基于应用遥测数据的可扩展统计根因分析
软件工程
2021-03-18 v2
摘要
尽管工程流程旨在防止有缺陷的代码被部署，但漏洞仍会进入 Facebook 应用中。当这些漏洞的症状（如用户提交的报告和自动捕获的崩溃）被上报时，找到其根因是解决它们的重要一步。然而，在 Facebook 拥有数十亿用户的规模下，单个漏洞可根据软件部署的各种用户和执行环境表现为多种不同的症状。因此，根因分析（RCA）需要繁琐的手动调查和领域专业知识，以提取出在报告组中观察到的共同模式并将其用于调试。我们提出 Minesweeper，一种用于 RCA 的技术，致力于从漏洞症状中自动识别其根因。该方法基于两个关键方面：（i）一种可扩展算法，用于高效地从随报告一起收集的遥测信息中挖掘模式；（ii）模式的精确率与召回率的统计概念，有助于指向根因。我们在 Facebook 应用的实际漏洞和崩溃报告上评估了 Minesweeper 在从症状中查找根因方面的可扩展性和有效性。我们的评估表明，Minesweeper 可在不到 3 分钟内对数万份报告执行 RCA，并且在识别回归根因方面的准确率超过 85%。
引用
@article{arxiv.2010.09974,
title = {Scalable Statistical Root Cause Analysis on App Telemetry},
author = {Vijayaraghavan Murali and Edward Yao and Umang Mathur and Satish Chandra},
journal= {arXiv preprint arXiv:2010.09974},
year = {2021}
}