Metis/docs/usecase.md

## 使用场景

时间序列异常检测学件经过海量监控数据打磨，在异常检测和运维监控领域具有广泛的应用性。

### 功能特性

时间序列异常检测学件：

* 异常检测：时间序列的异常检测
* 特征提取：提供时间序列统计、拟合、分类特征的提取功能
* 异常查询：可对检测到的异常视图进行管理
* 标注打标：可进行异常的标注和取消标注，标注结果为正负样本
* 样本管理：提供样本库的管理能力，查询、编辑、上传、导出、删除
* 模型管理：提供训练模型功能和训练任务管理

### 应用数据场景

* 操作系统数据：适用于检测操作系统层面的基础监控数据，例如CPU、内存、磁盘、流量、包量等。
* 应用程序数据：适用于检测应用程序运行中记录的时序数据，例如读写量、调用量、自定义监控指标等。
* KPI指标数据：适用于检测业务KPI数据，例如交易量、收入值、在线数、成功率、失败量等业务关键指标。

### 应用案例场景

* 监控告警：可取代传统阈值监控方式，智能检测时序数据的异常。
* 关联分析：可通过分析检测结果的关联性和根源性，实现异常精准定位。
* 影响评估：可检测出大范围故障或网络波动，在故障发生时评估出故障影响。