Atlassian提出自动化根因分析方法

Atlassian提出了一套面向大规模云原生事故的自动化根因分析方法。该方案把指标、日志、分布式追踪和服务拓扑放在同一分析框架内，自动生成关于故障起源位置、影响范围和传播路径的排序假设，目标是减少工程师在多个仪表盘与工具之间手动拼接线索的时间。

这套系统将事故排查视为跨信号、跨时间和跨拓扑的关联问题。它不会要求值班人员先逐项查找异常，再人工重建依赖链，而是分别识别各类遥测数据中的异常，将结果对齐到统一时间线，并结合服务依赖图进行推理，最终给出可能根因、传播顺序及相关证据。

在缩小分析范围方面，系统依托OpenTelemetry构建服务地图，只关注与受影响用户路径相关的服务子集。该依赖关系来自真实生产流量，通过追踪跨度之间的父子关系呈现服务之间的实际调用，而不是依赖可能滞后的静态架构文档。

不同类型信号会采用不同检测策略：指标侧关注请求速率、错误率和延迟变化；追踪侧分析异常、耗时和调用结构变化；日志侧则通过分组识别新出现或异常增加的错误模式。随后，这些检测结果会被转换成统一的异常格式，用于后续关联和排序。

系统会把时间上接近的异常归为潜在故障序列，例如数据库异常之后出现应用超时和前端报错，可能被判断为同一事故的连续表现；同时，它还利用序列指纹对反复出现的故障模式去重。由于单纯时间接近并不能证明因果关系，系统还会结合服务依赖方向和异常出现先后，从受影响服务向上游追踪，以定位更可能的源头。

输出结果不是简单列出异常清单，而是概括疑似原因、受影响服务和支撑性遥测证据，供工程师复核后采取修复措施。Atlassian还在探索引入基于LLM的编排能力，让智能体能主动请求额外遥测数据、比较多个假设并动态调整排查路径；同时也强调，这类系统需要在速率限制、执行环境和证据来源上设置管控，保持可解释性并基于真实数据，而不是生成看似合理的猜测。