LogNLQ：使用解析器引发和具有语义依据的模式的自然语言日志查询

日志对于现代软件系统中的系统监控和故障诊断至关重要，但通过自然语言查询它们仍然是一个开放的挑战。现有的方法要么将日志视为纯文本，为轻模式后端生成查询，要么假设预定义的关系模式，但没有解决根本性障碍：原始日志不携带可以定义和运行结构化查询的可执行模式。为了解决这些限制，我们提出了 LogNLQ，这是一个框架，它将自然语言日志查询制定为基于解析器诱导和具有语义依据的模式的可执行 SQL 生成。 LogNLQ 将原始日志解析为模板分区的关系表，然后应用双粒度语义基础，使用可解释的名称和描述来注释模板和参数列。在查询时，通过语义搜索检索相关模式候选，并且 大语言模型 (LLM) 生成受限于检索到的上下文的可执行 SQL。为了支持严格的评估，我们引入了 LogNLQ-Bench，这是一个经过执行验证的基准，对四个真实日志数据集进行了 8,895 次查询。实验结果表明，LogNLQ 始终大幅优于所有代表性基线，尤其是在分析复杂场景查询方面的收益尤其明显。