由于大量數據是在連續的時間過程中生成的，因此，海量數據流的實時異常檢測是當今的重要研究課題。 有一個廣泛的研究領域，涵蓋用于異常檢測的數學，統計，信息論方法論。 它解決了很多領域的各種問題，例如衛生，教育，金融，政府等。在本文中，我們分析了最新的數據流異常檢測技術和用于數據流異常檢測的算法（時間序列數據）。 批判性地調查了在大規模高速流的實時異常檢測挑戰下技術的性能，我們得出結論，對流的正常行為進行建模是一種合適的方法。 我們評估Holt-Winters（HW），Taylor's Double Holt-Winters（TDHW），分層時間記憶（HTM），移動平均值（MA），自回歸綜合移動平均