[Paper] Agentic Structured Graph Traversal 用于云应用中代码相关事件的根因分析

Source: arXiv - 2512.22113v1

概述

云原生应用运行成千上万的微服务，当事故发生时，定位导致停机的确切代码或配置可能需要数小时——造成数百万美元的损失。本文介绍了 PRAXIS，一种新颖的编排器，使大型语言模型（LLM）能够在两个互补的图（服务层级图和代码层级图）中“行走”，自动执行根因分析（RCA）。通过将 LLM 转化为图遍历策略，PRAXIS 大幅加快并提升事故诊断的准确性。

关键贡献

• Dual‑graph representation: 将微服务交互的服务依赖图（Service Dependency Graph, SDG）与捕获每个服务内部细粒度代码依赖的“吊床‑块”程序依赖图（Program Dependence Graph, PDG）相结合。
• LLM‑driven traversal policy: 使用受 ReAct 启发的提示技术，让 LLM 决定下一个探索的节点，从而将模型转变为在图上进行推理的自主代理。
• PRAXIS orchestrator: 一个轻量级运行时，管理 LLM、图查询以及外部数据（日志、追踪），生成简洁、可读的人类 RCA 报告。
• Empirical gains: 在 30 起真实云事故的精选基准上，PRAXIS 相比最先进的 ReAct 基线实现了最高 3.1× 更高的 RCA 准确率 和 3.8× 更低的 token 使用量。
• Open benchmark: 作者将事故数据集作为新的 RCA 基准公开，供研究社区使用。

方法论

1. 图构建

   • 服务依赖图 (SDG)：节点是微服务；有向边表示 RPC 调用、消息队列或共享存储。SDG 基于服务网格遥测（例如 OpenTelemetry）和部署清单构建。
   • 吊床块程序依赖图 (PDG)：对每个服务进行静态分析，提取“吊床”（语句簇）与单个代码块之间的控制流和数据流依赖，生成一个紧凑的 PDG，同时保留调试所需的因果结构。

2. 代理遍历

   • LLM 接收包含事件描述、当前图节点以及简短“动作空间”（例如 移动到依赖服务 X、检查 PDG 中的函数 Y）的 结构化提示。
   • 使用 ReAct 风格的循环，模型输出 动作（要访问的节点）和 观察（例如日志片段、错误信息）。
   • 编排器更新上下文，获取下一个图切片，并重复，直至满足终止条件（置信阈值或最大步数）。

3. 根因分析合成

   • 当遍历收敛后，LLM 将已访问的节点、观察结果和推断的因果链编撰成简短、面向开发者的根因说明，必要时链接到有问题的代码提交或配置文件。

结果与发现

• 更高的精确度 来源于 PDG 能够提前剪枝无关代码路径，而 SDG 则引导 LLM 朝最可疑的服务方向进行推理。
• 令牌节省 体现在 LLM 只收到每一步所需的最小子图，避免了单块 ReAct 方法中常见的“提示膨胀”。
• 基准测试表明 PRAXIS 能在多种事故类型（空指针崩溃、配置错误、版本不匹配）上有效工作，显示出良好的通用性。

实际影响

• 更快的 MTTR（Mean Time to Repair）：将 PRAXIS 集成到 SRE 工具链中可以在事件解决上节省数分钟甚至数小时，直接转化为大规模云服务提供商的成本节约。
• 面向开发者的 RCA 报告：生成的解释包含精确的文件/行号引用，使 SRE 向开发团队的交接无缝衔接。
• 可扩展的自动化：由于 orchestrator 只提取必要的图片段，它可以在普通硬件上运行，并在不超出 LLM token 限制的情况下扩展到数千个服务。
• 持续改进循环：可以将事件结果反馈回去，以细化 PDG（例如，添加动态调用图数据）和 LLM 提示，打造自学习的 RCA 助手。
• CI/CD 集成的潜力：PRAXIS 可以在部署失败或事后分析流水线中自动触发，在根因进入生产环境之前将其捕获。

限制与未来工作

• 静态分析依赖：PDG 是基于静态代码分析构建的，可能会遗漏运行时生成的代码路径（例如反射、插件）。
• 图的时效性：在快速演进的微服务生态系统中，保持 SDG 和 PDG 的最新需要频繁重新生成，增加运维负担。
• LLM 幻觉风险：尽管结构化遍历降低了幻觉，但如果底层遥测数据噪声大或不完整，模型仍可能产生看似合理却错误的因果链接。
• 基准规模：评估使用了 30 起事件；需要更大、更具多样性的数据集来充分验证鲁棒性。
• 未来方向 作者提出的包括：
  1. 用动态分析数据增强 PDG。
  2. 探索多 LLM 集成进行集体推理。
  3. 将 PRAXIS 扩展至处理仅有配置的事件，此类事件的代码追踪稀疏。

作者

• Shengkun Cui
• Rahul Krishna
• Saurabh Jha
• Ravishankar K. Iyer

论文信息

• arXiv ID: 2512.22113v1
• 分类: cs.DC, cs.AI, cs.SE
• 出版时间: 2025年12月26日
• PDF: 下载 PDF