在线服务系统中面向多维数据的通用鲁棒根因定位
软件工程
2023-05-08 v1 机器学习
性能
摘要
对多维数据进行根因定位对于保障在线服务系统的可靠性至关重要。当故障发生时，仅特定属性组合内的度量值出现异常。此类属性组合是底层根因的重要线索，因而被称为多维数据的根因。本文提出一种面向多维数据的通用且鲁棒的根因定位方法 PSqueeze。我们提出了多维数据根因的通用属性——广义涟漪效应（GRE）。基于此，我们提出了一种新颖的概率聚类方法与一种鲁棒启发式搜索方法。此外，我们首次在文献中认识到确定外部根因的重要性并提出了一种有效方法。我们在包含两个真实数据集、共 5400 个故障上的实验表明，PSqueeze 的 F1-score 比基线高出 32.89%，而定位时间在所有案例中约为 10 秒。PSqueeze 在确定外部根因上的 F1-score 达到 0.90。此外，多个生产系统中的案例研究证明 PSqueeze 对现实世界中的故障诊断具有助益。
引用
@article{arxiv.2305.03331,
title = {Generic and Robust Root Cause Localization for Multi-Dimensional Data in Online Service Systems},
author = {Zeyan Li and Junjie Chen and Yihao Chen and Chengyang Luo and Yiwei Zhao and Yongqian Sun and Kaixin Sui and Xiping Wang and Dapeng Liu and Xing Jin and Qi Wang and Dan Pei},
journal= {arXiv preprint arXiv:2305.03331},
year = {2023}
}
备注
Accepted by Journal of Systems and Software at May 4 2023