软件学报

作者：向清风，邵蓥侠，徐泉清，杨传辉

单位：向清风，北京邮电大学 计算机学院(国家示范性软件学院), 北京 10087611,邵蓥侠，北京邮电大学 计算机学院(国家示范性软件学院), 北京 10087602,徐泉清，蚂蚁集团, 浙江 杭州 31001303,杨传辉，蚂蚁集团, 浙江 杭州 31001304

关键词：分布式数据库;异常诊断;根因分析

基金：国家自然科学基金(62272054, 62192784); 新一代人工智能国家科技重大专项(2022ZD0116315); 北京市科技新星计划(20230484319); 小米青年学者项目

数据库是计算机服务中的重要基础组件, 然而其运行中可能出现性能异常, 影响业务服务质量. 如何对数据库产生的性能异常进行诊断成为工业界与学术界的热点问题. 近年来, 一系列自动化的数据库异常诊断方法被相继提出, 它们通过分析数据库运行状态, 对数据库整体的异常类型进行判断. 但随着数据规模的不断扩大, 分布式数据库正成为在业界中愈受欢迎的重要解决方案. 在分布式数据库中, 数据库整体由多个服务器节点共同组成. 现有的异常诊断方法难以有效地定位节点异常, 无法识别在多节点上发生的复合异常, 不能感知节点间复杂的性能影响关系, 欠缺有效的诊断能力. 针对上述问题, 提出了一种面向分布式数据库的复合异常诊断的方法: DistDiagnosis. 该方法采用复合异常图对分布式数据库的异常状态进行建模, 在表示各节点异常的同时有效地捕获节点间的相关性. DistDiagnosis提出了节点相关性感知的根因异常排序方法, 根据节点对数据库整体的影响力有效地定位根因异常. 在国产分布式数据库OceanBase上构建了不同场景的异常测试案例. 实验结果表明, 该方法优于其他先进的对比方法, 异常诊断的AC@1、AC@3、AC@5最高达到0.97、0.98和0.98, 在各诊断场景中相较于次优方法最多提升了5.20%、5.45%和4.46%.

来源：2025年第3期

《软件学报》期刊编辑部

查看软件学报杂志2025年第3期