由于大量数据是在连续的时间过程中生成的，因此，海量数据流的实时异常检测是当今的重要研究课题。有一个广泛的研究领域，涵盖用于异常检测的数学，统计，信息论方法论。它解决了很多领域的各种问题，例如卫生，教育，金融，政府等。在本文中，我们分析了最新的数据流异常检测技术和用于数据流异常检测的算法（时间序列数据）。批判性地调查了在大规模高速流的实时异常检测挑战下技术的性能，我们得出结论，对流的正常行为进行建模是一种合适的方法。我们评估Holt-Winters（HW），Taylor'sDoubleHolt-Winters（TDHW），分层时间记忆（HTM），移动平均值（MA），自回归综合移动平均