機(jī)器學(xué)習(xí)目前是軟件行業(yè)最被夸大其詞的術(shù)語(yǔ)之一，因?yàn)閺谋举|(zhì)上來(lái)講，它就是用來(lái)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)型預(yù)測(cè)、決策和建模的一系列廣泛的算法和方法。

        假如你能真正掌握機(jī)器學(xué)習(xí)的技?和?用，它能讓您在大量數(shù)據(jù)中，實(shí)時(shí)地搜索交易，或者利用聚合和可視化，展示一段時(shí)間以來(lái)的暢銷(xiāo)產(chǎn)品或交易趨勢(shì)。你可更深入地探究數(shù)據(jù)，例如“有沒(méi)有哪項(xiàng)服務(wù)的行為發(fā)生了變化？”或者“主機(jī)上是否運(yùn)行有異常進(jìn)程？”

以下為幾個(gè)機(jī)器學(xué)習(xí)的示例：

示例 1 - 自動(dòng)提醒關(guān)鍵績(jī)效指標(biāo)值的異常變化

         要說(shuō)這項(xiàng)技術(shù)最直觀的用例，那就是可以識(shí)別指標(biāo)值或事件速率偏離正常行為的情況。例如，服務(wù)響應(yīng)時(shí)間有沒(méi)有顯著增加？網(wǎng)站訪客預(yù)期數(shù)量與同一時(shí)段正常情況相比，是否存在明顯差異？傳統(tǒng)情況下，人們會(huì)利用規(guī)則、閾值或簡(jiǎn)單的統(tǒng)計(jì)方法來(lái)進(jìn)行此類(lèi)分析。但遺憾的是，這些簡(jiǎn)單的方法鮮少能夠高效地處理實(shí)際數(shù)據(jù)，原因在于此類(lèi)方法往往是基于無(wú)效的統(tǒng)計(jì)假設(shè)（例如，高斯分布），因此不支持趨勢(shì)分析（長(zhǎng)期性或周期性趨勢(shì)），或者在信號(hào)發(fā)生變化時(shí)缺乏穩(wěn)定性。

        所以說(shuō)，機(jī)器學(xué)習(xí)功能的首個(gè)切入點(diǎn)是單一指標(biāo)作業(yè)，您可以借此了解該產(chǎn)品如何學(xué)習(xí)正常模式，如何識(shí)別單變量時(shí)間序列數(shù)據(jù)中存在的異常。如果您發(fā)現(xiàn)的異常是有意義的，您就可以連續(xù)地實(shí)時(shí)運(yùn)行這項(xiàng)分析，并在發(fā)生異常時(shí)發(fā)出警報(bào)。

         盡管這看上去像是一個(gè)比較簡(jiǎn)單的用例，但是產(chǎn)品后臺(tái)包含大量復(fù)雜的無(wú)監(jiān)督式機(jī)器學(xué)習(xí)算法和統(tǒng)計(jì)模型，因此我們對(duì)于任意信號(hào)具有魯棒性，并且能夠準(zhǔn)確反映。

示例 2 - 自動(dòng)追蹤數(shù)以千計(jì)的指標(biāo)

        機(jī)器學(xué)習(xí)產(chǎn)品可以擴(kuò)展到數(shù)十萬(wàn)指標(biāo)和日志文件，那么下一步就是要同時(shí)分析多個(gè)指標(biāo)。這些指標(biāo)可能是來(lái)自同一個(gè)主機(jī)的多個(gè)相關(guān)指標(biāo)，可能是來(lái)自同一個(gè)數(shù)據(jù)庫(kù)或應(yīng)用程序的性能指標(biāo)，也可能是來(lái)自多個(gè)主機(jī)的多個(gè)日志文件。在這種情況下，我們可以直接單獨(dú)分析，再將結(jié)果聚合到同一個(gè)窗口，展示整體的系統(tǒng)異常情況。

         例如，假設(shè)我要處理來(lái)自一大組應(yīng)用程序服務(wù)的響應(yīng)時(shí)間，我可以直接分析各個(gè)服務(wù)一段時(shí)間以來(lái)的響應(yīng)時(shí)間，分別確認(rèn)各個(gè)行為異常的服務(wù)，同時(shí)展示整體的系統(tǒng)異常情況。

示例 3 - 高級(jí)作業(yè)

         比方說(shuō)，如果您想找出與整體相比行為異常的用戶、異常的 DNS 流量，或者倫敦街頭的擁堵路段，這時(shí)您就可以利用高級(jí)作業(yè)，靈活地分析???中存儲(chǔ)的任何時(shí)間序列數(shù)據(jù)。

Elastic Stack 整合

         Elastic 今月較早前宣布在 Elastic 5.4 版本中首次推出機(jī)器學(xué)習(xí)功能，用?安裝 X-Pack 之后，就可以使用機(jī)器學(xué)習(xí)功能實(shí)時(shí)分析 Elasticsearch 中的時(shí)間序列數(shù)據(jù)。機(jī)器學(xué)習(xí)作業(yè)與索引和分片基本類(lèi)似，能夠跨 Elasticsearch 集群自動(dòng)分布和管理。這還意味著機(jī)器學(xué)習(xí)作業(yè)對(duì)節(jié)點(diǎn)故障有很好的適應(yīng)性。從性能角度看，緊密集成意味著數(shù)據(jù)永遠(yuǎn)不需要離開(kāi)集群，而且我們可以利用 Elasticsearch 聚合極大地提高某些作業(yè)類(lèi)型的性能。而緊密集成帶來(lái)的另外一個(gè)好處就是，您可以直接從 Kibana 創(chuàng)建異常檢測(cè)作業(yè)并查看結(jié)果。

         由于這種方法對(duì)數(shù)據(jù)進(jìn)行原位分析，數(shù)據(jù)從不離開(kāi)集群，因此與將 Elasticsearch 數(shù)據(jù)集成到外部數(shù)據(jù)科學(xué)工具相比，這種方法能夠帶來(lái)顯著的性能和運(yùn)維優(yōu)勢(shì)。隨著我們?cè)谶@個(gè)領(lǐng)域開(kāi)發(fā)出越來(lái)越多的技術(shù)，這種架構(gòu)的優(yōu)勢(shì)將會(huì)更加顯著。

標(biāo)簽： dns 數(shù)據(jù)庫(kù) 搜索 網(wǎng)站 行業(yè) 用戶

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。