Azure Core 工作负载洞察中的高显著性故障检测
机器学习
2024-07-26 v2 人工智能
分布式、并行与集群计算
摘要
Azure Core 工作负载洞察包含具有不同度量单位的时间序列数据。由于与数据相关的度量名称、资源区域、维度及其维度值出现故障，这些时间序列数据中可观测到故障或异常。对于 Azure Core，一项重要任务是在仪表盘上向用户突出显示易于感知的故障或异常。报告的异常数量应具有高显著性且数量有限，例如每小时报告 5-20 个异常。所报告的异常应具有显著的用户感知度，且在任何时间序列预测模型中均具有高重建误差。因此，我们的任务是自动识别“高显著性异常”及其相关信息以供用户感知。
引用
@article{arxiv.2404.09302,
title = {High Significant Fault Detection in Azure Core Workload Insights},
author = {Pranay Lohia and Laurent Boue and Sharath Rangappa and Vijay Agneeswaran},
journal= {arXiv preprint arXiv:2404.09302},
year = {2024}
}
备注
Published in IAAI 2024, which is the Industrial track of AAAI 2024