说明:最近几年大数据火热呀！国内很多企业都热衷于大数据！像某人说的:在风口上，猪都能飞起来！(此文只代表个人思路!)
以自己经验之谈:运营商数据量大的惊人，多大我就不说了！
这么大的数据量，如果出现以下问题：数据源出现问题,程序错误, 机器故障，集群故障,员工改动错误！
那么估计就很麻烦了！也许要重新运算，有些人可能是觉得是小事，大不了重跑下，但如果出错几个月，你怎么重跑？而且运营商也不可能存很久数据！
那么我们就得考虑怎么实时预测当前数据是否异常！这是我们必须考虑的问题。
本人研究很久，觉得根据数据变化趋势实时预测数据异常可能靠谱点(主要是担心数据出了问题客户会找我的麻烦，呵呵！太胆小了！)
而且数据趋势不受其他因素影响
设计思路经过两个版本:第一版是数据上下限(跟某个企业监控是一样的),第二版是数据趋势浮动
第二版监控两次检测到运营商基站故障，亚信员工优化集群和下班时间，集群故障和其他问题(所以我觉得这种检测机制是可行，但不一定完美)
第三版(ai系统版)是应对使用运营商手机，人员浮动浮动而来(正在完善):
1)架设hadoop集群
2)提取运营商数据样本
3)系统判定数据是否异常，如果无异常则数据进入集群
4)通过机器学习技术确定数据趋势！
(待续)
