日前，數據挖掘頂級學術會議IEEE International Conference on Data Mining (ICDM) 在上海召開，會上發布了本屆論文的最終評審結果，鼎茂科技作為第一單位的科研成果論文《PatternRCA: A Pattern-aware Root Cause Analysis Framework For Multi-dimensional Time Series》[1]被大會收錄為Regular paper（長文）。這是鼎茂科技連續第二年在國際頂會上發表智能運維相關論文。ICDM會議現場，鼎茂科技CTO何誠發表了論文演講。
IEEE International Conference on Data Mining (ICDM)是數據挖掘領域的知名會議，創辦於2001年，每年一屆，會議主題涵蓋了有關數據挖掘的算法和智能系統等。IEEE ICDM與ACMSIGKDD，SIAMSDM並稱為數據挖掘領域的三大頂級國際會議，其中ICDM是唯一實行論文盲審的會議，每年都會吸引大量領域尖端學者參會。據組委會公開信息，本屆ICDM會議共收到來自世界52個國家和地區的有效投稿1003篇，經過雙盲、三盲評審，最終僅有94篇論文被錄用為Regular paper（長文錄用率僅為9.37%）。
論文背景：
根因分析是運維領域進行智能化全面升級中重要一環，通常採用數據驅動，多種算法結合的方式，快速縮小問題定界定位範圍，提升解決問題效率，最終保證整體業務系統的穩定性和可靠性。如何在海量高維搜索空間中，高效發現這些異常背後的根因問題，是根因分析（RCA）的主要難點。
論文成果概要：
經綜合實驗結果表明：我們的「PatternRCA」框架能準確分類故障模式，並且定位效果均優於其它主流算法。同時，我們提出的Cave算法能很好地適應非漣漪效應模式的故障，遠優於其它主流基於漣漪效應的算法。
當前該框架已在多個中大規模客戶項目中部署應用，幫助客戶高效準確地完成根因定位，提升解決問題效率，提升業務和系統的穩定性。
此外，我們也已經實現了對不同類型的derived measures（擴展指標）的分析，並且同樣已經完成了生產系統的部署和驗證，我們將會持續在後續披露更多研究成果。
圖 PatternRCA框架示意圖
圖 Cave算法流程