ModelLogVis:面向模型服务的日志异常可视分析方法

作     者：卢裕弘 朱琳 封颖超杰 王斯加 林正轩 潘嘉铖 陈为 Lu Yuhong;Zhu Lin;Feng Yingchaojie;Wang Sijia;Lin Zhengxuan;Pan Jiacheng;Chen Wei

作者机构：浙江大学计算机辅助设计与图形系统全国重点实验室杭州310058 之江实验室杭州311121 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第7期

页      面：1106-1114页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(62132017 61972122) 

主　　题：可视分析 日志可视化 异常检测 

摘      要：利用深度学习模型训练和运行维护过程产生的海量日志信息,进行模型的优化与故障排查,是当前人工智能运维的研究热点.针对现有工作缺少模型工作流分析的问题,提出面向模型服务的日志异常可视分析方法ModelLogVis.该方法采用日志异常检测方法定位模型工作流中的潜在故障,帮助用户聚焦主要的故障类型;支持用户从数据流、状态、实例性能和原始日志等多个角度对工作流中的事件进行交互式可视化与分析,快速、准确地排查问题.通过真实的模型服务数据的案例研究和专家访谈,证明ModelLogVis方法可高效地辅助用户快速挖掘日志中的异常信息.