基于图神经网络的微服务架构链接预测
机器学习
2025-01-28 v1
摘要
由于微服务架构中服务间交互频繁且动态，分布式系统的管理工作复杂且资源消耗大。准确预测这些未来的交互有助于实现自适应监控，使我们能够在问题升级之前主动维护并解决潜在的性能问题。本研究引入基于图神经网络（GNN）的方法，具体使用图注意力网络（GAT），用于微服务调用图的链接预测。与社交网络不同，微服务调用图中的交互频率高且具有时效性，这些交互对 operational performance 至关重要。我们的做法利用时间分段、先进的负采样和 GAT 注意力机制来准确建模这些复杂的交互。使用真实数据，我们在 AUC、精确率、召回率和 F1 分数等性能指标上评估了我们的模型，表明其在预测微服务交互方面具有高精度和稳健性。我们的发现支持 GNN 在分布式系统的主动监控方面的潜力，为自适应资源管理和性能优化的应用铺平了道路。
引用
@article{arxiv.2501.15019,
title = {Utilizing Graph Neural Networks for Effective Link Prediction in Microservice Architectures},
author = {Ghazal Khodabandeh and Alireza Ezaz and Majid Babaei and Naser Ezzati-Jivan},
journal= {arXiv preprint arXiv:2501.15019},
year = {2025}
}
备注
Accepted for presentation and publication at the ICPE 2025 conference