日前，數(shù)據(jù)挖掘頂級(jí)學(xué)術(shù)會(huì)議IEEE International Conference on Data Mining (ICDM) 在上海召開，會(huì)上發(fā)布了本屆論文的最終評審結(jié)果，鼎茂科技作為第一單位的科研成果論文《PatternRCA: A Pattern-aware Root Cause Analysis Framework For Multi-dimensional Time Series》[1]被大會(huì)收錄為Regular paper（長文）。這是鼎茂科技連續(xù)第二年在國際頂會(huì)上發(fā)表智能運(yùn)維相關(guān)論文。ICDM會(huì)議現(xiàn)場，鼎茂科技CTO何誠發(fā)表了論文演講。

IEEE International Conference on Data Mining (ICDM)是數(shù)據(jù)挖掘領(lǐng)域的知名會(huì)議，創(chuàng)辦于2001年，每年一屆，會(huì)議主題涵蓋了有關(guān)數(shù)據(jù)挖掘的算法和智能系統(tǒng)等。IEEE ICDM與ACMSIGKDD，SIAMSDM并稱為數(shù)據(jù)挖掘領(lǐng)域的三大頂級(jí)國際會(huì)議，其中ICDM是唯一實(shí)行論文盲審的會(huì)議，每年都會(huì)吸引大量領(lǐng)域尖端學(xué)者參會(huì)。據(jù)組委會(huì)公開信息，本屆ICDM會(huì)議共收到來自世界52個(gè)國家和地區(qū)的有效投稿1003篇，經(jīng)過雙盲、三盲評審，最終僅有94篇論文被錄用為Regular paper（長文錄用率僅為9.37%）。

論文背景：

根因分析是運(yùn)維領(lǐng)域進(jìn)行智能化全面升級(jí)中重要一環(huán)，通常采用數(shù)據(jù)驅(qū)動(dòng)，多種算法結(jié)合的方式，快速縮小問題定界定位范圍，提升解決問題效率，最終保證整體業(yè)務(wù)系統(tǒng)的穩(wěn)定性和可靠性。如何在海量高維搜索空間中，高效發(fā)現(xiàn)這些異常背后的根因問題，是根因分析（RCA）的主要難點(diǎn)。

論文成果概要：

經(jīng)綜合實(shí)驗(yàn)結(jié)果表明：我們的“PatternRCA”框架能準(zhǔn)確分類故障模式，并且定位效果均優(yōu)于其它主流算法。同時(shí)，我們提出的Cave算法能很好地適應(yīng)非漣漪效應(yīng)模式的故障，遠(yuǎn)優(yōu)于其它主流基于漣漪效應(yīng)的算法。

當(dāng)前該框架已在多個(gè)中大規(guī)模客戶項(xiàng)目中部署應(yīng)用，幫助客戶高效準(zhǔn)確地完成根因定位，提升解決問題效率，提升業(yè)務(wù)和系統(tǒng)的穩(wěn)定性。

此外，我們也已經(jīng)實(shí)現(xiàn)了對不同類型的derived measures（擴(kuò)展指標(biāo)）的分析，并且同樣已經(jīng)完成了生產(chǎn)系統(tǒng)的部署和驗(yàn)證，我們將會(huì)持續(xù)在后續(xù)披露更多研究成果。

圖 PatternRCA框架示意圖

圖 Cave算法流程

免責(zé)聲明：市場有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：