Seer：利用大数据应对日益复杂的云调试
分布式、并行与集群计算
2018-04-25 v1
摘要
云服务的性能不可预测性会导致糟糕的用户体验、可用性下降并产生收入影响。事后检测性能退化有助于系统采取纠正措施，但无法避免QoS违规。当服务由数十万个松耦合微服务组成时，事后检测QoS违规更为有害，因为性能故障会沿微服务的依赖图迅速传播。本工作中，我们专注于在云环境中预判QoS违规，从源头缓解性能不可预测性。我们提出Seer，一种云运行时系统，它利用云系统随时间收集的大量追踪数据与一组实用学习技术，来预警即将发生的QoS违规，并识别导致违规的微服务。一旦检测到迫近的QoS违规，Seer使用机器级硬件事件确定违规原因，并调整资源分配以预防之。在由10台40核服务器组成的本地集群以及GCE上运行多样化云微服务的200实例集群中，我们表明Seer在91%的情况下正确预判QoS违规，并在89%的情况下将违规归因至正确微服务。最后，Seer检测到QoS违规的时间足够早，几乎总能成功实施纠正措施。
引用
@article{arxiv.1804.09136,
title = {Seer: Leveraging Big Data to Navigate the Increasing Complexity of Cloud Debugging},
author = {Yu Gan and Meghna Pancholi and Dailun Cheng and Siyuan Hu and Yuan He and Christina Delimitrou},
journal= {arXiv preprint arXiv:1804.09136},
year = {2018}
}