根因定位FluxRank论文背景说明

论文：FluxRank: A Widely-Deployable Framework to Automatically
Localizing Root Cause Machines for Software Service Failure Mitigation

摘要

软件服务的故障直接影响用户体验和服务收入。因此，运维可以在服务所在的每台计算机上监视服务级别的KPI（例如响应时间）和主机级别的KPI（例如CPU使用情况）。当服务失败时，运维必须快速定位根本原因机器，并尽快缓解故障。由于难以获得所需的额外测量数据，因此，故障定位在很大程度上是手动的，非常耗时。

本文介绍了FluxRank，它是一种可广泛部署的框架，可以自动准确地定位根本原因机器，以便可以触发某些操作来减轻服务故障。我们使用来自搜索公司的五个真实服务（具有成千上万台计算机）的历史案例进行评估，结果表明，在70例案例中，有55（66）例的根本原因机器排名第一（前三）。与现有方法相比，FluxRank平均将定位时间减少了80％以上。FluxRank已经在一个互联网服务和六个银行服务运行了三个月，并在59例中正确地定位55例（top1） 。

I. INTRODUCTION

软件服务的故障直接影响用户体验和服务收入[1-3]。 因此，服务运营商可以在服务所基于的每台计算机（例如服务器或虚拟机）上监视服务级别的KPI（关键性能指标）（例如，响应时间）和主机级别的KPI（例