# Agentic Failure Management of Cloud Systems ## 概要 Yinfang Chen による University of Illinois Urbana-Champaign の博士論文(2026)。クラウド障害管理を「事前予防 → 根本原因分析 → 自律緩和 → 評価基盤」という 1 本のライフサイクルとして捉え、各段階に 1 システムずつを対応させた構成を取る。個々のシステム(Rainmaker・RCACopilot・STRATUS・AIOpsLab)は既に NSDI・EuroSys・NeurIPS・MLSys で発表済みであり、本論文の固有の寄与は**それらを「障害管理の自律化」という単一の論証に束ねた点**にある。 > [!abstract] 概要(abstract の日本語訳) > クラウドシステムはますます重要になっている。世界のパブリッククラウド支出は 2025 年に 7,230 億ドルに達すると見込まれる。しかし障害はクラウドにおいて常態である。停止やインシデントは毎日起こり、大規模システムの停止時間は 1 時間あたり 50 万ドルを超えうる。自動化への巨額の投資にもかかわらず、今日のクラウド運用は依然として人間のエンジニアに大きく依存している。 > 本論文は次の根本的な問いに取り組む。システムに知能を埋め込み、安全に・効率的に・スケールする形で障害を自律的に検知し、診断し、復旧させるにはどうすればよいか。我々はこの問いに、クラウドインシデントのライフサイクル全体にまたがるシステム群を構築することで答える。すなわち、インシデント発生前の先回り型の予防から、発生後の根本原因分析、自律的な緩和のための安全性保証を備えたマルチエージェントシステム、そして研究コミュニティがエージェント的な解を比較できるようにするベンチマークまでである。 > 障害が本番環境に到達するのを防ぐことを目的とする事前段階では、クラウドを利用するアプリケーション向けのボタン 1 つで動く信頼性テストツール Rainmaker を提示する。Rainmaker は外向きの REST API 呼び出しを HTTP 層で捕捉・操作し、現実的な一過性のクラウド障害を注入する。Rainmaker は、クラウドベースの障害モデルのもとでエラー処理がどのように誤るかを分析して得た 4 パターンのバグ分類(エラー処理の欠如、無関係な例外の送出、暗黙の意味論違反、状態の乖離)の上に構築されている。Rainmaker は体系的な障害注入を開発ワークフローの日常的な一部に変える。 > しかし実世界の大規模システムがバグを含まないことはほぼ無く、どれほど徹底的にテストしてもインシデントは依然として起こる。事後段階では、大規模言語モデル(LLM)の推論をクラウドインシデント管理に適合させた自動根本原因分析システム RCACOPILOT を導入する。RCACOPILOT は、診断情報を収集するために 3 つの再利用可能なアクション(スコープ切り替え、クエリ、緩和)からインシデントハンドラを組み立てる。そのうえで LLM を統合し、根本原因のカテゴリを予測するとともに、その予測に至る推論を説明する。 > 診断の先へ進み、我々は緩和によってループを閉じる。自律的な Site Reliability Engineering(SRE)のための LLM ベースのマルチエージェントシステム STRATUS を提示する。STRATUS は 4 つの専門エージェント(検知・診断・緩和・巻き戻し)を決定論的な状態機械によって統率し、Transactional No-Regression(TNR)と呼ぶ形式的な安全仕様を備える。TNR は古典的なトランザクション意味論の上に立ち、成功しなかった緩和は必ず巻き戻せること、および外部から観測されるシステムの深刻度が障害検知時点のベースラインを超えて悪化しないことを保証する。 > 最後に、LLM と自律エージェントがクラウド運用へ組み込まれていくなかで、この分野にはそれらの有効性を比較するための厳密で再現可能なベンチマークが欠けていた。我々はこの欠落を AIOPSLAB で埋める。AIOPSLAB は、検知・箇所特定・根本原因分析・緩和というクラウドインシデントのライフサイクル全体を対象とする、LLM ベースエージェント向けの初のエンドツーエンドなベンチマークスイートである。AIOPSLAB は、現実的なマイクロサービスのデプロイ、障害ライブラリ、エージェントに対してクラウドの複雑さを抽象化する Agent-Cloud Interface(ACI)、そして場当たり的なエージェントのデモンストレーションを再現可能な実験へ変える Orchestrator を提供する。 > 本論文のシステム群は総体として、現代のクラウドシステムにおける自律的なトラブルシューティングへ向けた第一歩をなす。我々は議論と今後の方向で締めくくる。 ## 書誌情報 - 著者: Yinfang Chen - 大学・学位: University of Illinois Urbana-Champaign / Ph.D.(Computer Science) - 年: 2026 - URL: https://tianyin.github.io/thesis/CHEN-DISSERTATION-2026.pdf - 構成: 全 6 章(本編 141 PDF ページ、参考文献を除く) - 原本: `.raw/theses/phd-chen-2026-agentic-failure-management/` ## 構成と主要テーマ 本論文は「クラウドインシデントのライフサイクル」という 1 本の軸に沿って章を並べる。第 1 章がその軸を提示し、第 2〜5 章が予防・診断・緩和・評価の各段階に 1 システムずつを対応させ、第 6 章が全体を振り返る。 ### 第 I 部相当: 導入(第 1 章) → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 1 Introduction]] — 信頼性エンジニアリングが依然として人手中心であることを課題とし、予防・診断・緩和・評価の 4 課題に 4 貢献を対応させる俯瞰章。 ### 第 II 部相当: 4 つの貢献(第 2〜5 章) → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 2 Reliability Testing for Cloud-Backed Applications]] — **Rainmaker**。エラー処理バグの 4 パターン分類と 4 種の障害注入ポリシー・2 種の汎用オラクルにより、11 個の .NET アプリケーションで新規バグ 73 件を偽陽性率 1.96% で検出する。 → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 3 Automatic Root Cause Analysis via Large Language Models for Cloud Incidents]] — **RCACopilot**。トラブルシューティングガイドの限界と本番 653 件の分析から得た 3 知見を根拠に、診断情報収集ハンドラと LLM の few-shot CoT を組み合わせ、Micro-F1 0.766 を Microsoft の 30 超チーム・4 年以上の本番運用で達成する。 → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 4 A Multi-Agent System for Autonomous Site Reliability Engineering]] — **STRATUS**。検知・診断・緩和・巻き戻しの 4 エージェントを決定論的な状態機械で統率し、安全仕様 Transactional No-Regression(TNR)により不成功の緩和が必ず巻き戻せることを保証する。SOTA 比 1.5〜5.4 倍の緩和成功率。 → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 5 Evaluating AI Agents for Autonomous Cloud Operations]] — **AIOpsLab**。問題を P=⟨T,C,S⟩ と定式化し、Agent-Cloud Interface(ACI)と Orchestrator を備えたエンドツーエンドのベンチマークを構築する。48 問題(59 タスクインスタンス)での評価で最高は FLASH の 59.32%。 ### 第 III 部相当: 結論(第 6 章) → [[@2026__PhD__Agentic Failure Management of Cloud Systems - Chapter 6 Conclusion and Future Work]] — 4 システムを振り返り、TNR の保証が人間の定義する health condition の網羅性に条件づけられる点と、自律緩和の社会的含意(説明責任・監査可能性・自動化バイアス・運用制御の集中)を論じ、5 方向の今後の研究を示す。 ## 元になった出版論文 | 章 | システム | 出版論文 | wiki | |---|---|---|---| | Ch.2 | Rainmaker | NSDI 2023 | [[@2023__NSDI__Push-Button Reliability Testing for Cloud-Backed Applications with Rainmaker]] | | Ch.3 | RCACopilot | EuroSys 2024 | [[@2024__EuroSys__Automatic Root Cause Analysis via Large Language Models for Cloud Incidents]] | | Ch.4 | STRATUS | NeurIPS 2025 | [[@2025__NeurIPS2025__STRATUS - A Multi-agent System for Autonomous Reliability Engineering of Modern Clouds]] | | Ch.5 | AIOpsLab | MLSys 2025 | [[@2025__MLSys2025__AIOpsLab - A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds]] | ## 位置づけと影響 - **本論文固有の寄与は「束ね方」にある**。第 2〜5 章の各システムは NSDI 2023・EuroSys 2024・NeurIPS 2025・MLSys 2025 で個別に発表済みであり、本論文はそれらを「クラウド障害管理の自律化」という単一の論証へ接続する。予防(Rainmaker)で漏れたものが診断(RCACopilot)に回り、診断の出力が緩和(STRATUS)の入力になり、その全体を評価(AIOpsLab)が測る、という依存関係が章順に対応している。 - **安全性の扱いが分岐点である**。第 4 章の Transactional No-Regression は、LLM エージェントに本番システムの状態変更を許すという判断を、古典的なトランザクション意味論の上に置いて正当化する試みである。第 6 章はこの保証が「人間が定義した health condition の網羅性」に条件づけられることを自ら認めており、自律化の限界が形式的保証の側ではなく仕様記述の側にあることを示している。 - **wiki 取り込み済みの査読版 4 本すべてと数値照合を行い、食い違いは検出されなかった**(各章ページの該当節を参照)。博士論文版は査読版に対して次の拡張を含む: 第 2 章は Table 6 のポリシー×オラクル別内訳と DistributedLock-132 の具体例、第 3 章は再発率 93.80%・新規カテゴリ 24.96% などの追加数値、第 4 章は task-based 対 role-based 設計の定量比較・エージェント封じ込めルールの詳細・3 ノードクォーラムでの複数相互依存障害という新規実験、第 5 章は評価対象を 2 アプリから 4 アプリへ・障害ライブラリを 15 種類へ拡張した記述。 ## 関連 - 概念: [[AIOps]] / [[根本原因分析]] / [[障害注入]] / [[障害緩和]] / [[agentic SRE]] / [[Transactional No-Regression]] / [[プロアクティブ障害管理]] ## 出典 - Yinfang Chen, *Agentic Failure Management of Cloud Systems*, Ph.D. dissertation, University of Illinois Urbana-Champaign, 2026.