Apr, 2023

数据流系统中的因果故障定位

HTML
PDF
TL;DR数据流计算是一种用于多种系统工程的范式，具有潜力成为数据驱动应用程序开发的选择。数据流计算的特征之一是对整个系统的数据流图的自然访问。最近，观察到这些数据流图可以被视为完全的图形因果模型，从而开放了将因果推理技术应用于数据流系统的机会。在本篇论文中，我们旨在提供首个实际验证这个想法的论文，并特别关注因果故障定位。我们提供了多个演示，它们展示了如何使用因果推理在三个现代数据流引擎中检测软件错误和数据偏移的多种情况。
发现论文，激发创造
  • 学习可处理故障定位的概率模型

    本研究提出了一种新的可行的故障定位方法，即TFLMs，并与传统的probabilistic debugging系统进行了比较，结果表明TFLMs具有更好的定位性能。

    Jul, 2015

  • 基于因果推断的在线服务系统干预识别根因分析

    本文提出了一种新的因果推理任务——干预识别方法，称作“因果推理基础的根因分析（CIRCA）”，并在在线服务系统监控数据的背景下构建了因果贝叶斯网络。实验结果表明，相对于其他基线方法，CIRCA 能够提高前1推荐的召回率达到25%的效果。

    Jun, 2022

  • 层次图神经网络用于因果发现和根因定位

    该论文提出了一种名为REASON的框架，用于自动发现根本原因局部层次（即网络内部）和全局层次（即跨网络）的因果关系，通过建立一个基于图神经网络的因果网络来追踪系统错误的根本原因，并使用极值理论估计每个实体成为根本原因的概率。实验证明，该框架能有效定位系统错误的根本原因。

    Feb, 2023

  • 数据流图作为完整因果图

    本文介绍了组件化开发和数据流编程之间的联系，探讨了如何利用数据流图和因果模型，提高软件开发中的故障定位、业务分析和实验等任务的效率。

    Mar, 2023

  • 面向在线无监督根因分析的增量因果图学习

    本文提出一种名为CORAL的在线根本原因分析框架，结合多元奇异谱分析和累积和统计学的方法，实现了系统实时状态的自动检测和更新原因分析模型，进而定位根本原因。实验表明，该框架在三个真实世界数据集的案例研究中表现出更高的准确性和优越性。

    May, 2023

  • 因果规范流：从理论到实践

    本研究探讨使用归一化流进行因果推理，在实验证明了基于归一化流的原因模型可以回答干预和反事实问题。

    Jun, 2023

  • 因果操作 - 向因果概率图模型的工业生命周期迈进

    CausalOps是一种用于因果模型开发和应用的生命周期框架，旨在推动因果方法在实际应用和感兴趣的机构以及因果关系社区中的广泛采用。

    Aug, 2023

  • 从观测数据中快速检测根本原因，并应用于IT系统

    引入了一种新的针对阈值性IT系统的结构因果模型，并提出了一种新的算法，用于快速检测此类系统中异常的根本原因，方法基于离线数据进行因果性发现，通过代理的干预提出了扩展来放宽根因非因果相关的假设，对于在线数据中的新异常，则利用子图遍历，实验证明了该方法的卓越性能。

    Feb, 2024

  • CHASE: 一个基于因果异构图的多模态微服务系统根本原因分析框架

    该论文提出了基于因果异构图的微服务系统的根本原因分析框架CHASE，通过编码相关信息和建模多模态调用图来实现对微服务系统中的异常检测和根本原因定位，实验结果表明该框架在两个公开数据集上取得了平均性能提升36.2%(A@1)和29.4%(Percentage@1)。

    Jun, 2024

  • 云图：利用语言模型和因果洞察进行云系统的高效故障定位

    利用大型语言模型，自动生成和验证用于云系统的因果图，以实现云系统的故障定位和效能优化。

    Jul, 2024