MicroRCA-Agent: 基于大型语言模型代理的微服务根本原因分析方法

于红博

摘要: 本文介绍了MicroRCA-Agent，这是一种基于大型语言模型代理的微服务根本原因分析创新解决方案，它构建了一个智能故障根本原因定位系统，实现了多模态数据融合。技术创新体现在三个关键方面：首先，我们将预训练的Drain日志解析算法与多级数据过滤机制相结合，有效地将大量日志压缩成高质量故障特征。其次，我们采用了集成孤立森林无监督学习算法和状态码验证的双异常检测方法，实现了全面的跟踪异常识别。第三，我们设计了一种统计对称比过滤机制，结合两阶段LLM分析策略，实现了跨节点-服务-容器层次结构的全栈现象总结。多模态根本原因分析模块利用精心设计的跨模态提示，深度整合多模态异常信息，充分利用大型语言模型的跨模态理解和逻辑推理能力，生成包含故障组件、根本原因描述和推理跟踪的结构化分析结果。全面的消融研究验证了每种模态数据的互补价值和系统架构的有效性。提出的解决方案在复杂的微服务故障场景中表现出优越性能，最终得分为50.71。代码已发布在：https://github.com/tangpan360/MicroRCA-Agent。

更新时间: 2025-09-19 05:57:03

领域: cs.AI

下载: http://arxiv.org/abs/2509.15635v1