aiops算法罗列

下面按从简单 → 进阶 → 工程落地，给你整理一套AIOps 最常用算法清单，直接对应运维场景，方便你学习和面试。

一、入门级（简单、稳定、业务最先用）

1. 统计方法
   • 均值、方差、分位数、滑动窗口
   • 3σ原则、IQR异常检测
2. 阈值与规则引擎
   • 静态阈值、动态阈值
   • 多条件组合规则（if-else 规则链）
3. 时间序列基础
   • 移动平均（MA、EMA）
   • 差分、季节性分解（STL）
4. 简单聚类
   • K-Means（机器/指标聚类）
   • DBSCAN（异常点检测）

二、进阶级（真正 AIOps 主力算法）

1. 异常检测

• 孤立森林 Isolation Forest
• 一类SVM One-Class SVM
• HBOS / LOF（基于密度）
• COPOD（轻量、时序友好）
• 时序异常：ADTK、Telemanom

2. 时序预测

• ARIMA / SARIMA
• Prophet（简单好用）
• LSTM / GRU
• TCN、Transformer（进阶时序）

3. 根因定位 & 故障诊断

• 皮尔逊/斯皮尔曼相关
• 互信息、最大信息系数 MIC
• 决策树、随机森林
• XGboost / LightGBM / CatBoost
• 因果推断：PC算法、LiNGAM

4. 告警聚类 / 降噪

• 文本相似度：Jaccard、余弦相似度
• TF-IDF + 聚类
• DBSCAN / 层次聚类
• 主题模型：LDA

三、高阶 & 前沿（大厂/复杂场景）

1. 多变量时序异常
   • MTAD-GAT、GDN、AnomalyTransformer
2. 知识图谱 + AIOps
   • 实体关系、故障图谱、推理路径
3. 强化学习 RL
   • 自动扩缩容、智能限流、自愈调度
4. 大模型 + AIOps
   • 日志自然语言理解
   • 故障自然语言诊断、根因总结
   • 运维问答、巡检报告生成

四、按岗位学习路线（最实用）

• 运维转 AIOps
  统计 → 动态阈值 → K-Means → 孤立森林 → Prophet → XGBoost
• AIOps 算法工程师
  时序预测 → 多变量异常 → 根因（相关性/因果）→ 告警聚类
• AIOps 架构师
  以上 + 知识图谱 + RL + 大模型运维

---