AAAIFeb, 2024
基于神经 Granger 因果分析的微服务根本原因分析
Root Cause Analysis In Microservice Using Neural Granger Causal Discovery
Cheng-Ming Lin, Ching Chang, Wei-Yao Wang, Kuang-Da Wang, Wen-Chih Peng
TL;DR借助神经 Granger 因果推理与对比学习,提出了一种名为 RUN 的用于根本原因分析的新方法,通过整合时间序列的上下文信息,利用时间序列预测模型进行神经 Granger 因果推理,同时结合个性化向量的 Pagerank,有效地推荐前 k 个根本原因。通过对合成和真实微服务基础数据集的广泛实验,证明 RUN 明显优于现有的根本原因分析方法。此外,我们提供了一个 sock-shop 案例的分析场景,展示了 RUN 在微服务应用中的实用性和效能。