云基础设施中的内存泄漏检测算法
分布式、并行与集群计算
2021-06-17 v1
摘要
部署在云上的应用发生内存泄漏会影响该应用的可用性与可靠性。因此，快速识别并最终解决它极为重要。然而，在云上运行的生产环境中，缺乏应用或其内部对象分配细节的知识，内存泄漏检测是一项挑战。本文通过引入两种新颖的基于机器学习的算法：线性向后回归（LBR）与Precog，及其两种变体：带变点检测的线性向后回归（LBRCPD）与带最大滤波的Precog（PrecogMF），解决了在无任何内部知识情况下检测云基础设施中内存泄漏的挑战。这些算法仅使用一项指标，即应用所部署系统的内存利用率，来进行内存泄漏检测。所开发算法的准确率在60台虚拟机的人工标注内存利用率数据上进行了测试，发现所提出的PrecogMF算法达到了85%的最高准确率。与LBR的计算时间相比，该算法还通过减少80%的总体计算时间实现了这一点。本文还展示了各类内存泄漏应用中发现的不同内存泄漏模式，并根据其视觉表示进一步分类为不同类别。
引用
@article{arxiv.2106.08938,
title = {Memory Leak Detection Algorithms in the Cloud-based Infrastructure},
author = {Anshul Jindal and Paul Staab and Pooja Kulkarni and Jorge Cardoso and Michael Gerndt and Vladimir Podolskiy},
journal= {arXiv preprint arXiv:2106.08938},
year = {2021}
}
备注
10. pages. arXiv admin note: substantial text overlap with arXiv:2101.09799