CHASE：基于因果超图的多模态微服务系统根因分析框架
机器学习
2025-04-23 v2
摘要
近年来，分布式微服务架构的广泛采用显著增加了对系统可用性和韧性的需求。由于企业级微服务系统中复杂的服务调用路径和依赖，在服务调用期间快速定位异常异常具有挑战性，从而导致正常的系统操作和维护问题。本文提出了一种基于因果异构图的框架，用于根因分析，即 CHASE（Causal Heterogeneous grAph baSed framEwork for root cause analysis），适用于包含 traces、logs 和系统监控指标的多模态微服务系统。具体而言，将相关信息编码为表示性嵌入，并进一步建模为多模态调用图。随后，对每个实例节点上的异常检测采用来自其相邻指标和日志节点的注意力异构消息传递。最后，CHASE 通过表示因果流动的超边构建的超图中学习，并执行根因定位。我们在两个具有不同属性的公共微服务数据集上评估了所提出的框架，并与最新方法进行比较。结果表明，CHASE 在 A@1 和 Percentage@1 上分别实现了最高对应方法的平均性能提升最高达 36.2% 和 29.4%。
引用
@article{arxiv.2406.19711,
title = {CHASE: A Causal Hypergraph based Framework for Root Cause Analysis in Multimodal Microservice Systems},
author = {Ziming Zhao and Zhenwei Wang and Tiehua Zhang and Zhishu Shen and Hai Dong and Zhen Lei and Xingjun Ma and Gaowei Xu and Zhijun Ding and Yun Yang},
journal= {arXiv preprint arXiv:2406.19711},
year = {2025}
}