CSDNwzl的博客

原创 Localization of Operational Faults in Cloud Applications by Mining Causal Dependencies in Logs using

微服务根因定位基于图的方法

原创 MicroHECL High-Efficient Root Cause Localization in Large-Scale Microservice Systems

针对大规模微服务应用的异常根因定位* 作者认为现有方法不行 * 现有基于图(服务依赖图)的方法，检测不准确，效率低 * 现有基于trace分析的方法，需要大量计算，做不到* 提出一种动态图构建的方法，从可观测异常服务起，根据三种异常，扩展构建异常相关图。对图节点遍历排序，找出相关根因...

原创 DeepTraLog: Trace-Log Combined Microservice AnomalyDetection through Graph-based Deep Learning

DeepTraLog: Trace-Log Combined Microservice AnomalyDetection through Graph-based Deep LearningDeepTraLog: 基于图的深度学习的Trace-Log组合微服务异常检测总结提出log和trace的混合服务异常检测方法基于图深度学习，不需要预训练模型，线上分类检测异常解决两个痛点基于log的异常检测：现有的日志异常检测方法将日志视为事件序列，无法处理分布在具有复杂交互的大量服务中的微

原创 MicroRCA: Root Cause Localization of Performance Issues in Microservices

MicroRCA: Root Cause Localization of Performance Issues in MicroservicesMicroRCA: 微服务性能问题根因定位总结使用属性图来模拟微服务系统的异常传播使用图和权重、PageRank的方法来定位问题已知的性能问题表现在权重上（异常症状和资源关联）PageRank对可能的问题节点进行排序，很新颖能够更准确得定位问题，能够从症状明显的服务和症状不明显的服务中准确得找出根因，这是别的方法做不到的地方（作者言）

原创 微服务系统异常检测和根因定位 方法综述

CSUR22 - Anomaly Detection and Failure Root Cause Analysis in (Micro) Service-Based Cloud Applications: A Survey基于(微)服务的云应用中的异常检测与故障根源分析:综述总结到目前(2022)，学术界故障检测和根因定位方法的综述当前的异常检测技术，都需要一个baseline去构建预知识。当线上执行差距过大（并发压力、环境、基础测试集构建错误等），会造成检测不准确根因定位技术：各有千..

原创 NSDI11-Spectroscope-Diagnosing performance changes by comparing request flows

总结比较两次执行（系统修改前后）的请求流（时间、结构体）发现问题；对时间方面，使用假设检验，检查某种分类的时间分布是否和之前一致，从而判断是否一致。对于结构，寻找变异及其对应的前体，来发现性能改变设计的算法可以确定和排序请求流/时间中的改变工具 Spectroscope假设背景：我们的技术假设性能变化是由系统变化引起的(代码变化、配置变化等)。需要对比变化前后系统的执行来进行前体/编译的区分。可否应用于性能问题？[Q]定义两种突变情形响应时间突变结构体突变..

原创 WisdomCode - 基于日志学习的错误预测与故障定位

总结使用机器学习，基于日志记录，进行错误预测和故障定位机器学习：分类算法。日志扔进去，分类为正确或错误，属于什么错误训练集：多种错误分别注入，日志收集，对应有故障标签，训练缺陷：首先要有针对某个服务的训练集，其次错误类型相比实际应该很小，跑的时候不一定分的出来Intro提出了基于执行轨迹日志机器学习的微服务潜在错误与故障根源预测方法故障类型：多实例故障、系统配置故障、异步交互故障MEPFL预测目标轨迹层级：潜在错误（T/F)、故障微服务、故障类型，微服..

原创 WisdomCode - 基于增量调试技术的故障定位

总结提出了一种基于增量调试方法的故障定位方案定位系统配置以及信息顺序带来的问题特点：使用istio来进行调用和返回顺序的控制感觉实际使用价值不大，现实过于复杂，增量的变量过多引言微服务复杂性 – 故障调试困难四个维度：节点、实例、配置和交互顺序贡献一个基础设施平台一个增量测试算法增量测试通过在变化的环境下反复执行相应的测试，可以识别出与测试失败相关的故障因素和不相关的故障因素。即：找出导致测试错误的最小范围过程找最简环境：首先..

转载 经典论文翻译导读之《Google File System》

经典论文翻译导读之《Google File System》经典论文，可惜原文失效了，这里整理一篇图文全的版本英文原文：The Google File System，编译：ImportNew - 储晓颖 新浪微博：@疯狂编码中的xiaoY【译者预读】GFS这三个字母无需过多修饰，《Google File System》的论文也早有译版。但是这不妨碍我们加点批注、重温经典，并结合上篇Haystack的文章，将GFS、TFS、Haystack进行一次全方位的对比，一窥各巨头的架构师们是如何权衡利弊、各取

原创 修改istio-proxy cpu request

apiVersion: apps/v1kind: Deploymentmetadata: name: hello namespace: testspec: replicas: 1 selector: matchLabels: app: hello template: metadata: labels: app: hello annotations: sidecar.istio.io/proxyCP

原创 Intelligent REST API Data Fuzzing

智能rest api数据fuzzing要点：fuzzing，REST API，测试总结智能生成rest请求的有效负载生成方法schema fuzzing规则fuzzing 规则的组合方法搜索方法（对请求body每个值fuzzing的顺序）从swagger、响应、example中提取数据值评估标准：某种fuzzing方法能出发error的类型数量，数量越多，越有效Introfuzzing: automatic test generatio..

原创 Sapienz - Multi-objective Automated Testingfor Android Applications

Sapienz：安卓应用多目标自动化测试要点：遗传算法、安卓测试、测试套件、多目标优化、NSGA-II总结定义了遗传算法套件级别和测试用例级别定义了测试用例级别的两种基因，一种是原子操作 atomic genes，一种是在特定UI下的一系列操作 motif genes.还有遗传算法的适应度函数，虽然没有写具体func，但思路说是覆盖率 + 长度（越短越好）+ 检测到错误数摘要Sapienz：安卓测试，基于多目标搜索，自动搜索和优化测试序列，最小化长度，最大化覆盖率和错误揭露

原创 Whole Test Suit Generation

测试套件生成（针对整个套件）要点：测试套件生成、遗传算法、选择、变异总结给出了一个生成测试套件的方法，能生成更小的测试套件并且有更高的分支覆盖率（方法已经全覆盖）定义了遗传算法适应度函数：主要是对分支距离的计算定义了遗传算法的操作：测试套件级别交叉，测试用例内的变异防止遗传算法膨胀，给出了四个限制abstract提出了一种生成测试套件**(test suit)**的方法，能够覆盖所有的coverage goals同时尽可能的小Introoracle probl

原创 Fault Analysis and Debugging of MicroserviceSystems: Industrial Survey, Benchmark System,and

Fault Analysis and Debugging of MicroserviceSystems: Industrial Survey, Benchmark System,and Empirical Study微服务系统的故障分析和调试： 行业调查，基准系统和经验研究摘要已有微服务故障分析和调试的研究有限做了如下工作进行一项行业调查，了解微服务的典型故障和调试挑战开发一个中等规模的微服务benchmark，复制了22个行业故障案例实证研究，调查现有行业调试的有效性提出

原创 基于Hadoop的hbase安装

hadoop 2.7.1hbase 1.2.7hadoop安装export JAVA_HOME="/home/xxxx/java/jdk1.8.0_221"export HADOOP_HOME="/home/xxxx/hadoop-2.8/hadoop-2.8.5"export HBASE_HOME="/home/xxxx/backup/hbase-1.4/hbase-1.4.13"export PATH="${JAVA_HOME}/bin:${HADOOP_HOME}/bin:${HBA.

原创 应用监控工具Pinpoint、Jeager、zipkin对比

pinpoint和jeager对比功能：应用链路监控。监控方法调用信息、监控跨服务调用信息。背景Pinpoint：韩国NAVER，开源Jeager: Uber, 开源给CNCF架构pinpointagent：代码插桩collector：agent发送数据到collector，collector进行整理并存储数据storage：使用hbase，数据存储web：UIjeagerclient：代码插桩agent：网络代理-收集span，发送给col

原创 Java反射

廖雪峰Java反射Class类JVM为每个加载的类及接口创建了对应的Class实例来保存类及接口的所有信息；Class类public final class Class { private Class() {}}以String类为例，当JVM加载String类时，它首先读取String.class文件到内存，然后，为String类创建一个Class实例并关联起来Class cls = new Class(String);JVM持有的每个Class实...

原创 JAVA 技术体系

技术体系注意：JRE已经有java VM功能划分java cardjava ME移动终端，J2ME，非Androidjava SE桌面级应用java EE企业应用，捐给eclipse发展sun - orcale - openjdkJVMSun Classic/Exact VMHotSpot VMMobile/Embedded VMBEA JRockit/IBM J9 JVMEBA Liquid VM/Azul VMApac.

原创 Java 类文件结构

Java类文件结构《深入理解Java虚拟机》第六章-类文件结构无关性 – 平台无关性基石：各个平台统一的字节码+各个平台适配的虚拟机其他语言也可用java虚拟机，只要编译为class即可虚拟机不与任何语言（包括java）绑定，只与字节码关联字节码能提供比java更多的语言特性，让别的语言可以翻译为字节码class类文件结构数据类型：无符号数(u1, u2, u4, u8 – 1、2、4、8个字节) & 表 (_info)结尾魔数

原创 访问者模式

参考 访问者模式一篇就够了使用场景对一个结构体（比如若干对象组成的数组）中的对象进行不同的不相关的操作，并且尽量减少对对象的修改对象结构（代码）较为稳定，方法属性等稳定主要目的：新增功能：外部类访问结构体中每个元素，访问各自的方法/变量。传统方法：public class Visitor{ public void visit(){ if (e instanceof ElementA) { (ElementA)e...

原创 ObjectMapper解析json失败 Jackson反序列化

错误使用ObjectMapper解析json时失败，报错下Cannot construct instance of (although at least one Creator exists): cannot deserialize from Object value解决显示声明无参构造函数

原创 Java Jackson 序列化与反序列化

测试类@Datapublic abstract class Animal { private String name;}public class Elephant extends Animal{}public class Monkey extends Animal{}Elephant elephant = new Elephant();elephant.setName("大象精");Monkey monkey = new Monkey();monkey.setN..

原创 Docker win10桌面版数据库数据持久化

Docker win10桌面版数据库数据持久化version: "2"services: mysql: restart: always image: mysql:5.7 container_name: 容器名 volumes: - D:/pinpoint-docker/shareData/docker/mysql/db:/var/lib/mysql(注意此处，本地路径为win10路径,而非wsl中路径) - D:/WZL/pinpoint-

原创 IMPROVING REGRESSION TESTING QUERY REPLYING PROCEDURE USING SECURE OPTIMIZED GRAPH WALK SCHEME

采用安全优化的图漫步方案改进回归测试查询应答程序要点：优化哈希图、优先级排序(最小化资源的使用和处理时间)Intro:基于优先级的测试用例调度是使回归调查功能更容易实现的关键过程回归测试目的：预测早期阶段的软件或编码错误，以改进系统功能挑战：high confidential rate高预测率 – 自译指标：正确率、查全率、精度和处理过的测试用例等相关工作：优缺点表格系统模型和问题定义回归选择常用方法：基于最小化、基于选择、重新检..

原创 Localizing Failure-Inducing Program Edits Basedon Spectrum Information

基于频谱信息，定位导致程序故障的编辑总结本文是ekstazi的对比工具，ekstazi相比其有一定的时间提升。但ekstazi没有select affecting change的功能是Chianti的升级版修复了一些对于静态变量、变量的override导致的unsafety同时affecting change的选择增加了基于频率的排序，原因寻找更加准确Abstract变更影响分析是一种在迭代系统中寻找错误的广泛使用的方法定位错误源困难错误源候选项太多 – Chi

原创 Practical regression test selection with dynamic file dependencies

依赖于文件的回归测试选择ABSTRACTRTS: 回归测试选择回归测试没有很好的实践测试框架类似Junit可以集成ekstazi与执行所有测试相比，Ekstazi平均减少了32%的端到端测试时间，对于长时间运行的测试套件减少了54%INTRO传统RTS输入：两个版本代码、新版本代码测试套件、旧版本运行时依赖输出：测试套件子集关键减少端到端执行时间analysis+execution+collection时间总和端到端时间是新观点，之前的只包含A和E

原创 Chianti: A Tool for Change Impact Analysis of Java Programs

Chianti- Java下代码变更影响分析工具总结目标代码更改和测试相关联三个贡献根据变更找测试，代码更改，观察特定测试的变化回归测试选择，只选择可能被更改影响的测试更快debugABSTRACTchianti分析变动，变动显示于测试。对被变动影响了的测试，chianti可以找出对应的变动对于Daikon, 每次改变有52%测试被影响，但每个测试只被3.95%原子改变影响INTRO问题：子类型和动态分配、方法更改或者对象创建、方法重载都会导致调用

原创 Change Impact Analysis for Object-Oriented Programs 总结

代码变更影响分析ABSTRACTsubtype和动态类型绑定导致代码中小的变更会带来较大的或者无法定位的影响主要贡献程序变更和语义影响相关联用于精确化回归测试通过测试，寻找相应的变更Intro问题：子类型和动态分配过程源代码映射到原子更改确定依赖顺序对原子变化和测试程序，执行静态分析可以得到如下T(测试)的子集T’，可能受到修改A的影响可能影响某一个测试t对应的修改a导出和T无关的代码更改，允许程序员忽略和T无关的变化覆盖率提醒：提醒..

原创 Python包结构及安装自己的包

Python包结构目录工作目录 | |-- utils | |-- __init__.py |-- server.py |-- client.py |-- test.py __init__.py:from .server import RemoteServer, Serverfrom .client import Client# 路径引入__all__=['RemoteServ.

原创 ubuntu 安装 java

sudo apt install openjdk-9-jdksudo apt install openjdk-8-jdk....如果有Errors were encountered while processing: /var/cache/apt/archives/openjdk-9-jdk_9~b114-0ubuntu1_amd64.debE: Sub-process /usr/bin/dpkg returned an error code (1)强制写入sudo apt..

原创 JS解析Fetch

// fetchconst resRaw = await fetch(url)// json格式解析const res = await resRaw.json()// string格式解析const text = await resRaw.text();

原创 2021-06-01

一级标题aaaaaa一级标题二级标题bbbbbbb二级标题三级标题cccccc二级标题

原创 数据库新技术复习

第1章 关系数据库模型和关系运算要求掌握的基本概念和理论1. 与网状和层次数据库相比，关系数据库有哪些优点？层次模型：有且仅有一个结点无双亲，称为根结点；其它结点有且仅有一个双亲。层次模型的数据结构是一棵树。网状模型：允许一个结点可以有多个双亲；多个结点无双亲结点。关系型数据库：基本结构是二维表，一张表称为一个关系。与层次和网状模型比较，关系模型有下列优点： 数据结构单一； 建立在严格的数学概念基础上； 将数据定义和数据操纵统一在...

原创 zsh设置curl链接别名，报错no matches found

zsh设置别名，alias ip='curl http://ip-api.com/json/?lang=zh-CN’，报错no matches found修改为：alias ip='curl "http://ip-api.com/json/?lang=zh-CN"' 即可zsh这玩意就离谱！

原创 ssh访问主机，git连接github失败；git多账户配置问题；使用ssh-agent存储秘钥

1. 问题：win10通过ssh连接虚拟机上的Ubuntu，进行git操作会提示permission denied；而在Ubuntu的终端直接操作，可以正常访问github；同时也是git多账户配置会发生的问题；使用ssh-agent存储秘钥截图如下左图为Ubuntu终端操作，右图为win下ssh连接Ubuntu操作，两者为同一账号登录通过ssh -T -v [email protected]查看详细报错如下OpenSSH_8.0p1, OpenSSL 1.1.1c 28 May 2019

原创 强化学习篇

此系列文章介绍强化学习相关内容1.强化学习历史2.强化学习之多臂赌博机对(行为)进行学习3.强化学习之马尔科夫决策过程对(行为,状态)组进行学习4.强化学习之策略学习马尔科夫决策需要知道全部状态，对实际情况引入四种学习方法(部分内容来自于国科大高级人工智能沈华伟老师授课内容)...

原创 强化学习之策略学习

原创 强化学习之马尔科夫决策过程

原创 强化学习之多臂赌博机

原创 强化学习历史

强化学习历史1911年，Thorndike提出效果律(Law of effect)，从心理学的角度探讨了强化思想:动物感到舒服的行为会被强化，动物感到不舒服的行为会被弱化1954年，马文·明斯基(Marvin Minsky)在其博士论文中实现了计算上的试错学习1957年，Bellman提出求解最优控制问题的动态规划方法，并提出了最优控制问题的随机离散版本，即著名的马尔科夫决策过程1960年，Howard提出马尔科夫决策过程的策略迭代方法1961年，明斯基在其论文“Steps toward