根因定位FluxRank论文通过核密度估计(KDE)获得变化量部分

论文：FluxRank: A Widely-Deployable Framework to Automatically
Localizing Root Cause Machines for Software Service Failure Mitigation 的 II. CHANGE QUANTIFICATION部分

FluxRank论文背景说明

CHANGE QUANTIFICATION说明

如前所述，在 change quantification阶段，我们尝试量化机器KPI的变化，这些变化由变化程度(change degree)衡量。change degree可用于在不同类型的KPI之间进行比较（例如，CPU利用率，内存利用率，I / O）。此外，发生服务故障时，根本原因主机的KPI将首先发生变化，然后是受此故障影响的主机的KPI变化。因此，变更开始时间（Tc）也有助于对根本原因机器进行定位。

显然， change quantification的设计目标是针对大量不同的kpi，快速准确地确定变更开始时间，并确定服务失败前后的变更程度。回想一下，传统的异常检测算法（例如[20-23]）无法实现上述目标，因为它们在大量不同KPI的算法选择和参数调整中非常费力。因此，我们建议在变更量化中使用两步设计：（1）应用绝对导数确定变化开始时间；（2）使用核密度估计（KDE）确定变化程度。