轻量级C++时序数据异常检测工具

---

采用分层解耦设计，体现了三个核心思想：

• 数据层：只负责存储

class TimeSeriesData {
    std::vector<double> timestamps, values; // 连续内存，缓存友好
};

• 算法层：只负责计算

class AnomalyDetector {
    static std::vector<bool> detect(...); // 无状态，线程安全
};

• 应用层：负责流程控制

int main(){ /* 读取 -> 检测 -> 输出 */ }

• 职责单一：每个类只做一件事
• 零依赖：仅使用C++17标准库，可跨平台编译
• 内存连续：vector 保证数据在内存中连续，CPU缓存命中率高

---

• 核心思想：

  一个数据点如果偏离近期历史数据太远，就是异常

• 数学公式：

  • 均值：$\mu = \frac{\sum_{i=1}^n x_i}{n}$

  • 标准差：$\sigma = \sqrt{\frac{\sum_{i=1}^n (x_i - \mu)^2}{n}}$

  • Z-score：$z = \frac{|x_{current} - \mu|}{\sigma}$

  • 判定：$z > \text{threshold} \Rightarrow \text{异常}$

//（来自 AnomalyDetector.cpp）
for (size_t i = window_size; i < n; ++i) {
    // 窗口范围: [i-window_size, i-1]
    // 例如 i=50, window_size=20 → 分析第30-49个点，判断第50个点
    
    double sum = 0.0, sum_sq = 0.0;
    for (size_t j = i - window_size; j < i; ++j) {
        sum += values[j];          // Σx
        sum_sq += values[j] * values[j]; // Σx²
    }
    
    double mean = sum / window_size;
    double variance = (sum_sq - sum * sum / window_size) / window_size;
    double std_dev = sqrt(variance);
    
    // 判断当前点 i 是否为异常
    if (abs(values[i] - mean) > threshold * std_dev) {
        anomalies[i] = true;
    }
}

• 朴素实现：O(n × window_size) = 10万 × 50 = 500万次运算

• 优化潜力：使用增量更新可降至O(n)，窗口滑动时只需加减一个值

前window_size个点：信息不足，默认标记为 false （正常） 标准差为零：所有值相同，无法判定，跳过

// 在 loadCSV 中
std::vector<double> timestamps, values;
timestamps.reserve(100000); // 预先分配，避免动态扩容
values.reserve(100000);

• 不reserve：每次push_back可能触发内存重分配，时间复杂度O(n²)

• reserve：仅分配一次，push_back均摊O(1)，总时间O(n)

// 优秀：顺序访问
for (auto& v : values) { sum += v; }

// 糟糕：随机访问（本项目未使用）
for (int idx : random_indices) { sum += values[idx]; }

原理：CPU缓存以64字节为单位加载，顺序访问几乎 **100%** 命中缓存

在CMakeLists.txt中添加：

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -O3 -march=native")

-O3 ：最高级别优化 -march=native ：针对当前CPU指令集优化（如AVX2）

---

bool TimeSeriesData::loadCSV(const std::string& filename) {
    std::ifstream file(filename);
    std::string line;
    
    while (std::getline(file, line)) {
        // 假设格式: timestamp,value
        size_t comma_pos = line.find(',');
        
        double ts = std::stod(line.substr(0, comma_pos));
        double val = std::stod(line.substr(comma_pos + 1));
        
        timestamps.push_back(ts);
        values.push_back(val);
    }
}

关键点:

• std::getline() ：逐行读取，内存占用稳定

• std::stod() ：字符串转double，比C的 atof() 更安全

• 假设：数据已清洗，无空行或格式错误

---

基于当前架构，可无缝升级：

① STL分解（Seasonal-Trend Decomposition）

// 伪代码
auto [trend, seasonal, residual] = STLdecompose(values, period);
// 检测residual的异常

② 孤立森林（Isolation Forest）

// 伪代码
IsolationForest forest(100); // 100棵树
forest.fit(values);
auto scores = forest.anomaly_score(values);

③ LSTM自编码器

// 伪代码
LSTMAutoencoder model(input_size=1, hidden_size=32);
model.train(values);
auto reconstructions = model.predict(values);
auto errors = |values - reconstructions|; // 重构误差

增量计算（将复杂度降至O(n)）：

// 维护窗口统计量，避免重复计算
class IncrementalWindow {
    double sum = 0, sum_sq = 0;
    std::deque<double> window;
    
    void push(double value) {
        window.push_back(value);
        sum += value;
        sum_sq += value * value;
    }
    
    void pop() {
        double old = window.front();
        window.pop_front();
        sum -= old;
        sum_sq -= old * old;
    }
};

---

static std::vector<bool> detect(...);

优势：

• 无状态：不依赖类成员变量，线程安全
• 函数式：输入→输出，易于单元测试

性能：

• 避免 this 指针开销

if (window_size > n) throw std::invalid_argument(...);
// 使用异常而非错误码，符合C++ RAII思想

---

模块	算法/技术	时间复杂度	空间复杂度	优化点
CSV读取	字符串分割	O(n)	O(n)	reserve() 预分配
异常检测	滑动窗口Z-score	O(n×w)	O(1)	增量更新可优化至O(n)
结果输出	文件I/O	O(n)	O(1)	缓冲区写入

---