Sage：利用无监督学习实现微服务中可扩展的性能调试
分布式、并行与集群计算
2021-01-05 v1 性能
摘要
云应用正日益从大型单体服务转向由松耦合微服务组成的复杂图。尽管微服务提供了模块化和弹性优势，但由于各层之间的依赖引入了背压和级联 QoS 违规，它们也使集群管理和性能调试复杂化。我们提出 Sage，一个面向交互式云微服务的机器学习驱动根因分析系统。Sage 利用无监督 ML 模型规避轨迹标注开销，捕获微服务间依赖的影响以在线确定不可预测性能的根因，并应用纠正动作恢复云服务的 QoS。在专用本地集群和 Google Compute Engine 大型集群上的实验中，我们表明 Sage 在正确识别 QoS 违规根因方面持续达到超过 93% 的准确率，并改善了性能可预测性。
引用
@article{arxiv.2101.00267,
title = {Sage: Using Unsupervised Learning for Scalable Performance Debugging in Microservices},
author = {Yu Gan and Mingyu Liang and Sundar Dev and David Lo and Christina Delimitrou},
journal= {arXiv preprint arXiv:2101.00267},
year = {2021}
}