面向弹性分布式计算连续统系统的仿生Agentic自愈框架

人类生物系统通过非凡的韧性维持生命，持续检测损伤、组织针对性响应，并通过自愈恢复功能。受这些能力启发，本文提出ReCiSt，一个旨在为分布式计算连续统系统（DCCS）实现弹性的仿生Agentic自愈框架。现代DCCS集成了从资源受限的IoT设备到高性能云基础设施的异构计算资源，其固有的复杂性、移动性和动态运行条件使其容易遭受破坏服务连续性的频繁故障。这些挑战凸显了对可扩展、自适应、自调节弹性策略的需求。ReCiSt将生物的止血、炎症、增殖和重塑阶段重构为面向DCCS的故障隔离、诊断、元认知和知识四个计算层。这四层通过语言模型（LM）驱动的agent执行自主故障隔离、因果诊断、自适应恢复和长期知识巩固。这些agent解读异构日志、推断根因、优化推理路径，并以最少的人工干预重新配置资源。所提出的ReCiSt框架在公开故障数据集上使用多个LM进行评估，由于缺乏类似方法，未包含基线对比。尽管如此，我们在不同LM下评估的结果证实，ReCiSt能在数十秒内完成自愈，agent CPU占用率最低为10%。我们的结果还展示了克服不确定性的分析深度，以及为实现弹性而调用的微agent数量。