<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Baseline on PlumePHP</title><link>https://plumephp.com/tags/baseline/</link><description>Recent content in Baseline on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Wed, 30 Sep 2026 13:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/baseline/index.xml" rel="self" type="application/rss+xml"/><item><title>AIOps 异常检测：从阈值告警到机器学习根因</title><link>https://plumephp.com/observability-anomaly-detection/</link><pubDate>Wed, 30 Sep 2026 13:00:00 +0800</pubDate><guid>https://plumephp.com/observability-anomaly-detection/</guid><description>&lt;p&gt;固定阈值告警是监控的地基，但&lt;strong&gt;它不知道&amp;quot;你的系统什么是正常&amp;quot;&lt;/strong&gt;：双十一流量翻倍触发一堆&amp;quot;高延迟&amp;quot;告警，其实是正常负载；凌晨低峰 P99 微微抬头，真实用户量少却告警刷屏。AIOps 异常检测的核心是&lt;strong&gt;让模型学会&amp;quot;这个指标在此时此刻本该是多少&amp;quot;，偏离才算异常&lt;/strong&gt;。本指南从阈值告警的局限讲起，覆盖统计与机器学习方法、动态基线（Prophet/Madlib）、关联根因与误报治理，以及 AIOps 平台化落地路线。&lt;/p&gt;</description></item></channel></rss>