基于服务关联挖掘的大规模生产云快速中断分析
软件工程
2021-03-08 v1
摘要
近年来，基于云的服务迅速普及。然而，中断（即总是影响多个服务的严重事件）会极大地影响用户体验并造成严重的经济损失。定位根因服务（即包含中断根因的服务）是减轻中断影响的关键步骤。在当前工业实践中，这通常以引导方式进行，并在很大程度上依赖人力：首先识别直接引发中断的服务，然后在诊断过程中从服务到服务手动追溯可疑根因，直至找到实际根因。遗憾的是，生产云系统通常包含大量相互依赖的服务。此类人工根因分析往往耗时耗力。在本工作中，我们提出 COT，这是首个考虑服务关联全局视图的中断分诊方法。COT 从中断诊断数据中挖掘服务间关联。在从历史中断中学习后，COT 能够准确推断新发中断的根因。我们实现了 COT，并在包含来自全球代表性云计算平台之一 Microsoft Azure 的一年收集数据的真实数据集上对其评估。实验结果表明，COT 可达到 82.1%~83.5% 的分诊准确率，比最先进（SOTA）的分诊方法高出 28.0%~29.7%。
引用
@article{arxiv.2103.03649,
title = {Fast Outage Analysis of Large-scale Production Clouds with Service Correlation Mining},
author = {Yaohui Wang and Guozheng Li and Zijian Wang and Yu Kang and Yangfan Zhou and Hongyu Zhang and Feng Gao and Jeffrey Sun and Li Yang and Pochian Lee and Zhangwei Xu and Pu Zhao and Bo Qiao and Liqun Li and Xu Zhang and Qingwei Lin},
journal= {arXiv preprint arXiv:2103.03649},
year = {2021}
}
备注
accepted by International Conference on Software Engineering (ICSE 2021)