aiops的算法

下面给你整理一份AIOps 常用算法/技术清单，按场景分类，方便直接学习和面试：

一、异常检测（AIOps 最核心）

• 统计类
  • 3σ 原则
  • 四分位法（IQR）
  • 滑动窗口统计（均值、方差、百分位）
  • 时间序列预测残差检测
• 传统机器学习
  • 孤立森林（Isolation Forest）
  • 一类 SVM（One-Class SVM）
  • DBSCAN 等密度聚类
• 深度学习
  • AE / VAE（自编码器）
  • LSTM-AE / GRU-AE
  • Transformer 时序异常检测
  • Temporal Convolutional Network（TCN）
  • OmniAnomaly、USAD、AnomalyTransformer

二、故障定位 / 根因分析（RCA）

• 关联分析
  • Apriori
  • FP-Growth
• 因果推断
  • PC 算法
  • 格兰杰因果
• 图算法
  • 图相似度
  • 图注意力网络 GAT
  • 图神经网络 GCN
• 决策树/可解释模型
  • XGBoost、LightGBM 特征重要性
  • SHAP、LIME 解释

三、告警收敛 / 降噪 / 根因告警推荐

• 聚类
  • K-Means
  • DBSCAN
  • 层次聚类
• 相似度计算
  • 余弦相似度
  • Jaccard 相似度
  • 编辑距离
• 文本/语义类
  • TF-IDF
  • Word2Vec
  • BERT 语义向量

四、容量预测 / 时序预测

• 传统时序
  • ARIMA / SARIMA
  • Prophet
• 机器学习
  • XGBoost、LightGBM、RandomForest
• 深度学习
  • LSTM、GRU
  • TCN
  • Informer、Autoformer 等长时序预测模型
  • Transformer 预测

五、智能调度 / 资源优化

• 强化学习
  • DQN
  • PPO
  • A2C
• 启发式算法
  • 遗传算法
  • 粒子群算法
• 运筹优化
  • 线性规划
  • 整数规划

六、指标/日志/链路统一处理

• 日志异常
  • LogPCA
  • DeepLog
  • LogBERT
• 指标聚类
  • DTW（动态时间规整）
  • K-Shape
• 分布式追踪
  • 调用链异常
  • 服务依赖图异常

七、常用 AIOps 落地模型（直接可背）

• 异常检测：IsolationForest、AE、LSTM-AE、AnomalyTransformer
• 告警收敛：聚类 + 相似度 + 关联规则
• 预测：Prophet、XGBoost、LSTM、TCN
• 根因：GCN、因果推断、决策树特征重要性

---