系统建设与实践

刘宏伟 美团 资深技术专家

刘宏伟,美团资深技术专家

内容介绍

外卖业务持续高速成长,业务迭代快,逻辑复杂,关联服务多。如何快速准确识别系统各项指标的异常,发现问题根因,并快速解决显得尤为重要。在常规业务指标监控工作中需要手动维护上万业务指标报警阈值,不仅成本高,效果也不佳。我们尝试使用“形变分析模型”对业务指标自动进行异常检测,无需人工设置阈值。在实践过程中与外卖全链路压测,服务保护等稳定性保障系统进行内联,目前已覆盖绝大部分美团外卖 C 端核心业务指标,效果不错。

内容大纲

1、美团外卖业务稳定性建设现状
业务指标特点
异常检测在整体架构中的位置

2、形变分析模型介绍
形变分析模型的算法过程
自适应阈值计模型介绍
形变分析模型的能力边界和使用范围
形变分析模型的变种 - 变点检查模型介绍
报警收敛规则以及自适应报警收敛模

3、形变分析模型和其他异常检测模型对比

4、业务异常检测系统的整体设计

5、与全链路压测和服务保护系统内联

6、落地情况以及实践效果

展开
¥4.99 购买
开通VIP
9
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
其他推荐
39:21
从平台构建到领域深耕: Kubernetes在华为云的实践与发展
王泽锋 华为云 Kubernetes开源负责人
试看
45:15
基于Istio on Kubernetes云原生应用的最佳实践
王夕宁 阿里云 高级技术专家
试看
32:48
微博深度学习平台基于Kubernetes的分布式解决方案
于翔 新浪微博 机器学习研发架构师
试看