PetShop 数据集——跨微服务定位性能问题的根因
分布式、并行与集群计算
2024-04-10 v2 机器学习
摘要
在复杂系统中识别意外或不良行为的根因是一项普遍存在的挑战。在现代采用众多微服务的云应用中，此问题尤为关键。尽管机器学习和系统研究界已提出多种技术来解决该问题，但目前缺乏用于定量基准测试的标准化数据集。因此，各研究组被迫自行创建数据集用于实验。本文介绍了一个专门用于评估基于微服务的应用中根因分析的数据集。该数据集包含来自一个分布式应用以 5 分钟间隔发出的延迟、请求和可用性指标。除正常运营指标外，数据集还包含 68 个注入的性能问题，这些问题会增加系统整体的延迟并降低可用性。我们展示了如何使用该数据集来评估涵盖根因分析问题中不同因果与非因果刻画方法的准确性。我们希望这个发布于 https://github.com/amazon-science/petshop-root-cause-analysis/ 的新数据集能推动这一重要领域技术的进一步发展。
引用
@article{arxiv.2311.04806,
title = {The PetShop Dataset -- Finding Causes of Performance Issues across Microservices},
author = {Michaela Hardt and William R. Orchard and Patrick Blöbaum and Shiva Kasiviswanathan and Elke Kirschbaum},
journal= {arXiv preprint arXiv:2311.04806},
year = {2024}
}
备注
22 pages, 6 figures, 10 tables, for associated git repo see https://github.com/amazon-science/petshop-root-cause-analysis/, to be published in Proceedings of Machine Learning Research vol 236, 2024, 3rd Conference on Causal Learning and Reasoning