CausalRCA：基于因果推断的微服务应用精确定位细粒度根因
摘要：微服务应用程序在云中快速恢复和减少损失的能力非常重要，有效地定位性能异常的根本原因至关重要。 根据能够定位的原因的粒度，服务操作员可以采取不同的措施，例如，如果只能定位故障的服务（即粗粒度），则重启或迁移服务，或者如果能够定位故障服务上的特定指标（即细粒度），则扩展资源。 以往的研究主要关注粗粒度故障服务定位，现在对细粒度根因定位进行越来越多的关注，以识别故障服务和指标。 最近，基于因果推断（CI）的方法在根本原因定位方面越来越受欢迎，但目前使用的CI方法存在一些限制，例如线性因果关系假设和严格的数据分布要求。 为了解决这些挑战，我们提出了一个名为CausalRCA的框架，用于实现细粒度、自动化和实时的根本原因定位。 CausalRCA使用基于梯度的因果结构学习方法生成加权因果图，并使用根本原因推断方法定位根本原因指标。我们进行了粗粒度和细粒度的根本原因定位，以评估CausalRCA的定位性能。实验结果表明，CausalRCA在定位准确性方面明显优于基线方法，例如，在故障服务的细粒度根本原因指标定位中，平均AC@3为0.719，与基线方法相比平均增加了10％。此外，平均Avg@5提高了9.43％。
作者：Ruyue Xin, Peng Chen, Zhiming Zhao
论文ID：2209.02500
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-05-09