KPIRoot+：面向大规模云系统的异常检测与根因分析集成框架
软件工程
2025-06-06 v1
摘要
为确保云系统的可靠性，其性能依赖于关键性能指标（KPI）。当问题发生时，根因定位识别负责服务降级的 KPI，从而有助于快速诊断和解决。传统方法依赖相似度计算，在复杂且相互依赖的云环境中可能效果不佳。虽然深度学习方法更好地建模了这些依赖关系，但往往面临高计算需求和缺乏可解释性等挑战。为此提出了 KPIRoot 作为一种高效的方法，结合相似性和因果性分析。它使用符号聚合近似（symbolic aggregate approximation）进行紧凑的 KPI 表示，提高了分析效率。然而，部署在 Cloud H 后发现了两个局限性：1）基于阈值的异常检测遗漏了一些性能异常，2）SAX 表示未能捕捉复杂的变动趋势。KPIRoot+ 解决了这些限制，相较于八个最先进的基线方法，在准确率提升 2.9% 到 35.7% 的同时，将时间成本降低 34.7%。我们也分享了在大规模云提供商生产环境中部署 KPIRoot 的经验。
引用
@article{arxiv.2506.04569,
title = {KPIRoot+: An Efficient Integrated Framework for Anomaly Detection and Root Cause Analysis in Large-Scale Cloud Systems},
author = {Wenwei Gu and Renyi Zhong and Guangba Yu and Xinying Sun and Jinyang Liu and Yintong Huo and Zhuangbin Chen and Jianping Zhang and Jiazhen Gu and Yongqiang Yang and Michael R. Lyu},
journal= {arXiv preprint arXiv:2506.04569},
year = {2025}
}