HyperODE RCA: Un Nuovo Framework per la Localizzazione delle Cause Radice nei Microservizi
Uno studio recente ha introdotto HyperODE RCA, un framework dettagliato volto a individuare le cause radice all'interno di configurazioni di microservizi cloud-native. Questo metodo all'avanguardia combina l'apprendimento dell'attenzione su ipergrafi con equazioni differenziali ordinarie latenti e fusione multimodale di attenzione incrociata, consentendo una rappresentazione sfumata delle complesse relazioni di servizio, delle dinamiche temporali variabili e di una gamma di dati di osservabilità. Presenta una costruzione differenziabile di iperarchi per comprendere interazioni di servizio intricate e utilizza un codificatore ODE-RNN per monitorare lo sviluppo delle anomalie da dati irregolari. Inoltre, integra abilmente log, tracce, metriche, entità ed eventi attraverso un routing di modalità sensibile al contesto. I test sul benchmark Tianchi AIOps mostrano notevoli progressi nella classificazione e nel ranking rispetto a benchmark solidi.
Fatti principali
- HyperODE RCA combina apprendimento dell'attenzione su ipergrafi, ODE latenti e fusione multimodale di attenzione incrociata.
- Il metodo apprende interazioni di servizio di ordine superiore attraverso la costruzione differenziabile di iperarchi.
- Cattura l'evoluzione continua delle anomalie da osservazioni irregolari con un codificatore ODE-RNN.
- Il routing di modalità sensibile al contesto fonde adattivamente log, tracce, metriche, entità ed eventi.
- La robustezza è migliorata con il collo di bottiglia informativo variazionale, la regolarizzazione causale temporale e i vincoli di rischio invariante.
- Gli esperimenti sul benchmark Tianchi AIOps mostrano chiari guadagni rispetto a forti baseline.
- L'articolo è disponibile su arXiv con ID 2605.00351.
- Il framework è progettato per sistemi di microservizi cloud-native.
Entità
Istituzioni
- arXiv