中国联合网络通信有限公司济南软件研究院 济南 250100

引言

随着互联网业务的全面发展，企业IT架构发生重大变化，分布式云化架构应用越来越多，传统运维模式面临越来越多的挑战，难以适应业务的高速发展需求[1]。目前，信息化系统广泛微服务化，运维机器数量、容器数量、外部服务日均调用量、系统服务数量均显著上升。在此规模下，支撑难度、运维难度、排查问题难度呈几何增长，对运维模式及技术有更高的要求。

互联网业务具有业务无间断在线、业务敏感性较高、负面影响大、传播范围广、传播速度快等特点，对运维要求越来越高，传统运维模式已无法适应互联网业务的高速发展需求，智能运维(AIOps)成为必不可少的运维利器[2]。

在大型互联网架构中，为提升平台计算能力及资源利用率，普遍采用分布式技术。然而使用分布式技术也会带来一些潜在问题，若主机资源需求与资源分配不均匀、部分主机长时间负载过重，容易导致服务失效，造成服务中断甚至数据丢失；同时当系统发生故障时，服务分散在不同主机会导致故障问题难以定位、故障排查耗时较长等问题[3]。

通过国内外相关文献分析，目前针对分布式服务故障分析的研究仍处于初级阶段。其中大部分系统是根据领域知识人工设定报警规则，难以自动检测故障并细粒度定位问题原因[4]。近年来机器学习算法广泛应用于各项领域，其中孤立森林算法是十分优秀的异常检测算法[5]，然而目前尚未有研究人员将孤立森林算法应用于大型分布式系统中进行故障分析。……