本届挑战赛季军方案：基于图网络及LLM AGENT的微服务系统异常检测和根因定位方法

aiboco团队荣获本届挑战赛季军。该团队来自亿阳信通。

方案介绍

本届挑战赛采用开放式赛题，基于建行云龙舟运维平台的稳定性工具和多维监控系统，模拟大型的生活服务APP的生产环境，提供端到端的全链路的日志、指标和调用链数据。参赛队伍在组织者分配的云环境中，运用了大模型技术，对调用链数据、KPI指标和业务指标进行故障检测和根因定位。

首先分析赛题信息，获取到了如下困难：

1、微服务系统复杂

微服务系统架构复杂，当异常出现时，不能快速发现并且给出根因。
各类数据（业务指标、性能指标、调用链、日志等）特征多种多样，如何能实现统一化处理。

2、数据复杂

数据量比较大，每天大约30G以上的数据量。
微服务化后，调用关系不固定。
需要快速给出异常检测结果。
需要快速给出根因定位结果。

3、与已有工具的关系

现在已有skywalking等调用链跟踪工具，还要进行异常检测和根因定位的意义。
节点运行状态，可以通过业务拨测、skywalking设备监测获得。
哪些是上述工具无法实现的？

4、大模型应用

如何借助大模型提升AIOps能力：

Agent
思维链
生成报告
故障分类

5、资源限制

前期竞赛服务器资源紧张（CPU、内存、磁盘）。
GPU等资源紧张，给部署大模型，带来难题。
针对以上问题，亿阳信通OSS数智部团队提出了如下思路：

a、通过正常数据训练模型

通过正常数据进行学习和训练，得到各类数据的特征指标。