# MEPFL 分散トレーシングを計装したマルチサービスアプリケーションを対象に、複数の教師あり機械学習アルゴリズム(k 近傍法・ランダムフォレスト・多層パーセプトロン)を用いてオンライン異常検知を行うシステム [97]。(Source: [[@2021__CSUR__Anomaly Detection and Failure Root Cause Analysis in (Micro)Service-Based Cloud Applications - A Survey - Chapter 3.2 Distributed Tracing-based Anomaly Detection Techniques]] §3.2.2) ## 動作 1. 対象のマルチサービスアプリケーションと、ユーザーリクエストを模擬してアプリケーションに負荷をかけトレースを生成する自動テストケース群を入力とする。 2. 生成するトレースには、各サービスの設定情報(メモリ・CPU 制限、ボリュームの有無)に加え、各サービスインスタンスの状態・リソース消費・サービス間相互作用の情報を含める。 3. アプリケーションを正常条件と、サービスへ障害を注入した条件の両方で稼働させてトレースを収集し、学習データとする。 4. 収集したトレースを教師あり学習アルゴリズム(k 近傍法・ランダムフォレスト・多層パーセプトロンのいずれか)に入力し、トレースが異常を含むか、どのサービスが影響を受けているか、どの種類の障害がその異常を引き起こしたかを判定する分類器を訓練する。 ## 関連 - ソース: [[@2021__CSUR__Anomaly Detection and Failure Root Cause Analysis in (Micro)Service-Based Cloud Applications - A Survey - Chapter 3.2 Distributed Tracing-based Anomaly Detection Techniques]] - 概念: [[分散トレーシング]] - 既存一次ノート(参考、wiki からは一方向参照): [[マイクロサービスの障害の分類 - MEPFL]] / [[AIOpsデータセット - MEPFL]]