🎯 什麼情境該想到我
當你「用平均值加減標準差設告警，結果不是一直亂響、就是真的出事時完全沒響」的時候。
⚙️ 怎麼用（步驟 / 公式）
意圖：當遙測資料不是常態分佈時，改用不假設分佈形狀的技術找出值得注意的變異。
先確認你踩到的是這個問題：
- Dr. Toufic Boubez 的描述：不只凌晨兩點被叫醒，還會在 2:37、4:13、5:17 一直被叫醒——這正是底層資料不是 Gaussian distribution 時會發生的事。
- 分佈不是鐘形時，標準差的那些性質全都不適用。書中的例子是「每分鐘同時下載數」：畫成直方圖後明顯偏斜向低端，多數時間下載很少，但常常尖峰到三個標準差以上，於是幾乎每個時段都在告警。
- Dr. Nicole Forsgren：Ops 的很多資料集是 chi squared 分佈，用標準差不只會 over-alert 或 under-alert，還會算出無意義的結果——例如「低於均值三個標準差的同時下載數」會是負數。
- under-alert 一樣嚴重：完成交易數在白天因軟體元件故障掉了 50%，只要還落在三個標準差內就不會告警，結果是客戶比你先發現問題。
三類可用技術（書中列出的）：
- Smoothing／moving average（平滑化／移動平均）：特別適合 time series（每個資料點都有時間戳，如下載事件、完成交易事件）。做法是用滑動視窗把每個點與視窗內其他資料一起平均，藉此抹平短期波動、凸顯長期趨勢或週期。書中的示範是 thirty day moving average（過去三十天的平均）。
- Fast Fourier Transform（FFT）：書中說它已廣泛用於影像處理；Netflix 的 Scryer 就是用 outlier detection 丟掉雜訊點後，再用 FFT 與 linear regression 平滑資料，同時保留會反覆出現的真實流量尖峰。
- Kolmogorov-Smirnov test：書中明說可以在 Graphite 和 Grafana 裡找到，常用於判斷兩組資料是否顯著不同，適合週期／季節性的指標資料。Boubez 的說法是：這類 non-parametric 技術對 Ops 資料特別好用，因為它不對常態性或任何機率分佈做假設；它比較的是兩個機率分佈，因此能找出「今天跟往常的今天不一樣」這種逐日／逐週的變異。
- 書中案例：一個電商每分鐘交易數的圖有明顯週週期（週末下滑），第四週的星期一交易量沒有回到正常水準。用 3σ 規則只會告警兩次、完全錯過那個關鍵的週一下滑；套上 K-S filter 後就標示出了那個異常的星期一。
組織上怎麼補這個能力：
- 這些技術在預測上很有用，所以可以去 Marketing 或 Business Intelligence 部門找具備相關知識與技能的人，一起找出共同問題、用更好的異常偵測與事故預測來解決。
- 或像 Rally Software 那樣（Tarun Reddy）：把所有生產指標放進 Tableau，並配置一位受過統計訓練、會寫 R 的 Ops 工程師；她有自己的 backlog，裝滿公司其他團隊「想更早找出變異」的需求。
- 可用工具：Etsy 開源的 Oculus（找出形狀相似、可能有相關性的圖）、Opsweekly（追蹤告警數量與頻率）、Skyline（嘗試辨識系統與應用圖表中的異常行為）。
案例（Netflix Scryer，2012）：Scryer 用歷史使用模式預測客戶需求並預先備妥容量，補足 Amazon Auto Scaling（AAS）的三個缺點——(1) AWS instance 啟動需要十到四十五分鐘，追不上突發尖峰；(2) outage 後需求驟降導致 AAS 砍掉過多運算容量；(3) AAS 不會把已知的流量模式納入排程。Netflix 的觀看模式雖然不是高斯分佈，卻高度一致且可預測。上線數月後，觀看體驗、服務可用性都改善，EC2 成本下降。
原文：「explains, “In Operations, many of our data sets have what we call ‘chi squared’」（L8340）
原文：「has been widely used in image processing, and the Kolmogorov-Smirnov test」（L8446，接 L8447「(found in Graphite and Grafana), which is often used to find similarities or」）
原文：「great for Operations data, because it makes no assumptions about」（L8498，接 L8499「normality or any other probability distribution, which is crucial for us」）
原文：「can be ten to forty-five minutes, additional compute capacity was」（L8373）
🧪 我實際套用的紀錄
- （待填）
⚠️ 注意 / 什麼時候不適用
- 書中沒有給 Kolmogorov-Smirnov 的任何參數、門檻或視窗大小——它明講這個案例「不是教學（not as a tutorial）」，只是展示這類統計技術可以怎麼用。要落地就得自己實驗，不要照抄不存在的數字。
- 有些能力內建在監控工具裡，有些需要具統計技能的人幫忙；沒有這個人就別假裝有。
- 「移動平均 30 天」是書中的示範，不是通用建議；視窗長度取決於你的資料週期。
- 資料真的是常態分佈時，回頭用簡單的 均值與標準差告警 就夠了，不必動用這些工具。