Metis 这个名字取自希腊神话中的智慧女神墨提斯（Metis），它是一系列AIOps领域的应用实践集合。主要解决在质量、效率、成本方面的智能运维问题。当前版本开源的时间序列异常检测学件，是从机器学习的角度来解决时序数据的异常检测问题。
时间序列异常检测学件的实现思路是基于统计判决、无监督和有监督学习对时序数据进行联合检测。通过统计判决、无监督算法进行首层判决，输出疑似异常，其次进行有监督模型判决，得到最终检测结果。检测模型是经大量样本训练生成，可根据样本持续训练更新。
时间序列异常检测学件在织云企业版本中已覆盖 20w+ 服务器，承载了 240w+ 业务指标的异常检测。经过了海量监控数据打磨，该学件在异常检测和运维监控领域具有广泛的应用性。
支持平台目前运行的操作系统平台如下：
操作系统：Linux
支持语言目前前后端支持的开发语言如下：
前端：JavaScript、TypeScript
后端：Python2.7
使用场景时间序列异常检测学件经过海量监控数据打磨，在异常检测和运维监控领域具有广泛的应用性。
功能特性时间序列异常检测学件：
异常检测：时间序列的异常检测
特征提取：提供时间序列统计、拟合、分类特征的提取功能
异常查询：可对检测到的异常视图进行管理
标注打标：可进行异常的标注和取消标注，标注结果为正负样本
样本管理：提供样本库的管理能力，查询、编辑、上传、导出、删除
模型管理：提供训练模型功能和训练任务管理
评论