UModel：一种可代理的大规模可观测性数据建模方法

当网络系统发生故障时，使用可观测性数据自动执行根本原因分析 (RCA) 对于确保网络系统的可靠性至关重要。最近，基于 LLM 的智能体有望通过高级推理和自主探索实现诊断过程的自动化。然而，现有的可观察性框架仍然过时，其特点是碎片化的数据孤岛、不兼容的模式和不足的语义元数据，阻碍了代理建立有效 RCA 所需的复杂关系。为了应对这些挑战，我们提出了 UModel，这是一个统一的本体框架，它将可观察性从以数据为中心的建模转变为以对象为中心的建模。 UModel 构建了一个虚拟本体层，其中异构遥测、实体和专家知识被标准化为对象并通过语义图互连。此外，我们还引入了 U-SPL，这是一种基于管道的查询接口，使代理能够自主探索系统拓扑并关联多模式数据。通过使用 UModel 对“AIOps 2025 Challenge”数据集进行重新建模，根本原因定位的精度提高了 8%，这表明增强的数据组织可以显着提高下游任务的准确性。 UModel提供了一个可扩展的建模框架，在阿里云部署一年多来，已服务数万用户，每秒维持数百万次操作，并提供亚秒级查询延迟。