图神经网络在微服务系统多模态故障诊断中真的有效吗?
软件工程
2025-03-11 v2 人工智能
摘要
图神经网络(GNN)因能够建模服务依赖关系而被广泛应用于微服务系统的故障诊断。然而,显式图结构的必要性尚未得到充分审视,因为现有评估将预处理与架构贡献混为一谈。为厘清GNN的真实价值,我们提出了DiagMLP——一个刻意精简的、与拓扑无关的基线方法,它在保留多模态融合能力的同时排除了图建模。在五个数据集上的消融实验中,DiagMLP在故障检测、定位与分类任务上达到了与当前最优GNN方法相当的性能。这些发现挑战了图结构不可或缺的主流假设,揭示出:(i) 预处理流水线已经编码了关键的依赖信息;(ii) GNN模块在多模态融合之外的贡献微乎其微。本研究倡导对架构复杂性进行系统性重新评估,并强调需要建立标准化的基线协议以验证模型创新。
引用
@article{arxiv.2501.02766,
title = {Are GNNs Actually Effective for Multimodal Fault Diagnosis in Microservice Systems?},
author = {Fei Gao and Ruyue Xin and Xiaocui Li and Yaqiang Zhang},
journal= {arXiv preprint arXiv:2501.02766},
year = {2025}
}
备注
6 pages, 5 figures, submitted to conference