## Memo - [[北京大学のAIOps研究グループ]]からのWWW'23の会議論文。 ## Abstract マイクロサービスアーキテクチャでは、サービスの依存関係の強弱により、集中的な監視と異常診断が厄介な問題になっています。多くの先行研究が十分な監視メトリクスに大きく依存している一方で、我々は基本的でありながら常に無視されている問題、すなわち診断メトリクスの完全性問題を提起しています。本論文では、非常に疎なAPIログを使用してマイクロサービスシステムを診断する新しいアプローチであるMicroCUを提案することにより、この問題を解決します。我々は、時間的に変化するサービスの依存関係を表現するために、動的因果曲線という構造を設計し、[[Granger因果性|グレンジャー因果]]区間に基づく時間的ダイナミクス発見アルゴリズムを設計する。我々のアルゴリズムは、因果曲線のより滑らかな空間を生成し、メトリクスの欠落によってもたらされる因果性の欠落を校正するために、因果一様化という概念を設計する。最後に、根本的な原因を突き止めるために、動的因果関係グラフ上の経路探索アルゴリズムを提案する。商用システムケースを用いた実験では、MicroCUが多くの最先端アプローチを凌駕し、生のメトリクスインピュテーションに対する因果関係ユニモーダル化の優位性を反映することが示された。 [[2023__WWW__Look Deep into the Microservice System Anomaly through Very Sparse Logs__translation]]