著者/所属機関
Leonardo Mariani (Universita degli studi di Milano Bicocca) et al.
出典
ICST 2018
目的
クラウド上で動作するアプリケーション(役割ごとのサーバ/VMで動作する分散アプリケーション)におけるfault localization
問題
既存手法は，意図的にfaultを入れ込んだ状態でのアプリケーションの動作を学習させる必要があり，準備コスト高
解法
正常状態の学習のみで，異常状態の検出＋異常の発生源を特定する手法を提案
- 正常状態でのKPI(サーバXでのCPU使用率など)を学習し，KPI間の結びつきをcausality graphとしてモデル化
- causality graphと比較し，現状のKPI(メトリクス)が異常値か判定
- 異常状態を検知した場合，異常状態にあるKPIをcausality graphから抽出 (=propagation graph)
- propagation graphに対してgraph centrality algorithms (Page Rank algorithmなど)を適用し，fault原因を特定
結果
OSSのIP Multimedia Subsystemに意図的にfaultを入れ，当該faultを特定可能か評価し，既存手法(faultを入れ込んで学習する手法)と同等の性能を，少ないオーバヘッドで達成することを確認
備考・所感
- この手のログを学習させて異常を検知する系の技術，面白いけど開発現場に持ち込むハードルが激高なイメージ
- 物理機器の故障予知/予知保全も同じはずだけど，実際どのくらい浸透してるんだろ
- ニュースリリースではよく聞くけど…
Tagged: #testing #cloud #fault localization