🤖 AI

GALA: Graph-Augmented LLM Agents for Root Cause Analysis and Incident Response in Microservices

تقدم الورقة البحثية GALA+، وهو إطار عمل وكيل لغوي كبير معزز بالرسوم البيانية، يستفيد من رسوم بيانية لاعتماد الخدمات والقياس عن بُعد متعدد الوسائط لتعزيز تحليل السبب الجذري والاستجابة للحوادث في الخدمات المصغرة، محققاً أداءً متفوقاً على النماذج المرجعية الحالية وحاصلاً على تأييد عالٍ من خبراء الصناعة.

المؤلفون الأصليون: Yifang Tian, Yaming Liu, Zichun Chong, Zihang Huang, Yiran Li, Hans-Arno Jacobsen

نُشر 2026-08-11

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yifang Tian, Yaming Liu, Zichun Chong, Zihang Huang, Yiran Li, Hans-Arno Jacobsen

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل مدينة ضخمة ومزدحمة حيث تعمل آلاف المتاجر الصغيرة والمتخصصة (التي تسمى "الخدمات المصغرة" أو microservices) معاً لتشغيل مركز تسوق إلكتروني عملاق. كل متجر يتولى وظيفة محددة، مثل استلام الطلبات، أو فحص المخزون، أو معالجة المدفوعات. تتواصل هذه المتاجر مع بعضها البعض باستمرار عبر شبكة معقدة من خطوط الهاتف وطرق التوصيل. وعندما يعمل كل شيء بشكل صحيح، تسير المدينة بسلاسة. ولكن عندما يتعطل شيء ما، يتحول الأمر إلى كابوس؛ فقد يبدو التأخير في "متجر الدفع" وكأنه مشكلة في "متجر الطلبات"، رغم أن المشكلة الحقيقية بدأت قبل أميال في "مستودع المخزون". هذا هو عالم تحليل السبب الجذري (RCA). إنه العمل الاستقصائي الذي يقوم به المهندسون لمعرفة أين بدأت المشكلة فعلياً، وليس فقط أين ظهرت. تقليدياً، استخدموا الرياضيات لرصد الأنماط في الأرقام (مثل سرعة حركة المرور) أو اطلعوا على السجلات (مثل تقارير الشرطة). لكن هذه الأساليب غالباً ما ترتبك بسبب التعقيد الهائل للمدينة. مؤخراً، حاول العلماء استخدام نماذج اللغات الكبيرة (LLMs) — وهي روبوتات دردشة ذكية جداً يمكنها القراءة والاستنتاج — لتعمل كالمحققين. ومع ذلك، يمكن لهؤلاء المحققين الآليين أن يضلوا الطريق أحياناً، أو يطاردوا أوهاماً، أو يخترعوا حقائق (وهي مشكلة تسمى "الهلوسة") لأنهم لا يملكون خريطة لمخطط المدينة.

هنا يأتي دور إطار عمل جديد يسمى GALA+، صممه باحثون من جامعة تورنتو. فكر في GALA+ كفريق من المحققين الآليين الذين يتم تزويدهم بخريطة دقيقة ومفصلة لطرق التوصيل في المدينة قبل بدء تحقيقاتهم. فبدلاً من ترك الذكاء الاصطناعي يتجول بلا هدف في المدينة بأكملها، يجبره GALA+ على النظر فقط في المتاجر المرتبطة بالمتجر الذي أبلغ عن المشكلة أولاً. الأمر يشبه قولك لمحقق: "لا تفحص المدينة بأكملها؛ افحص فقط المتاجر الثلاثة التي اتصل بها هذا المتجر، والمتاجر الثلاثة التي اتصلت به". يستخدم النظام نوعين مختلفين من الأدلة لبدء عملية البحث: أحدهما ينظر إلى سرعة وحجم حركة المرور (المقاييس/metrics)، والآخر، وهو أداة جديدة تسمى STRIX، ينظر إلى مسارات التوصيل الفعلية وتوقيتها (التتبعات/traces) لرصد من يتصرف بشكل مريب. وبمجرد أن يضع الذكاء الاصطناعي قائمة قصيرة للمشتبه بهم، فإنه يرسل وكلاء متخصصين للتحقيق فيهم واحداً تلو الآخر، وفحص سجلاتهم وبيانات أدائهم. إذا بدا المشتبه به بريئاً، ينتقل الوكيل إلى المتجر التالي على الخريطة. وإذا بدا مذنباً، يتوقف التحقيق هناك.

وجدت الورقة البحثية أن هذا النهج "الموجه بالخريطة" يعد تغييراً جذرياً لقواعد اللعبة. ففي الاختبارات باستخدام بيئتين محاكاتين للمدينة (إحداهما تسمى OnlineBoutique والأخرى تسمى TrainTicket)، حدد GALA+ المصدر الحقيقي للمشكلة كأول مشتبه به في 74.44% من الحالات في مجموعة البيانات الأولى و 73.33% في المجموعة الثانية. وهذا يمثل تحسناً هائلاً، حيث تفوق على أفضل طريقة ذكاء اصطناعي أخرى بأكثر من 25 نقطة مئوية. كما أنشأ الباحثون طريقة جديدة لتقييم تقارير الذكاء الاصطناعي، تسمى SURE-Score، والتي تتحقق مما إذا كان تفسير الذكاء الاصطناعي منطقياً لمهندس بشري حقيقي. وقد سجل GALA+ أعلى درجة في هذا الاختبار، مما يثبت أنه لا يكتفي بتخمين الإجابة الصحيحة، بل يمكنه أيضاً شرح لماذا واقتراح كيفية الإصلاح بدقة. وتشير الدراسة إلى أنه من خلال إبقاء المحققين الآليين مركزين على الروابط المنطقية بين الخدمات بدلاً من تركهم يتجولون بحرية، يمكننا حل الطوارئ الرقمية بشكل أسريد وبأخطاء أقل بكثير.

ملخص تقني: GALA+ (الوكلاء المعززون بالرسوم البيانية والنماذج اللغوية الكبيرة لتحليل السبب الجذري والاستجابة للحوادث في الخدمات المصغرة)

1. بيان المشكلة

تفرض بنى الخدمات المصغرة الحديثة تعقيداً تشغيلياً كبيراً بسبب مخططات التبعية المعقدة وبيانات القياس المتغايرة (المقاييس، السجلات، والتتبع). عندما تقع حالات الفشل، يواجه مهندسو موثوقية الموقع (SREs) ثلاثة تحديات جوهرية:

انتشار الخطأ: غالباً ما تختلف العرض الملحوظ (مثل ارتفاع زمن الاستجابة في الخدمة A) عن السبب الجذري الحقيقي (مثل تشبع المعالج في الخدمة B التابعة لها)، مما يتطلب استدلالاً على تبعيات الخدمة بدلاً من الفحص المنعزل.
الغموض متعدد الأنماط: قد تشير إشارات القياس المختلفة إلى مشتبه بهم متضاربين؛ ويتطلب التشخيص الدقيق دمج هذه الأنماط بدلاً من الاعتماد على مصدر واحد.
الاستجابة القابلة للتنفيذ: تحديد الخدمة المعيبة ليس كافياً؛ إذ يحتاج المهندسون إلى تفسير سببي لانتشار الفشل وخطوات علاجية متدرجة (التخفيف الفوري، الإصلاح الدائم، والوقاية).

تفشل النهج الحالية: الطرق الإحصائية غالباً ما تعتمد على أنماط واحدة أو قواعد ثابتة؛ والنهج متعددة الأنماط قد تفقد الإشارات الخاصة بكل نمط؛ كما أن وكلاء النماذج اللغوية الكبيرة (LLM agents) الحديثة غالباً ما تعاني من الاستكشاف غير المقيد، والهلوسة، والافتقار إلى التجذر الطوبولوجي، مما يؤدي إلى إفراط في عبء البحث وتدهور الدقة. علاوة على ذلك، تفشل مقاييس التقييم القياسية (مثل BLEU وROUGE) في تقييم التجذر السببي والخصوصية التشغيلية المطلوبة لتحليل السبب الجذري (RCA).

2. المنهجية: إطار عمل GALA+

GALA+ هو إطار عمل وكيل معزز بالرسوم البيانية مصمم لتقييد الاستدلال ضمن رسم تبعية الخدمات البياني. يعمل عبر أربع مراحل منسقة:

المرحلة الأولى: توليد الفرضية الأولية

يقوم GALA+ بتوليد ترتيب تقريبي للـ "Pods" الأكثر احتمالاً لتكون هي السبب الجذري عبر دمج إشارتين متكاملتين:

التصنيف القائم على المقاييس (BARO): يستخدم كشف تغيير النقاط عبر الإنترنت البايزي لتحديد الشذوذ وبناء مخطط توجيهي لا دوري (DAG) سببي، حيث يقوم بتقييم الخدمات بناءً على تأثيرها السببي على الشذوذ الملحوظ.
التصنيف القائم على التتبع (STRIX): وحدة مبتكرة تحلل مسارات التتبع الموزعة وطوبولوجيا تبعية الخدمة. وهي تحسب ثلاثة أبعاد تشخيصية:
- عدم الاستقرار ( $\phi_1$ ): نسبة زمن الاستجاد P99 إلى P50، لالتقاط نزاع الموارد.
- المركزية ( $\phi_2$ ): تصنيف PageRank مرجح يتضمن نسب الدخول والخروج (fan-in/fan-out) لتحديد الاختناقات الهيكلية.
- الأثر ( $\phi_3$ ): تفكيك زمن الاستجابة للتمييز بين تأخيرات المعالجة وأوقات الانتظار للخدمات التابعة.
- الدمج: يتم دمج هذه التصنيفات عبر دمج الرتب المتبادلة (RRF). ثم يقوم وكيل توحيد (Consolidation Agent) بالاستدلال على المعلومات غير المتماثلة (على سبيل المثال: المرشحين القادمين من التتبع فقط مقابل المقاييس فقط) لإنتاج قائمة مرتبة موحدة مع درجات الثقة.

المرحلة الثانية: تركيب السياق المرتكز على الـ Pod

بيانات القياس الخام ضخمة جداً للمعالجة المباشرة بواسطة LLM. لكل "Pod" مرشح، يقوم GALA+ باستخلاص حزمة تشخيصية ( $D_i$ ) تحتوي على:

مقاييس مسلسلة (بصيغة JSON) ضمن نافذة الحادث.
رسم بياني فرعي للتبعية بمسافة خطوة واحدة (1-hop) مع سمات الحواف (زمن الاستجابة، حجم الاستدعاء).
سجلات مستخلصة (إدخالات مستوى الخطأ فقط، مرتبة حسب الطابع الزمني).

المرحلة الثالثة: التحقيق الوكيل الموجه بالرسم البياني

لتجنب الاستكشاف غير المقيد، يستخدم GALA+ وكلاء محققين (Investigator Agents) يقومون بالبحث المقيد:

يبدأ الوكلاء من أفضل $k$ مرشح في التصنيف الأولي.
يقومون بالاستدلال على الحزمة التشخيصية لإنتاج تقييم مهيكل (الثقة، الدليل، التفسير السببي).
إذا كان الدليل المحلي غير حاسم (الثقة < العتبة $\theta$ )، يقوم الوكيل بالتوسع إلى مجموعة عشوائية من الجيران في رسم التبعية البياني.
تستمر هذه العملية حتى يتم العثور على دليل عالي الثقة أو استنفاد جميع الجيران، مما يضمن بقاء البحث محلياً في المسارات المعقولة هيكلياً.

المرحلة الرابعة: تركيب التشخيص والاستجابة للحوادث

يقوم وكيل تركيب الأدلة (Evidence Synthesis Agent) بمواءمة النتائج من جميع فروع التحقيق. وهو يطبق قاعدتين:

ترسيخ الإشارة (Signal Anchoring): يمنع الهلوسة عبر معاملة درجات الثقة الأولية كاحتمالات سابقة (Priors).
تماسك السلسلة (Chain Coherence): يرفع مرشحاً إلى المرتبة الأولى فقط إذا كانت سلسلته السببية تفسر الأعراض الملحوظة عبر جميع الفروع التي تم استكشافها.
أخيراً، يقوم وكيل المعالجة (Remediation Agent) بتوليد ملخص حادث مهيكل وتوصيات إجراءات ثلاثية المستويات (فورية، دائمة، ووقائية).

3. إطار التقييم: SURE-Score

إدراكاً بأن مقاييس توليد اللغة الطبيعية (NLG) القياسية تفشل في التقاط جودة تحليل السبب الجذري، قدم المؤلفون SURE-Score (درجة تلخيص التوصيات)، وهو إطار تقييم موجه بشري تم تطويره بالتعاون مع مهندسي SRE في الصناعة. يقيم التقارير بناءً على أربعة أبعاد:

الاستناد إلى الأدلة (Evidence Groundedness): يجب أن يكون الاستدلال مدعوماً ببيانات قياس ملموسة (سجلات، مقايث، تتبع).
الجدوى التشغيلية (Operational Feasibility): يجب أن تكون التوصيات ملموسة وقابلة للتنفيذ.
الدقة التشخيصية (Diagnostic Precision): تتطلب معرفات محددة للخدمة/الـ Pod ومقاييس كمية.
منطق الفرز (Triage Logic): يجب أن يتبع السرد تدفقاً احترافياً من الأعراض إلى السبب الجذري.

يتضمن التقييم كل من التدرج باستخدام نماذج LLM مزدوجة (باستخدام نماذج مختلفة لتجنب انحياز التفضيل الذاتي) والتقييم البشري المستقل من قبل مهندسي SRE.

4. النتائج التجريبية

تم تقييم GALA+ على اثنين من معايير الخدمات المصغحة: OnlineBoutique (17 خدمة) و TrainTicket (69 خدمة)، بالإضافة إلى تقييم إضافي على معيار AegisLab.

ترتيب السبب الجذري (RQ1): حقق GALA+ أعلى دقة عبر جميع مجموعات البيانات. في OnlineBoutique، وصل إلى 74.44% AC@1 (مقابل 48.35% لأفضل نموذج أساسي LLM وهو Flow-of-Action). وفي TrainTicket، حقق 73.33% AC@1 (مقابل 47.78%). يمثل هذا تحسناً بأكثر من 25 نقطة مئوية عن أقوى نموذج أساسي يعتمد على LLM. كان التحسن ذا دلالة إحصائية ( $p < 0.001$ ).
تلخيص الحوادث (RQ2): تحت مقياس SURE-Score، تفوق GALA+ باستمرار على جميع النماذج الأساسية عبر جميع الأبعاد الأربعة. وبينما لم تظهر المقاييس التقليدية (مثل BERTScore وROUGE) تمييزاً كبيراً، أبرز SURE-Score تفوق GALA+ في الجدوى التشغيلية والدقة التشخيصية. أكدت تقييمات مهندسي SRE البشر هذه التصنيفات.
دراسات الاستئصال (RQ3): أدى إزالة STRIX أو مرحلة التحقيق الموجه بالرسم البياني إلى تدهور الأداء بشكل كبير، مما يؤكد أن الوعي بهيكل التتبع والاستدلال الوكيل المقيد هما أمران حاسمان.
اختيار LLM (RQ4): يعمل GALA+ بشكل جيد عبر مختلف النماذج اللغية الكبيرة. حققت النماذج مفتوحة المصدر مثل llama-4-maverick و Qwen3-80B دقة قريبة من الفئات العليا بتكلفة أقل بكرا من النماذج المملوكة.
حساسية المعاملات (RQ5): الإطار قوي عبر مجموعة من الفروع المتوازية ( $k$ )، وعتبات التقليم ( $\theta$ )، وأحجام الدفعات ( $b$ ).

5. المساهمات الرئيسية

توليد فرضية ثنائي الإشارة: آلية تدمج التصنيف السببي القائم على المقاييس مع STRIX، وهي وحدة تسجيل مبتكرة واعية بهيكل التتبع والرسوم البيانية، لإنتاج مجموعة مرشحين موحدة.
التحقيق الوكيل الموجه بالرسم البياني: إطار تحقيق موازٍ مقيد طوبولوجياً حيث يتبع الوكلاء حواف انتشار الخطأ عبر توسع مدفوع بالثقة ومقيد بالعمق، مما يقلل مساحة البحث مع الحفاظ على اكتمال التشخيص.
الاستجابة للحوادث والتقييم: خط معالجة ينتج تشخيصات مرتبة، وملخصات مهيكلة، وتوصيات إجراءات متدرجة، يتم تقييمها عبر SURE-Score، وهو إطار موجه بشري يتفوق على مقاييس تشابه النصوص التقليدية.

6. الأهمية والادعاءات

يزعم البحث أن GALA+ يعالج قيود طرق تحليل السبب الجذري الحالية من خلال تقييد الاستدال الوكي ضمن رسم تبعية الخدمة، مما يمنع الهلوسة والإفراط في عبء البحث. تُظهر النتائج أن الاستدلال المقيد بالطوبولوجيا يعد بديلاً واعداً للاستكشاف الوكي غير المقيد في المجالات ذات الهياكل العلاقاتية الغنية.

يشير المؤلفون بتواضع إلى أنه بينما يحسن GALA+ دقة التشخيص والمنفعة التشغيلية بشكل كبير، إلا أن الاستناد إلى الأدلة (Evidence Groundedness) يظل تحدياً للنماذج الحالية القائمة على LLM، حيث لاحظ المقيمون أن النماذج غالباً ما تعيد صياغة بيانات القياس بدلاً من اقتباسها حرفياً. يشير العمل إلى أن الجمع بين توليد الفرضيات الإحصائية والاستدلال الموجه بالرسم البياني يوفر مساراً قوياً للاستجابة المؤتمتة والقابلة للتنفيذ للحوادث في الخدمات المصغرة.