基于因果 AI 的根因识别：从研究到大规模实践
机器学习
2025-02-26 v1 分布式、并行与集群计算
软件工程
摘要
现代应用作为跨越众多模块、团队和数据中心的大型分布式系统而构建。尽管有稳健的工程和恢复策略，故障和性能问题仍然不可避免，面临重大中断风险并影响终端用户。因此，快速准确的根因识别对于确保系统可靠性和维护关键服务指标至关重要。我们开发了一种新颖的基于因果性的根因识别（RCI）算法，强调因果性而非相关性。该算法已集成到 IBM Instana 中——桥接研究到大规模实践——并已被企业客户用于生产环境。通过利用'因果 AI'，Instana 区别于典型的应用性能管理（APM）工具，能够近乎实时地定位问题。本文突出了 Instana 先进的故障诊断能力，讨论了 RCI 算法的理论基础和实际实现。真实案例展示了我们的因果方法如何在当今复杂系统环境中增强可靠性和性能。
引用
@article{arxiv.2502.18240,
title = {Causal AI-based Root Cause Identification: Research to Practice at Scale},
author = {Saurabh Jha and Ameet Rahane and Laura Shwartz and Marc Palaci-Olgun and Frank Bagehorn and Jesus Rios and Dan Stingaciu and Ragu Kattinakere and Debasish Banerjee},
journal= {arXiv preprint arXiv:2502.18240},
year = {2025}
}