从负载测试到实时流：基于图嵌入的微服务架构中的异常检测
理论经济学
2026-04-09 v1
摘要
Prime Video 定期进行负载测试以模拟看 live 活动期间看到的观众流量峰值，如 Thursday Night Football，以及点播 (VOD) 事件，如 Rings of Power。虽然这些压力测试验证系统容量，但有时会错过仅在真实事件流量中出现的服务行为。我们提出一种基于图的异常检测系统，使用无监督节点级图嵌入来识别不够代表的服务。基于 GCN-GAE，我们的方法从每分钟分辨率下的有向、加权服务图中学习结构表示，并基于 load test 与 event 嵌入之间的余弦相似性来标记异常。该系统识别了文档化的事件相关服务，并演示了早期检测能力。我们还引入了一个用于受控评估的初步合成异常注入框架，显示出有希望的精度 (96%) 和较低的误报率 (0.08%)，尽管在保守的传播假设下召回率 (58%) 仍受限。该框架在 Prime Video 中实践了实用性，同时也暴露了方法论教训和方向，为更广泛地应用于微服务生态系统提供了基础。
引用
@article{arxiv.2604.06447,
title = {The Screening Cost of Liquidity},
author = {Rui Sun},
journal= {arXiv preprint arXiv:2604.06447},
year = {2026}
}