![](https://cdn-ak-scissors.b.st-hatena.com/image/square/a515ae2ce3fc4669460dc7c78c392cd0821f2be3/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fe21-170912082211-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
[db tech showcase Tokyo 2017] E21: InfluxDB+αで時系列データの異常検知を可視化してみた by 株式会社インサイトテクノロジー 笹谷泰輔
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
[db tech showcase Tokyo 2017] E21: InfluxDB+αで時系列データの異常検知を可視化してみた by 株式会社インサイトテクノロジー 笹谷泰輔
昨今、データベース技術は、多様な広がりを見せています。中でも時系列データベースは、サーバーのメト... 昨今、データベース技術は、多様な広がりを見せています。中でも時系列データベースは、サーバーのメトリクスやセンサーデータなど、身近なものから得られる時系列のデータの扱いに長けています。本セッションでは、最近ホットな時系列DBであるInfluxDBおよびTelegraf,Grafana,Kapacitorを用い、実際の環境構築からユーザ定義関数による時系列データの異常検知の可視化まで、全ての流れをセッション内でお見せします。