Your SlideShare is downloading. ×

Skyline 简介

884

Published on

skyline是Etsy的Kale系统的一部分,负责异常探测过滤,和rrdtool/graphite的预测式警报属于另一个方向。

skyline是Etsy的Kale系统的一部分,负责异常探测过滤,和rrdtool/graphite的预测式警报属于另一个方向。

Published in: Travel
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
884
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
5
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Skyline Etsy 的 控 机制监 过滤
  • 2. • Etsy 技 博客:术团队 • http://codeascraft.com/2013/06/11/introd ucing-kale/ • Qcon London2013 演 稿:讲 • https://speakerdeck.com/astanway/bring- the-noise-continuously-deploying-under-a- hailstorm-of-metrics 介简
  • 3. Kale 架构图 • 常探 的异 测 skyline( 左边 ) • 相似 找的查 oculus( 右边 )
  • 4. skyline 部署 • apt-get install git numpy scipy python-pip python-msgpack python-pandas python-statsmodels • git clone https://github.com/etsy/skyline • cd skyline • pip install -r requirement.txt • cp src/settings.py.example src/settings.py • mkdir /var/log/skyline • mkdir /var/run/skyline • mkdir /var/log/redis • # 必 用须 2.6 版以上的 redis-server 才能正常存储 • wget http://redis.googlecode.com/files/redis-2.6.13.tar.gz • tar zxvf redis-2.6.13.tar.gz • cd redis-2.6.13 • make
  • 5. skyline 启动 • ./src/redis-server ../bin/redis.conf • cd bin • # 分析器 • sudo ./analyzer.d start • # 数据接收 • sudo ./horizon.d start • # flask 界面 • sudo ./webapp.d start
  • 6. horizon 支持 • 2024 端口支持转发 graphite 数据 • 2025 端口支持 pickle 和 msgpack 两种 网 数据格式络 • 数据存 在储 redis 中, key 的命名格式类 似 graphite 的的 group.item.time 这样
  • 7. analyzer 原理 • analyzer 根据周期内 有数据判断最新数现 据是否 常异 • rrdtool/graphite 是根据 有数据推 下现 测 一个数据 是多少应该
  • 8. analyzer 原理 • first_hour_average • 是最 的。先求本周期内最前面的第这 简单 一个小 的平均 和 准差,然后和最新时 值 标 的三个 的平均值 值 (tail_avg() , 是后面这 多数算法都通用的做法 ) 做比 。如果较 tail_avg 和 第一小 平均 的差距大于时 值 3 倍的 准差,那么 定 常。标 认 为异
  • 9. analyzer 原理 • simple_stddev_from_moving_averag e • 把上面算法的范 大化,求的是整个周围扩 期内全部数据的平均 和 准差。值 标
  • 10. analyzer 原理 • stddev_from_moving_average • 在上面算法的基 上,采用指数加权移础 动 平均 。 周期内采点数量 少的情况更值 对 较 好一些。
  • 11. analyzer 原理 • mean_subtraction_cumulation • 做法是 的:这样 • 排除最后一个 ;值 • 求剩余序列的平均 ;值 • 全序列 去上面 个平均 ;减 这 值 • 求剩余序列的 准差;标 • 判断全序列最后一个 是否大于值 3 倍的 准差标 • 在代 中本来 算了一次序列的指数加权移码 还计 动 平均 ,但是算完了却没用,感 怪怪的。值 觉
  • 12. analyzer 原理 • least_squares • 采用最小二乘法 近 序列,然后用拟 时间 实 去 近 得到新序列。然后判断新际值减 拟 值 序列的最后三个 的平均 是否大于值 值 3 倍 的新序列 准差。标 • 所 最小二乘法, 就是 一个谓 简单说 对 [x, y] 序列,会有一 常数对 [m, c] ,让 Y = mx + c 等式中的 Y 和 y 在全序列上最 接近。
  • 13. analyzer 原理 • histogram_bins • 将整个周期序列的数据按照直方 法图统计 入归 15 个直方中,然后看最后三个 的值 平均 属于值 这 15 个直方的具体 个。如哪 果 个直方中包含的数据小于这 20 个,判 断 常。为异 • 从算法中可以知道,如果周期内数据量不 ,很容易被判断 常的。够 为异
  • 14. analyzer 原理 • grubbs • 将整个周期序列的数据按照格拉布斯法求 常 。异 值 • 准的格拉布斯法是 的:标 这样 • 从小到大排序; • 求序列的平均 和 准差;值 标 • 算最小 和最大 与平均 的差距,更大的那个 可疑 ;计 值 值 值 为 值 • 可疑 去平均 ,再除以 准差,如果大于格拉布斯 界 ,那么值减 值 标 临 值 就是 常 ;异 值 • 排除 常 , 剩余序列循 做异 值 对 环 1-5 步 。骤 • 里只用判断 序列的最后是否 常,所以直接将最后三个 的平这 时间 异 值 均 作 可疑 判断是否 常即可。值 为 值 异
  • 15. analyzer 原理 • median_absolute_deviation • 具体 是:序列的最后一个 ,比 序列的 中 大实现 值 该 绝对 值 6 倍以上 ,即判断 常。为异 • 注意 里是中 ,不是平均 。这 值 值
  • 16. analyzer 原理 • Kolmogorov-Smirnov_test • 具体 是: 算序列内最近十分 的数 的实现 计 钟 值 ks 分布,然后测试 计 算序列中最近一个小 前到十分 前时 钟 这 50 分 的数 的钟 值 ks 分测试 布;如果 个分布相差 大,即判断 常。两 较 为异
  • 17. webapp 原理 • 一个 flask 面,通页 过 ajax 求请 json 画 。图 • 个这 anomalies.json 是 analyzer 程进 实 生成到时 src/webapp/static/dump 目录 下的。在没有 常的 候的基 式如下异 时 础样 : • handle_data([])
  • 18. 示例 • use Data::MessagePack; • use AnyEvent::Handle::UDP; • my $mp = Data::MessagePack->new->utf8->prefer_integer; • my $sock = AnyEvent::Handle::UDP->new( • connect => [ '127.0.1.1', '2025' ], • on_recv => sub { }, • autoflush => 1, • ); • my $timer = AnyEvent->timer( • after => 0, • interval => 1, • cb => sub {$sock->push_send($mp->pack(['localhost.loadavg', [time, rand*2]]))} • ); • my $atimer = AnyEvent->timer( • after => 200, • interval => 1, • cb => sub { • $timer = undef; • $sock->push_send($mp->pack(['localhost.loadavg', [time, rand*2000]])); • }, • ); • AnyEvent->condvar->recv;
  • 19. analyzer.log 常异 记录
  • 20. webapp 效果

×