.png){kind=icon}
返回
LMAT: An adaptive tracing approach based on efficient system behavior analysis using language models
.png){kind=icon}
OA
AI
DOI：10.1016/j.jss.2026.112890.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种基于语言模型的适应性追踪方法LMAT，专为宿主机级系统可观测性设计。
• 通过检测运行时内核事件序列和持续时间的偏差，动态调整追踪粒度。
• 在两种架构不同的单机环境（Apache Web服务器和Sock Shop微服务）中评估了LMAT，在Apache工作负载上达到高达97.7%的端到端准确性，同时将追踪数据量减少了70.6%。
• 自动化根本原因分析，将检测到的异常映射到可能的故障源，显著减少调试时间和工作量。
• 量化了部署开销，表明异步LMAT推理在追踪基础上引入的额外延迟可忽略不计，同时保持稳定的吞吐量。
Keyword:
Adaptive tracing
Language model
Root cause analysis
Change detection
Trace duration modeling
Observability
Host-level monitoring
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
5.5K
被引数:
8.4K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏分享收藏Survey and Analysis of Kernel and Userspace Tracers on Linux: Design, Implementation, and OverheadOAAI
OAAI分享收藏Automating instrumentation choices for performance problems in distributed applications with VAIF使用VAIF自动化分布式应用中性能问题的仪器选择
OAAI
OAAI分享收藏A Framework for Anomaly Detection in Time-Driven and Event-Driven Processes Using Kernel Traces使用内核跟踪在时间驱动和事件驱动的过程中进行异常检测的框架
PREAI
分享收藏 没有更多内容
没有更多内容