计算机科学 > 分布式、并行与集群计算
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.