Este repositorio contiene dos notebooks desarrollados para practicar el uso de ML, enfocados en la detección y análisis de anomalías en sistemas de microservicios utilizando diversos enfoques.
Descripción: Análisis centrado exclusivamente en el microservicio SockShop (servicio carts) con diferentes tipos de fallo: CPU hog, memory leak, packet loss y packet delay.
Objetivo: Clasificación de clases anómalas y limpieza de datos para posteriores etapas de detección de anomalías.
Descripción: Extensión del análisis anterior incluyendo múltiples servicios (carts, catalogue, orders, payment, user) y distintos tipos de fallos.
Objetivo: Unificación y etiquetado automático de clases anómalas en un entorno más amplio, representativo del sistema completo.
Librerías utilizadas pandas, numpy, matplotlib
scikit-learn
baro: para detección de anomalías y análisis de causa raíz
Asegúrate de tener instaladas las dependencias.
Ejecuta work1_f.ipynb o work2.ipynb según el alcance del análisis.
Los datos deben estar organizados por carpetas siguiendo la estructura esperada (carts_cpu/1/new_data.csv, etc.).