论文研究 面向银行业务的交易量预测与告警研究.pdf

银行一般都有多种交易系统并存，当这些分散的交易系统出现故障时，运维人员难以从海量的日志中定位故障。针对以上问题，使用SparkStreaming、Spark ML、Hadoop、ELK等技术，基于决策树回归模型，设计并实现了一个面向银行业务的交易量预测与告警平台。该平台能够实时监控各交易系统近期交易量，并对各个交易系统不同时段的交易量进行预测，预测值作为交易系统交易量的动态阈值，平台能够根据阈值对异常的系统进行实时告警。真实环境下的运行结果表明，平台很好地满足了银行交易系统运维的需求。