在ArchSummit北京2018大会上，刘宏伟讲师做了《基于形变分析模型的美团外卖业务异常检测系统建设与实践》主题演讲，主要内容如下。
演讲简介：
外卖业务持续高速成长，业务迭代快，逻辑复杂，关联服务多。如何快速准确识别系统各项指标的异常，发现问题根因，并快速解决显得尤为重要。在常规业务指标监控工作中需要手动维护上万业务指标报警阈值，不仅成本高，效果也不佳。我们尝试使用“形变分析模型”对业务指标自动进行异常检测，无需人工设置阈值。在实践过程中与外卖全链路压测，服务保护等稳定性保障系统进行内联，目前已覆盖绝大部分美团外卖 C 端核心业务指标，效果不错。
演讲提纲：
1、美团外卖业务稳定性建设现状
业务指标特点
异常检测在整体架构中的位置
2、形变分析模型介绍
形变分析模型的算法过程
自适应阈值计模型介绍
形变分析模型的能力边界和使用范围
形变分析模型的变种-变点检查模型介绍
报警收敛规则以及自适应报警收敛模型
3、形变分析模型和其他异常检测模型对比
4、业务异常检测系统的整体设计
5、与全链路压测和服务保护系统内联
6、落地情况以及实践效果
听众受益点：
在不引入复杂算法的前提下，如何设计出真实可行的业务异常检测模型。
异常检测系统与其他稳定性相关的系统的内联。
美团外卖在异常检测方面面临的困境与踩过的坑。
讲师介绍：
刘宏伟
美团 资深技术专家
2016 年加入美团点评，美团外卖技术保障组负责人，现正在围绕业务进行稳定性评估、实时监控、异常检测与故障诊断等方向的建设。
完整演讲 PPT 下载链接：
https://archsummit.infoq.cn/2018/beijing/schedule
分布式云行业实践指南（2023）
业内首个分布式云行业实践方法论、工具箱。
如何在软件开发生命周期中管理引入的开源软件
利用大模型打造更聪明的猴子：下一代跨平台软件测试基础设施 Hydra Lab
从数据库历史，看分布式数据库的架构设计趋势
评论