什么是类似于 AWS 的 Kinesis Random Cut Forest 算法的时间序列流数据的 Google Cloud 异常检测解决方案？

Question

我正在尝试在 GCP 上实施异常检测机器学习解决方案，但发现很难找到使用 Google Cloud ML 的特定解决方案，就像 AWS 在 Kinesis 中的随机砍伐森林解决方案一样。我正在为热水器流式传输 IoT 温度传感器数据。

有人知道 tensorflow/google 解决方案，因为我的公司只使用 google 堆栈吗？

我尝试使用 sklearn 模型，但它们都不能在 producton 上实现流数据，因此必须使用 tensorflow，但我是新手。关于完成这项工作的良好流程有什么建议吗？

Answer 1

如果主要关注的是数据流分析和实时捕捉模式，我建议使用 Esper 复杂事件处理引擎。它提供了类似 SQL 的事件处理语言，作为对浮动数据的连续查询运行。 Esper 为相关、聚合和模式检测提供抽象。它是开源项目，如果您想在多台服务器上运行引擎以实现高可用性，则需要许可证。