基石模型能否革新时间序列预测？一场真实世界的基准测试

传统时间序列预测方法如ARIMA和Prophet已逐渐被新型“基石模型”所挑战。这些模型旨在将大型语言模型的强大能力应用于时间序列数据，实现单一模型跨多种数据集和领域的预测。文章对Amazon Chronos、Google TimesFM、IBM Tiny Time-Mixers和Datadog Toto等基石模型进行了基准测试，并与经典模型进行了比较。测试结果表明，在处理多变量预测任务时，基石模型表现出色，尤其在处理来自生产环境的Kubernetes pod指标时，Datadog Toto表现最佳。然而，基石模型在处理异常值和全新模式时仍存在挑战，经典模型在稳定工作负载下仍具有竞争力。最终，文章认为基石模型在处理快速变化、多变量数据流方面具有显著优势，为现代可观测性和平台工程团队提供了更灵活、可扩展的解决方案。