根源分析(RCA)的任务是通过分析系统监控数据来识别系统故障/失败的根源。高效的RCA可以大大加速系统故障恢复,并减少系统损害或财务损失。然而,先前的研究大多集中在开发离线RCA算法上,这通常需要手动启动RCA过程,花费大量的时间和数据来训练一个强健的模型,然后为新的系统故障从头开始重新训练。在这篇文章中,我们提出了CORAL,一个新颖的在线RCA框架,它可以自动触发RCA过程并递增地更新RCA模型。CORAL由触发点检测,增量式因果图学习,和网络传播为基础的根源定位组成。触发点检测组件旨在自动并近乎实时地检测系统状态转换。为了实现这一目标,我们基于多元单变量频谱分析和累积和统计开发了一种在线触发点检测方法。为了高效地更新RCA模型,我们提出了一种增量式因果图学习方法,来解耦状态不变信息和状态依赖信息。之后,CORAL应用一个带有重启的随机游走到更新后的因果图,以准确地识别根源。在线RCA过程在因果图和生成的根源列表收敛时终止。在三个真实世界数据集上的广泛实验和案例研究证明了所提出框架的有效性和优越性。

成为VIP会员查看完整内容
20

相关内容

【KDD2023】基于弱信息的强图神经网络学习
专知会员服务
38+阅读 · 2023年6月4日
【爱丁堡大学博士论文】图聚类结构的学习,164页pdf
专知会员服务
38+阅读 · 2023年1月5日
【KDD2022】海量文本语料库中的无监督关键事件检测
专知会员服务
32+阅读 · 2022年6月13日
【NeurIPS2021】学习用于分布外预测的因果语义表示
专知会员服务
17+阅读 · 2021年11月19日
专知会员服务
31+阅读 · 2021年7月2日
专知会员服务
32+阅读 · 2021年7月1日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【NeurIPS2022】主动贝叶斯因果推理
专知
3+阅读 · 2022年11月14日
论文浅尝 | GraphIE:基于图的信息抽取框架
开放知识图谱
17+阅读 · 2019年6月2日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
20+阅读 · 2018年12月8日
机器学习自动文本分类
AI前线
23+阅读 · 2018年2月4日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
VIP会员
相关VIP内容
【KDD2023】基于弱信息的强图神经网络学习
专知会员服务
38+阅读 · 2023年6月4日
【爱丁堡大学博士论文】图聚类结构的学习,164页pdf
专知会员服务
38+阅读 · 2023年1月5日
【KDD2022】海量文本语料库中的无监督关键事件检测
专知会员服务
32+阅读 · 2022年6月13日
【NeurIPS2021】学习用于分布外预测的因果语义表示
专知会员服务
17+阅读 · 2021年11月19日
专知会员服务
31+阅读 · 2021年7月2日
专知会员服务
32+阅读 · 2021年7月1日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员