## Memo - IBM Research - [Metadata-based Retrieval for Resolution Recommendation in AIOps (ESEC/FSE 2022 - Industry Paper) - ESEC/FSE 2022](https://2022.esec-fse.org/details/fse-2022-industry/26/Metadata-based-Retrieval-for-Resolution-Recommendation-in-AIOps) ## Abstract クラウドサービスプロバイダーにとって、目標は、停止時間の短縮や平均解決時間（[[MTTR]]）の短縮に役立つシグナルを積極的に特定することです。インシデントが報告されると、サイト信頼性エンジニア（[[notes/sre/SRE]]）は故障を診断し、過去の類似インシデントを検索するためにテキストクエリを作成して解決策を探します（このアプローチはテキストベース検索と呼ばれます）。しかし、作成されたクエリーは不十分で短いことが観察されています。本論文では、異種混在のサイロ化したデータセットに散在する情報を統合し、メタデータベースの解決策検索にすぐに使える知識ベースとする代替アプローチを提案する。さらに、ログ異常検出モジュールによって検出されたログ異常から自動的にクエリを作成するために実行時に使用されるメタデータ予測モデルを構築するために、過去の問題コンテキストを利用します。このようにして作成されたクエリは、テキスト検索におけるテキストベースのインデックスとは異なり、メタデータベースのインデックスに対して実行されるため、検索される解決文書の関連性という点で優れた性能を発揮する。クラウド上に配置されたウェブアプリケーションサーバーアプリケーションの実験を通じて、メタデータに基づく検索が有効であることを示し、テキストに基づく検索と比較して的を射た結果を返すだけでなく、60%のクエリで関連する解決文書が上位3位以内に表示されることを示しました。 [[2022__ESEC-FSE__Metadata-based Retrieval for Resolution Recommendation in AIOps__translations]]