众志成城：面向端到端基于日志的故障诊断的交互式多任务学习

基于日志的故障诊断对于维护软件系统可用性至关重要。然而，现有的故障诊断方法采用任务独立的方式构建，未能在数据形式和诊断目标方面弥合异常检测与根因定位之间的差距，导致三个主要问题：1）诊断偏差在系统中累积；2）系统部署依赖昂贵的监控数据；3）诊断任务之间的协作关系被忽视。面对这些问题，我们提出了一种新颖的端到端基于日志的故障诊断方法 Chimera，其关键思想是通过异常检测与根因定位之间的双向交互与知识传递实现端到端故障诊断。Chimera 基于交互式多任务学习，在数据、特征和诊断结果层面精心设计异常检测与根因定位之间的交互策略，从而在统一的端到端框架内实现两个子任务的交互。在两个公开数据集和一个工业数据集上的评估表明，Chimera 在异常检测和根因定位方面均优于现有方法，分别实现了 2.92%–5.00% 和 19.01%–37.09% 的提升。它已成功部署到生产中，服务于一个工业云平台。