# RBAD **Raft-Based Anomaly Diagnoser**。[[Peking University]] の [[Lingzhe Zhang]]・[[Tong Jia]]・[[Ying Li]] らが提案した、分散ストレージシステム向けの Raft ログを活用した異常診断フレームワーク。IEEE Transactions on Services Computing（DOI: 10.1109/TSC.2024.3521675）に掲載。 ## 概要 既存の異常診断手法が依存する監視データ（メトリクス）とアプリケーションログは収集オーバーヘッドが高い。RBAD はコンセンサスアルゴリズム Raft がシステム動作の一部として必然的に生成する **Raft ログ**を診断データ源として利用することで、**追加収集コストをほぼゼロ**にしつつ高精度な異常診断を実現する。 ## 主な特徴 - **入力**: Raft ログ（raft-latency・local-latency・value-size の 3 種の時系列特徴量） - **前処理**: Timestamp Injector（タイムスタンプ付加）+ Raft-Feature Extractor + カルマンフィルタ - **診断エンジン**: DTW（動的時間伸縮法）によるパターンマッチング + 全結合層による重み付け - **フェーズ**: オフライン特徴分析（代表パターンベクトル構築）→ オンライン異常診断 ## 性能 Apache IoTDB・Alluxio の 2 システムで 14 種類の異常を対象に評価： - **診断精度**: F1-Score 92.07%（IoTDB）・94.44%（Alluxio） - **監視ベース最高手法（openGauss）比**: +15.38% - **ログベース最高手法（Cloud19）比**: +53.10% - **収集オーバーヘッド**: 書き込みスループット低下 1.3%（監視データ: 23.79%、アプリログ: 55.37%） ## 診断対象異常クラス | カテゴリ | 異常種別 | |----------|---------| | リソース起因 | CPU 飽和・IO 飽和・メモリ飽和・ネットワーク遅延増大・帯域制限・ネットワーク分断 | | ストレージ起因 | ワークロードスパイク・遅延クエリ・エクスポート・インポート・バックグラウンドタスク過多・設定エラー×2・ロック競合 | ## 実装 Apache IoTDB の Multi-Raft 機構に組み込み済み。各リージョンのスナップショット生成時に RBAD が診断処理をトリガーする。64 ビットタイムスタンプを Raft ログエントリに追加する微少な変更が唯一の侵入的操作。 ## 関連データセット 本研究に伴い構築した公開データセット（**RaftDataset**）は Apache IoTDB と Alluxio から収集した 194 GB・655 百万レコード。Raft ログ・監視データ・アプリログの 3 種を含む初の分散ストレージ診断データセット。 ## 関連 - 論文: [[@2025__IEEE TSC__Towards Close-To-Zero Runtime Collection Overhead - Raft-Based Anomaly Diagnosis on System Faults for Distributed Storage System]] - 開発者: [[Lingzhe Zhang]] / [[Tong Jia]] / [[Ying Li]] / [[Peking University]] - 概念: [[Raftログ診断]] / [[分散ストレージ]] / [[異常検知]] - 関連 MOC: [[AIOps - Failure Detection - MOC]]