AutoTSG：面向故障排查的学习与合成
软件工程
2022-05-27 v1 人工智能
分布式、并行与集群计算
机器学习
编程语言
摘要
事件管理是运营大规模云服务的关键环节。为了帮助更快、更高效地解决事件，工程团队将频繁的排查步骤以故障排查指南（TSG）的形式记录下来，供值班工程师（OCE）使用。然而，TSG 彼此孤立、非结构化且常常不完整，需要开发人员手动理解并执行必要步骤。这导致大量问题，如值班疲劳、生产力下降和人为错误。在这项工作中，我们对映射到数千起事件的 4000 多个 TSG 进行了大规模实证研究，发现 TSG 被广泛使用并显著减少了缓解工作量。随后，我们分析了 400 多名 OCE 提供的关于 TSG 的反馈，提出了一个问题分类体系，突显了 TSG 质量方面的显著差距。为弥补这些差距，我们研究了 TSG 的自动化，并提出了 AutoTSG——一个通过将机器学习与程序合成相结合来实现 TSG 到可执行工作流自动化的新颖框架。我们在 50 个 TSG 上对 AutoTSG 的评估显示了其在识别 TSG 语句（准确率 0.89）和解析以供执行（精确率 0.94、召回率 0.91）两方面的有效性。最后，我们调查了十名微软工程师，展示了 TSG 自动化的重要性和 AutoTSG 的实用性。
引用
@article{arxiv.2205.13457,
title = {AutoTSG: Learning and Synthesis for Incident Troubleshooting},
author = {Manish Shetty and Chetan Bansal and Sai Pramod Upadhyayula and Arjun Radhakrishna and Anurag Gupta},
journal= {arXiv preprint arXiv:2205.13457},
year = {2022}
}