> [!important] 同名別システムに注意 > この Aegis は [[Microsoft Azure]] の control plane 変更影響帰属サービス(ICSE-SEIP 2023)である。[[Alibaba Group]] の AI モデル訓練クラウド向け障害診断システム「Aegis」(NSDI 2025、entity ページ [[Aegis]])とは無関係の同名別プロダクトであり、Microsoft と Alibaba がそれぞれ独立に同じ名前を採用している。本 wiki では両者を区別するため、Azure 側をこのページ名で管理する。 # Aegis (Azure Control Plane) [[Microsoft Azure]] の control plane(CRP・NRP・RNM・AzSM 等の region/zone/cluster レベルサービス群)を対象に、component 単体の監視では捉えられない cross-component・cross-layer の変更起因障害を検出・緩和するエンドツーエンド分析サービス(Yan+, [[@2023__ICSE-SEIP__Aegis - Attribution of Control Plane Change Impact across Layers and Components for Cloud Systems]]、ICSE-SEIP 2023)。 - **アーキテクチャ**: Signal Collection → Correlation Engine → Validation Engine → Impact Evaluation Engine → Decision & Action Engine の 5 サブシステムで構成される。 - **Correlation Engine**: 時間的相関(変更前後の fault metric 比較)・空間的相関(同種 fault 全体でのパーセンタイル)・fault type と component の関連度重み表(ドメイン知識)を組み合わせ、component build version 単位でスコア分布を集約して flag するかを判定する。低レイヤーへの fault 信号分解、または低レイヤー変更の高レイヤーへの射影により、computing layer をまたぐ相関を実現する(control plane 向けとして初)。 - **Impact Evaluation Engine**: デプロイ済みユニットの failure rate 変化を評価した上で、sigmoid モデルに基づく反実仮想射影で未デプロイユニットへの影響を信頼区間として推定する。 - **実績**: 2022年1〜3月の CRP・RNM・AzSM 実デプロイ(60以上の build、700以上の deployment)で precision・recall ともに約80%。12ヶ月の本番運用で8000件以上のデプロイに対して意思決定。 ## 関連 - ソース: [[@2023__ICSE-SEIP__Aegis - Attribution of Control Plane Change Impact across Layers and Components for Cloud Systems]] - 開発: [[Microsoft Azure]] / [[Microsoft Research]](Xiaohan Yan・[[Ken Hsieh]]・[[Yasitha Liyanage]]・[[Minghua Ma]]・[[Murali Chintalapati]]・[[Qingwei Lin]]・[[Yingnong Dang]]・[[Dongmei Zhang]]) - 関連プロダクト: [[Gandalf]](同じ Azure チームの一部が開発した component レベル安全デプロイサービス。Aegis はその component/layer 横断拡張にあたる) - 関連概念: [[変更起因インシデント]] / [[ソフトウェア変更管理]] / [[変化点検知]] - 同名別システム: [[Aegis]](Alibaba の AI モデル訓練クラウド向け障害診断システム、無関係)