Что такое решение по обнаружению аномалий в Google Clouds для потоковых данных временных рядов, аналогичное алгоритму AWS Kinesis Random Cut Forest?

Question

Я пытаюсь внедрить решение для машинного обучения с обнаружением аномалий в GCP, но мне сложно найти конкретное решение с помощью Google Cloud ML, как в случае решения AWS 'Random Cut Forest' в Kinesis. Я передаю данные датчика температуры IoT для водонагревателей.

Кто-нибудь знает решение для тензорного потока / Google для этого, так как моя компания использует только стек Google?

Я пытался использовать модели sklearn, но ни одна из них не может быть реализована на producton для потоковой передачи данных, поэтому я должен использовать тензор потока, но я новичок. Любые предложения о хорошем потоке, чтобы сделать это?

Answer 1

Я бы предложил использовать механизм обработки сложных событий Esper, если основной задачей является анализ потока данных и отслеживание шаблонов в режиме реального времени. Он предоставляет SQL-подобный язык обработки событий, который выполняется как непрерывный запрос к плавающим данным. Esper предлагает абстракции для корреляции, агрегации и обнаружения паттернов. Это проект с открытым исходным кодом и лицензия требуется, если вы хотите запустить движок на нескольких серверах для достижения высокой доступности.