我给你一份最精炼、只讲算法、直接对应K8s场景的清单，从简单到高阶，你拿去学习/面试/落地都能用。
K8s AIOps 核心算法（极简版）
1. 入门：统计 & 规则（80% 故障靠它）
- 3σ、IQR（异常检测）
- 滑动窗口 MA/EMA（指标平滑）
- 分位数、动态阈值
- 时间窗聚合（告警雪崩）
- 决策树、规则引擎（根因初判）
用途：Pod 重启、OOM、节点高负载、磁盘满、网络突增。
2. 中级：异常检测（K8s 真正 AI 起点）
- 孤立森林 Isolation Forest
- LOF / HBOS（密度异常）
- COPOD（轻量、高维指标友好）
- ADTK（时序突变）
- Prophet / SARIMA（预测负载）
用途：
CPU/内存/网络/磁盘 无规则异常、流量突刺、延迟抖动、Pod 异常行为。
3. 中高级：告警聚类 & 根因排序
- DBSCAN（告警聚类）
- TF-IDF + 余弦相似度（告警文本）
- 互信息 MIC / 皮尔逊相关
- XGBoost / LightGBM（特征重要性 → 根因TopN）
用途：
K8s 雪崩告警去重、定位根因告警、输出根因Top5。
4. 高阶：K8s 拓扑 + 因果（大厂 RCA）
- PageRank（拓扑根因打分）
- PC 算法（构建因果图）
- LiNGAM（线性因果）
- 知识图谱推理（故障传播路径）
用途：
定位谁是根节点：
是 Node 挂 → Pod 挂 → Service 挂
还是 Service 异常 → Pod 重启 → Node 负载高
5. 前沿：大模型 + K8s
- LLM 日志语义解析
- LLM 事件理解
- 自然语言根因总结
- 自动生成排查命令
你最该掌握的 K8s AIOps 必学算法TOP8
- 3σ / 动态阈值
- Isolation Forest（孤立森林）
- Prophet
- ADTK（时序突变）
- DBSCAN（告警聚类）
- XGBoost（根因排序）
- MIC 互信息
- PC 算法（因果）