Predikce událostí v metrických datech za pomoci analýzy časových řad

Bc. Pavol Loffay

Master's thesis

Alert Prediction in Metric Data Based on Time Series Analysis

Abstract:

Cieľom práce je vyvinúť modul pre open source monitorovací projekt Hawkular. Modul by mal v reálnom čase poskytovať predikcie pre zbierané časové rady. Navrhnuté riešenie by malo byť výpočetne úsporné a pracovať bez zásahu analytika, čiže autonómne vybrať správny model pre daný časový rad. Na začiatku práce je vysvetlená teória časových radov a analýza rôznych prístupov k predikcií budúcich hodnôt. Text taktiež rozoberá prečo nie sú niektoré modely vhodné pre použitie v systéme Hawkular. Implementačná kapitola sa sústredí na najdôležitejšie časti, medzi ktoré patria samotné časové rady a integrácia do systému Hawkular. Posledná kapitola sa venuje vyhodnoteniu prediktívnych schopností implementovaných modelov. Modely sú porovnané oproti ich alternatívam z jazyka R.

Abstract:

The goal of the master’s thesis is to develop a module for an open source monitoring and management platform Hawkular. The module should provide real time predictive capabilities for collected time series data. Proposed solution should be computationally efficient and more importantly, it should autonomously select the best time series model for given metric. In other words it should work without analyst’s interaction. The master’s thesis starts with time series theory and analysis of various approaches for time series forecasting. It discusses which models are best for Hawkular requirements. The implementation chapter focuses on the most important parts like time series models, automatic forecasters and integration into Hawkular. The last chapter conducts evaluation of the implemented models. Models are benchmarked against its alternatives from statistical language R. The results show that implemented models are similar to R alternatives from the prediction accuracy perspective.

Keywords

Time Series, Hawkular, Alert Prediction, Exponential Smoothing

Language used: English

Date on which the thesis was submitted / produced: 26. 5. 2016

Thesis defence

• Date of defence: 27. 6. 2016
• Supervisor: RNDr. Adam Rambousek, Ph.D.
• Reader: Heiko Rupp

Masaryk University

Faculty of Informatics

Master programme / field:
Applied Informatics / Service Science, Management and Engineering