In dieser Studie wird eine LLM-basierte Zwei-Stufen-Strategie zur Lokalisierung von Konfigurationsfehlern in Softwaresystemen vorgestellt.
In der ersten Stufe, der Anomalie-Identifizierungsphase, werden Protokollnachrichten, die auf Konfigurationsfehler hinweisen, identifiziert. Dazu werden Protokollvorlagen extrahiert und deren Anomalie-Grade berechnet. Nachrichten mit einem Anomalie-Grad größer als Null werden als "Schlüsselnachrichten" markiert und an die nächste Stufe weitergeleitet.
In der zweiten Stufe, der Anomalie-Inferenzphase, wird zunächst versucht, die Konfigurationsfehler-Auslöser direkt anhand von Regeln zu lokalisieren. Schlägt dies fehl, wird eine LLM-basierte indirekte Inferenzphase durchgeführt, um die Fehlerursachen anhand der Schlüsselnachrichten, Konfigurationseinstellungen und Beschreibungen zu ermitteln.
Die Evaluierung auf Hadoop zeigt eine durchschnittliche Genauigkeit von 99,91%. Der Vergleich mit anderen Ansätzen belegt die Überlegenheit des vorgestellten Verfahrens. Insbesondere die Verifikationsphase erweist sich als essentiell für die Gesamtgenauigkeit. Die Studie demonstriert die Effektivität und Praxistauglichkeit des Ansatzes anhand einer Fallstudie.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies