マイクロサービスにおけるマルチモーダル根本原因特定のためのハイパーグラフと潜在ODE学習

Abstract

クラウドネイティブなマイクロサービスシステムにおける根本原因のローカライゼーションには、複雑なサービス依存関係、不規則な時間ダイナミクス、異種の観測可能性データをモデル化することが必要です。本稿では、微細な根本原因分析のために、双曲グラフ注意学習、潜在的な常微分方程式（ODE）、およびマルチモーダルなクロスアテンション融合を統合した統一フレームワークであるHyperODE RCAを提案します。この手法は、微分可能なハイパーエッジ構築によって高次のサービス相互作用を学習し、不規則な観測からODE RNNエンコーダにより連続的な異常の進展を捉え、コンテキストに応じたモダリティ・ルーティングを用いて、ログ、トレース、メトリクス、エンティティ、イベントを適応的に融合します。さらに、変分情報ボトルネック、時間的因果正則化、不変なリスク制約によって頑健性を高めます。Tianchi AIOpsベンチマークでの実験では、ランキングおよび分類性能において強力なベースラインに対する明確な向上が示されるとともに、学習されたハイパーグラフ注意により解釈可能性を維持しています。