计算机研究与发展

作者：尚书一,李宏佳,宋晨,卢至彤,王利明,徐震,

关键词：互联网服务, 异常检测, 关键性能指标, 机器学习, 智能运维,

关键性能指标（keyperformanceindicator，KPI）异常检测技术是互联网服务智能运维的基础支撑技术.为了提升KPI异常检测的效率与准确性，基于机器学习的KPI异常检测技术成为近年来学术界与工业界的研究热点.在综合分析相关研究的基础上，给出了面向互联网服务的KPI异常检测技术框架.然后，分别针对单变量KPI、多变量KPI和矩阵变量KPI，从挖掘KPI在不同维度域（时间域、度量域、实体域）的依赖模式的角度出发，探讨了用于KPI异常检测的机器学习模型的选择动机.进一步地，以检测性能目标为导向，详细介绍了以准确性目标为核心的KPI异常检测技术（关注如何提升KPI异常检测模型的准确性）和以多目标平衡为核心的KPI异常检测技术（关注如何平衡理论性能与实际应用目标间的关系）.最后，梳理了基于机器学习的KPI异常检测技术在KPI监控及预处理、模型通用性、模型可解释性、异常告警管理以及KPI异常检测任务自身局限性5个方面的挑战，同时指出了与之对应的潜在研究方向.

来源：2025年第1期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第1期