时间序列（time series）是一系列有序的数据。通常是等时间间隔的采样数据。如果不是等间隔，则一般会标注每个数据点的时间刻度。time series data mining 主要包括decompose（分析数据的各个成分，例如趋势，周期性），prediction（预测未来的值），classification（对有序数据序列的feature提取与分类），clustering（相似数列聚类）等。
写在前面故障诊断是服务稳定性的重要一环，在工业界有非常丰富的应用场景。过去运维人员诊断根因常常需要人工浏览多种监控指标找关联关系，构建服务拓扑以分析故障传播等工作，非常耗费人力。是否有模型可以自动的分析多维时间序列之间的关联关系，推导根因呢？来自北京大学、中山大学的研究者们所带来的工作：《AutoMAP: Diagnose Your Microservice-based Web Applicati
方方面面的发展改进已经让从半结构化数据中获取有价值信息成为可能。以Hadoop为代表的新型解决方案在构建层面就充分考虑到了要如何适应跨商用服务器集群的分布式运行环境。大数据：以需求为导向的审视角度新型分析工具与极大丰富的处理能力为我们敞开了一道大门，如今企业已经能够借此对庞大的业务及外部数据加以审视并获取有价值结论。作者：DAVID S. LINTHICUM从数据池当中挖掘有价值信息，
