chaos_genius Download - chaos_genius Quellcode herunterladen

chaos_genius

AI-Quellcode

v0.11.0-alpha

Herunterladen

ML-gestützte Analyse-Engine zur Erkennung von Ausreißern und zur Ursachenanalyse

Repository-Status: Archiviert

️ Hinweis: Dieses Repository wird nicht mehr aktiv gepflegt oder weiterentwickelt. Es bleibt als historische Referenz verfügbar, es werden jedoch keine weiteren Updates oder Support bereitgestellt. Benutzern wird empfohlen, aktuellere Alternativen in Betracht zu ziehen.

Was ist Chaos-Genie?

Chaos Genius ist eine Open-Source-ML-basierte Analyse-Engine zur Erkennung von Ausreißern und zur Ursachenanalyse. Mit Chaos Genius können hochdimensionale Geschäfts-, Daten- und Systemmetriken im großen Maßstab überwacht und analysiert werden.

Mit Chaos Genius können Benutzer große Datensätze nach wichtigen Leistungsmetriken (z. B. täglich aktive Benutzer, Cloud-Kosten, Ausfallraten) und wichtigen Dimensionen (z. B. Länder-ID, Geräte-ID, Produkt-ID, Wochentag) segmentieren, über die sie die Schlüsselmetriken überwachen und analysieren möchten .

Verwenden Sie Chaos Genius, wenn Sie möchten:

Mehrdimensionale Drilldowns und Einblicke
Anomalieerkennung
Intelligente Warnung
Saisonalitätserkennung*
Automatisierte Ursachenanalyse*
Prognose*
Was-wäre-wenn-Analyse*

* in der kurz- und mittelfristigen Roadmap

Demo

Eine kleine Demo von Chaos Genius

Schnellstart

 git clone https://github.com/chaos-genius/chaos_genius

cd chaos_genius

docker-compose up

Besuchen Sie http://localhost:8080

Befolgen Sie diese Kurzanleitung oder lesen Sie unsere Dokumentation für weitere Details.

? Hauptmerkmale

1. Automatisierte DeepDrills

Generieren Sie mehrdimensionale Drilldowns, um die wichtigsten Treiber für Änderungen in definierten Metriken (z. B. Verkäufe) über eine große Anzahl von Dimensionen mit hoher Kardinalität (z. B. CountryID, ProductID, BrandID, Device_type) zu identifizieren.

Techniken: Statistische Filterung, A*-ähnliche pfadbasierte Suche zur Bewältigung kombinatorischer Explosionen

2. Anomalieerkennung

Modulares Toolkit zur Anomalieerkennung zur Überwachung hochdimensionaler Zeitreihen mit der Möglichkeit, aus verschiedenen Modellen auszuwählen. Bewältigen Sie Schwankungen, die durch Saisonalität, Trends und Feiertage in den Zeitreihendaten verursacht werden.

Modelle: Prophet, EWMA, EWSTD, Neural Prophet, Greykite

3. Intelligente Warnungen

Umsetzbare Warnungen mit selbstlernenden Schwellenwerten. Konfigurationen zum Einrichten der Alarmhäufigkeit und Berichterstellung zur Bekämpfung der Alarmmüdigkeit.

Kanäle: E-Mail, Slack

Gemeinschaft

Wenn Sie Hilfe, Diskussionen oder Vorschläge benötigen, wenden Sie sich bitte hier an das Team von Chaos Genius und die Community:

GitHub (Fehler melden, beitragen, Roadmap befolgen)
Slack (diskutieren Sie mit der Community und dem Chaos Genius-Team)
Buchen Sie Bürozeiten (vereinbaren Sie Zeit mit dem Chaos Genius-Team für Fragen oder Hilfe bei der Einrichtung)
Blog (Folgen Sie uns zu den neuesten Trends zu Daten, maschinellem Lernen, Open Source und mehr)

? Roadmap

Unser Ziel ist es, die Chaos Genius-Produktion für alle Unternehmen bereit zu machen, unabhängig von ihrer Dateninfrastruktur, Datenquellen und Größenanforderungen. Vor diesem Hintergrund haben wir eine Roadmap für Chaos Genius erstellt. Wenn Ihnen etwas fehlt oder Sie Vorschläge machen möchten, schreiben Sie uns bitte eine Nachricht in unserem Community Slack oder äußern Sie ein Problem.

? Mitwirken

Möchten Sie einen Beitrag leisten? Beginnen Sie mit:

Zeig uns etwas Liebe – Schenk uns ein ?!
Senden Sie ein Problem.
Teilen Sie einen Teil der Dokumentation mit, dem Sie nur schwer folgen können.
Übersetzen Sie unsere Readme-Datei.
Erstellen Sie eine Pull-Anfrage. Hier ist eine Liste der Probleme, mit denen Sie beginnen können. Bitte lesen Sie unsere Beitragsrichtlinien, bevor Sie eine Pull-Anfrage öffnen. Vielen Dank für Ihren Beitrag!

❤️ Mitwirkende

Der Dank geht an diese wunderbaren Menschen (Emoji-Taste):

_pshrimal21 ? ? ?	_{Harte Surana} ? ? ?	_{Manas Solanki} ? ? ?	_{Kartikay Bagla} ? ?	_{Varun P} ? ?	_{Keshav Pradeep} ?	_{Daj Katal} ?
_{Amatullah Sethjiwala} ? ️	_juzarbhori ?	_{Amogh Dhar Diwan} ? ?	_{Samyak Sarnayak} ? ?	_{Aayush Naik} ? ?	_{Kshitij Agarwal} ? ?	_{Bhargav S. Kumar} ? ?
_{moghankumar06} ?	_{Santhoshkumar1023} ?	_{Mansi-Chauhan27} ?	_{Davidhayter-Karhoo} ?	_{Marijn van Aerle} ?	_gxu-Känguru ?	_{RamneekKaur983}
_arvind-27 ?	_{Josh Taylor} ?	_ChartistDev ? ? ?	_{Rajdeep Sharma} ?	_{balakumar9493} ?	_{Ikko Ashimine}	_{Rohit Sohlot}
_athul-osmo ?	_{Kumar Shivendu} ? ?	_{Pratham Sharma} ?	_{Churchill1973} ?