文献

J-GLOBAL ID：202002227471737075   整理番号：20A1753537

オンラインサービスシステムのための重度警報の自動および適応的同定【JST・京大機械翻訳】

Automatically and Adaptively Identifying Severe Alerts for Online Service Systems

著者 (8件)： Zhao Nengwen (Tsinghua University) ,  Jin Panshi (China Construction Bank) ,  Wang Lixin (China Construction Bank) ,  Yang Xiaoqin (China Construction Bank) ,  Liu Rong (Stevens Institute of Technology) ,  Zhang Wenchi (BizSeer) ,  Sui Kaixin (BizSeer) ,  Pei Dan (Tsinghua University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： INFOCOM  ページ： 2420-2429  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模オンラインサービスシステムにおいて,サービスの品質を高めるために,技術者は様々なモニタリングデータを収集し,警報をトリガするために多くの規則を書き込む必要がある。しかし,警報の数は,オンカールエンジニアが適切に調査できる方法よりも多い。したがって,実際には,警報はマニュアルルールを用いていくつかの優先レベルに分類され,そして,オンコールエンジニアは,主に,最も高い優先度レベル(すなわち,厳しい警報)で警報を扱うことに焦点を合わせる。残念なことに,オンラインサービスの複雑で動的な性質のため,このルールベースのアプローチは,厳しい警報を見逃すか,あるいは,非重度の警報に廃棄されたトラブルシューティング時間をもたらす。本論文では,厳しい警報を同定するための自動かつ適応フレームワークであるAlertRankを提案した。特に,AlertRankは,一組の強力で解釈可能な特徴(テキストと時間警報特徴,一変量と多変量異常特徴,モニタリングメトリックのための一変量と多変量異常特徴)を採用して,XGBoostランキングアルゴリズムを採用して,すべての入力警報から厳しい警報を同定し,訓練と試験の両方のためのラベルを得る新しい方法を使用した。トップグローバル商業バンクからのデータセットに関する実験は,AlertRankが有効であり,平均で0.89のF1スコアを達成し,すべてのベースラインを凌駕することを示した。実践からのフィードバックは,AlertRankが,オンコールエンジニアのマニュアル努力を著しく節約できることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *警報 ,  ルールベース
準シソーラス用語： トラブルシューティング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： オンライン ,  サービス ,  警報 ,  適応 ,  同定