Log-Insight：通过神经符号日志分析自动化微服务事件诊断

对于站点可靠性工程师 (SRE) 来说，诊断大规模微服务系统中的生产事件至关重要。我们的部署中单个 30 分钟的事件窗口可以生成超过 200 万条日志行（大约 12 亿个字符，远远超过标准 LLM 上下文窗口），使得直接基于 LLM 的根本原因分析 (RCA) 不可行。现有方法存在缺陷：基于模板的解析器缺乏语义异常推理，深度学习检测器发出黑盒二进制信号，LLM 管道在原始遥测中遭受上下文溢出和域幻觉。我们推出 Log-Insight，这是华为生产中部署的自动化事件诊断系统。核心设计原则使 SRE 的手动分类工作流程自动化：符号阶段复制熟练的 SRE 将执行的结构化调查 - 采样、模式理解、模式聚类和统计异常排名。这为 LLM 提供了一份紧凑的、预先排序的证据档案，可将其合成为假设报告。我们的六级管道将数百万个原始事件减少了 1,000-7,000 倍，同时保留了具有统计意义的故障信号。通过对 11 个历史生产事件（110 次运行，经过 SRE 验证的 真值）进行评估，Log-Insight 实现了 MRR = 0.790，在超过 90% 的运行中在一分钟的延迟内返回了前 3 个假设中的正确根本原因。我们报告系统的故障模式、积极的缓解措施和开放的研究方向。取证证据部分（列出准确的日志模板和偏差统计数据）一直被操作员视为关键的采用因素，将系统的感知角色从不透明的预言机转变为调查助手。