立即行动：基于轨迹聚合比较的故障定位
分布式、并行与集群计算
2022-05-17 v1
摘要
生产系统中的故障十分常见，而停机代价高昂。快速采取适当的缓解措施（如更改特定防火墙规则、回滚变更或将流量转移到不同的可用区）能够节省资金。由于单次故障可能产生诸多影响并远超出故障发生点，故障定位非常耗时。要快速识别在何处进行缓解，必须了解不同系统事件之间的相互关系。我们的方法——轨迹聚合比较（ACT）——通过比较从最近稳态运行期间和故障期间分别采样的轨迹集合（其捕获单个请求的事件及其关系）来实现故障定位。在定量实验中，我们表明 ACT 能够有效定位超过 99% 的故障。
引用
@article{arxiv.2205.06933,
title = {ACT now: Aggregate Comparison of Traces for Incident Localization},
author = {Kamala Ramasubramanian and Ashutosh Raina and Jonathan Mace and Peter Alvaro},
journal= {arXiv preprint arXiv:2205.06933},
year = {2022}
}