SampleHST：分布式追踪的高效在线流式选择方法
分布式、并行与集群计算
2022-10-11 v1 系统与控制
系统与控制
摘要
由于分布式追踪生成的追踪中仅有一小部分有助于故障排查，因此通过偏向异常追踪的选择可显著减少其存储需求。为此，我们提出 SampleHST，一种以无监督方式从追踪流中在线采样的新方法。SampleHST 根据其预算大小调整正常与异常追踪的存储配额。最初，它利用半空间树（HSTs）森林进行追踪评分。这基于各树间质量分数的分布，该分布刻画了观测到不同追踪的概率。随后，利用 HSTs 的质量分布，借助均值漂移算法的一种变体在线聚类追踪。这种追踪—簇关联最终驱动采样决策。我们使用来自云数据中心的数据将 SampleHST 与近期提出的方法进行性能比较，结果表明 SampleHST 将采样性能最高提升 9.5 倍。
引用
@article{arxiv.2210.04595,
title = {SampleHST: Efficient On-the-Fly Selection of Distributed Traces},
author = {Alim Ul Gias and Yicheng Gao and Matthew Sheldon and José A. Perusquía and Owen O'Brien and Giuliano Casale},
journal= {arXiv preprint arXiv:2210.04595},
year = {2022}
}
备注
10 pages, 5 figures