如果你也是 Elaticsearch 的粉絲，或者機(jī)器學(xué)習(xí)的愛好者，你肯定不會(huì)錯(cuò)過這個(gè)東西。5 月份 Elaticsearch 推出了新版本 5.4，準(zhǔn)確地說是 Elastic Stack 全家桶都更新為 5.4 了，在 X-pack 中的 beta 特性中，加入了 Machine Learning 這個(gè)特性，同時(shí)也會(huì)在 Kibana 中有所體現(xiàn)。

　　據(jù)官方博客報(bào)導(dǎo)，他們講 Prelert Machine Learning 的技術(shù)應(yīng)用到了 Elastic Stack 中，Prelert 是 Elastic 公司去年 9 月份收購的行為分析技術(shù)提供商，意圖是幫助客戶解決網(wǎng)絡(luò)安全、欺詐檢測、IT 運(yùn)營分析等場景問題。Prelert 和 Elastic 產(chǎn)品的高度契合，最終成就了這個(gè)看起來很炫酷的工具。

　　報(bào)導(dǎo)還稱，“目前，X-Pack Machine Learning 功能的著眼點(diǎn)是，利用無監(jiān)督式機(jī)器學(xué)習(xí)，提供 “時(shí)間序列異常檢測” 功能。以后將計(jì)劃增加更多 Machine Learning 功能，但是我們目前只專注于為用戶存儲(chǔ)的時(shí)間序列數(shù)據(jù)（例如日志文件、應(yīng)用程序和性能指標(biāo)、網(wǎng)絡(luò)流量或 Elasticsearch 中的財(cái)務(wù)/交易數(shù)據(jù)）提供附加值。” 這就是說，大家可能比較期待的有監(jiān)督學(xué)習(xí)或者什么深度學(xué)習(xí)并沒有集成進(jìn)來，而更多的還是 Elasticsearch 更擅長的時(shí)間序列分析。

　　下面將介紹三種不同的使用用例：

　　自動(dòng)提醒關(guān)鍵績效指標(biāo)值的異常變化

　　自動(dòng)追蹤數(shù)以千計(jì)的指標(biāo)

　　高級(jí)作業(yè)

　　用例1：自動(dòng)提醒關(guān)鍵績效指標(biāo)值的異常變化

　　Machine Learning 功能的首個(gè)切入點(diǎn)是單一指標(biāo)作業(yè)，如何識(shí)別單變量時(shí)間序列數(shù)據(jù)中存在的異常。如果您發(fā)現(xiàn)的異常是有意義的，您就可以連續(xù)地實(shí)時(shí)運(yùn)行這項(xiàng)分析，并在發(fā)生異常時(shí)發(fā)出警報(bào)。產(chǎn)品后臺(tái)包含大量復(fù)雜的無監(jiān)督式機(jī)器學(xué)習(xí)算法和統(tǒng)計(jì)模型，因此我們對(duì)于任意信號(hào)具有魯棒性，并且能夠準(zhǔn)確反映。該功能可以在 Elasticsearch 集群中像原生程序一樣運(yùn)行，功能實(shí)現(xiàn)進(jìn)行了優(yōu)化，幾秒鐘即可分析數(shù)以百萬計(jì)的事件。