美团外卖从 2013~2018，历时五年，现在已经是全球最大外卖交易平台。目前单日完成订单两千多万单，交易频次高，如果不能及时发现潜在业务指标异常，有可能引发重大事故。

1. 写在前面

外卖业务持续高速成长，业务迭代快，逻辑复杂，关联服务多。如何快速准确识别系统各项指标的异常，发现问题根因，并快速解决显得尤为重要。在常规业务指标监控工作中需要手动维护上万业务指标报警阈值，不仅成本高，效果也不佳。我们尝试使用“形变分析模型”对业务指标自动进行异常检测，无需人工设置阈值。在实践过程中与外卖全链路压测，服务保护等稳定性保障系统进行内联，目前已覆盖绝大部分美团外卖 C 端核心业务指标，效果不错。

2. 美团外卖业务异常检测现状

2-1. 外卖业务特点

美团外卖从 2013~2018，历时五年，现在已经是全球最大外卖交易平台。外卖业务相关的指标主要会分为两大类：

• 有规律的时间序列，大多数核心业务指标都会呈现出较强的规律性，如下图 1 所示：主要的履约交易流程（用户下单 > 支付 > 商家接单 > 配送 > 用户收货) 中各个业务指标呈现周期性、趋势性，午、晚高峰陡升明显，与低峰期数值相差百倍。目前单日完成订单两千多万单，交易频次高，如果不能及时发现潜在业务指标异常，有可能引发重大事故。

图 1：有规律的时间序列

• 无规律的时间序列，这类指标会因为一些偶发事件引起曲线的波动，没有很强的规律性。如下图 2 所示：1. 根据当前的业务现状实施有针对性的营销策略，在特定时间进行红包发放等。
  2. 特定业务上线，比如外卖 SET 化确定某一时间点进行引流。
  3. 某应用失败率因为服务器硬件问题出现陡升现象。
  4. 某应用性能指标因为网络抖动引起的变化。

图 2：无规律的时间序列

……

[source]

美团外卖业务异常检测实践详解