日前，數(shù)據(jù)挖掘頂級學術會議IEEE International Conference on Data Mining (ICDM) 在上海召開，會上發(fā)布了本屆論文的最終評審結果，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]被大會收錄為Regular paper（長文）。這是鼎茂科技連續(xù)第二年在國際頂會上發(fā)表智能運維相關論文。ICDM會議現(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)挖掘領域的知名會議，創(chuàng)辦于2001年，每年一屆，會議主題涵蓋了有關數(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)挖掘領域的三大頂級國際會議，其中ICDM是唯一實行論文盲審的會議，每年都會吸引大量領域尖端學者參會。據(jù)組委會公開信息，本屆ICDM會議共收到來自世界52個國家和地區(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：

根因分析是運維領域進行智能化全面升級中重要一環(huán)，通常采用數(shù)據(jù)驅動，多種算法結合的方式，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。

論文成果概要：

經(jīng)綜合實驗結果表明：我們的“PatternRCA”框架能準確分類故障模式，并且定位效果均優(yōu)于其它主流算法。同時，我們提出的Cave算法能很好地適應非漣漪效應模式的故障，遠優(yōu)于其它主流基于漣漪效應的算法。

當前該框架已在多個中大規(guī)?？蛻繇椖恐胁渴饝?，幫助客戶高效準確地完成根因定位，提升解決問題效率，提升業(yè)務和系統(tǒng)的穩(wěn)定性。

此外，我們也已經(jīng)實現(xiàn)了對不同類型的derived measures（擴展指標）的分析，并且同樣已經(jīng)完成了生產(chǎn)系統(tǒng)的部署和驗證，我們將會持續(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

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關鍵詞：