自从你问这个问题以来已经 5 个月了，希望你能想出一些办法。我将在这里提出一些不同的建议，希望您在其他场景中找到一些用处。

对于您的用例，我认为您不需要查看尖峰检测算法。

所以这里开始：让我们从时间轴上发生的错误的图片开始：

你想要的是一个数字指标，一个衡量错误出现速度的“衡量标准”。并且这个措施应该适合阈值 - 您的系统管理员应该能够设置限制，以控制哪些敏感度错误会变成警告。

措施 1

您提到了“尖峰”，获得尖峰的最简单方法是每 20 分钟间隔绘制一个直方图：

您的系统管理员将根据条形的高度设置敏感度，即 20 分钟间隔内可容忍的最大错误。

（此时你可能会想，那20分钟的窗口长度是不是不能调整，可以，而且你可以把窗口长度看成是词组errors together出现的词一起定义。）

对于您的特定场景，这种方法有什么问题？好吧，您的变量是一个整数，可能小于 3。您不会将阈值设置为 1，因为这只是意味着“每个错误都是一个警告”，不需要算法。因此，您对阈值的选择将是 2 和 3。这不会给您的系统管理员提供很多细粒度的控制。

措施 2

不要在时间窗口中计算错误，而是跟踪当前错误和最后错误之间的分钟数。当这个值变得太小时，这意味着你的错误变得太频繁了，你需要发出警告。

您的系统管理员可能会将限制设置为 10 分钟（即，如果错误发生的时间间隔不到 10 分钟，这是一个问题）或 20 分钟。对于任务关键性较低的系统，可能需要 30 分钟。

该措施提供了更大的灵活性。与度量 1 不同，度量 1 可以使用一小组值，现在您有一个度量可以提供 20-30 个良好的值。因此，您的系统管理员将有更多的微调空间。

友好的建议

还有另一种方法可以解决这个问题。与其查看错误频率，不如在错误发生之前对其进行预测。

您提到此行为发生在已知存在性能问题的单个服务器上。您可以监控该机器上的某些关键性能指标，并让它们告诉您何时会发生错误。具体来说，您将查看与磁盘 I/O 相关的 CPU 使用率、内存使用率和 KPI。如果你的 CPU 使用率超过 80%，系统就会变慢。

（我知道你说过你不想安装任何软件，而且你确实可以使用 PerfMon 来做到这一点。但是那里有免费的工具可以为你做到这一点，比如Nagios和Zenoss。）

对于那些希望在时间序列中找到有关尖峰检测的信息的人来说：

时间序列中的尖峰检测

您应该首先做的最简单的事情是计算输入值的移动平均值。如果你的系列是$x_1, x_2,...$，那么您将在每次观察后计算移动平均值：

$M_k = (1 - \alpha) M_{k-1} + \alpha x_k$

在哪里$\alpha$将确定多少重量给出最新值$x_k$.

例如，如果您的新值距离移动平均线太远

$\frac{x_k - M_k}{M_k} > 20\%$

然后你发出警告。

处理实时数据时，移动平均线很好。但是假设您的表中已经有一堆数据，并且您只想对它运行 SQL 查询以找到峰值。

我会建议：

1. 计算时间序列的平均值
2. 计算标准差 $\sigma$
3. 隔离那些大于$2\sigma$高于平均值（您可能需要调整该因子“2”）

更多关于时间序列的有趣内容

1. 许多现实世界的时间序列表现出循环行为。有一个名为ARIMA的模型可以帮助您从时间序列中提取这些周期。

2. 考虑到周期性行为的移动平均线：Holt 和 Winters

+1 用于统计过程控制，这里有一些关于Step Detection的有用信息。

对于 SPC，编写Western Electric Rules或Nelson Rules的实现并不难。

只需在 SQL 服务器中创建一个 USP，它将遍历数据集并使用其相邻点根据规则对每个点执行 ping 操作。也许按小时总结错误数量（取决于您的需要）。

这与我不久前在 Stack Overflow 上发布的一个问题有关（如果有帮助，请快速回答）：SQL Server 2008 R2 中的统计过程控制图

搜索在线检测算法将是一个开始。

更多信息位于stackoverflow：测量信号的峰值检测

在github上可以找到一个朴素峰值检测例程的 python 实现

您可能想查看统计过程控制。或时间序列监控。在这个方向上有大量工作，最佳答案可能很大程度上取决于您到底在做什么（在检测异常等之前，您是否需要过滤掉每年或每周的负载季节性）。