Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02009

帮助 | 高级搜索

计算机科学 > 分布式、并行与集群计算

arXiv:2506.02009 (cs)
[提交于 2025年5月27日 ]

标题: STRATUS:面向现代云自主可靠性工程的多智能体系统

标题: STRATUS: A Multi-agent System for Autonomous Reliability Engineering of Modern Clouds

Authors:Yinfang Chen, Jiaqi Pan, Jackson Clark, Yiming Su, Noah Zheutlin, Bhavya Bhavya, Rohan Arora, Yu Deng, Saurabh Jha, Tianyin Xu
摘要: 在云规模系统中,故障是常态。分布式计算集群会表现出数百台机器故障和上千个磁盘故障;据报道,软件漏洞和错误配置更为频繁。随着现有需要人工参与的实践几乎无法跟上现代云计算的规模,对自主的、以人工智能驱动的可靠性工程的需求持续增长。 本文介绍了一个基于大语言模型(LLM)的多智能体系统——STRATUS,用于实现云服务的自主站点可靠性工程(SRE)。STRATUS由多个专门的智能体(例如用于故障检测、诊断和缓解的智能体)组成,并以状态机的形式组织起来,协助系统级的安全推理和执行。 我们形式化定义了像STRATUS这样的智能体SRE系统的安全规范中的一个关键特性,称为事务性无回退(TNR),这使得安全探索和迭代成为可能。我们表明,TNR可以有效提高自主故障缓解的效果。在AIOpsLab和ITBench(两个SRE基准套件)的故障缓解问题上,STRATUS的表现显著优于最先进的SRE智能体,在各种模型下至少提升了1.5倍的成功率。STRATUS为云可靠性的智能体系统实际部署展示了一条有前景的道路。
摘要: In cloud-scale systems, failures are the norm. A distributed computing cluster exhibits hundreds of machine failures and thousands of disk failures; software bugs and misconfigurations are reported to be more frequent. The demand for autonomous, AI-driven reliability engineering continues to grow, as existing humanin-the-loop practices can hardly keep up with the scale of modern clouds. This paper presents STRATUS, an LLM-based multi-agent system for realizing autonomous Site Reliability Engineering (SRE) of cloud services. STRATUS consists of multiple specialized agents (e.g., for failure detection, diagnosis, mitigation), organized in a state machine to assist system-level safety reasoning and enforcement. We formalize a key safety specification of agentic SRE systems like STRATUS, termed Transactional No-Regression (TNR), which enables safe exploration and iteration. We show that TNR can effectively improve autonomous failure mitigation. STRATUS significantly outperforms state-of-the-art SRE agents in terms of success rate of failure mitigation problems in AIOpsLab and ITBench (two SRE benchmark suites), by at least 1.5 times across various models. STRATUS shows a promising path toward practical deployment of agentic systems for cloud reliability.
评论: 正文10页,总计40页。
主题: 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2506.02009 [cs.DC]
  (或者 arXiv:2506.02009v1 [cs.DC] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02009
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yinfang Chen [查看电子邮件]
[v1] 星期二, 2025 年 5 月 27 日 19:15:19 UTC (591 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.DC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号