Case Studies of Causal Discovery from IT Monitoring Time Series
IT 监控时间序列中的因果发现案例研究AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确将因果发现算法用于观察性监控时间序列，文本依据对应因果推断方法和时间序列分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
IT 监控时间序列中的因果发现案例研究
- 研究问题
- 如何将因果发现算法用于复杂的 IT 监控时间序列，以探索系统组件之间的关系，并应对时间错位、休眠序列和缺失等问题？
- 方法与思路
- 作者在不同 IT 监控数据集上开展因果发现案例研究，结合实际数据的时间戳错误、序列错位及缺失现象，讨论方法收益和挑战。
- 材料陈述的贡献
- 摘要称案例展示了因果发现用于 IT 监控的潜在价值，同时指出复杂数据特征造成的持续困难；未报告新的识别定理或明确性能结果。
- 阅读关注点
- 应核对具体算法、预处理和时间对齐方案，以及因果关系的验证来源，并区分案例中实际实现的收益与背景中列举的潜在用途。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未说明算法、因果识别假设和验证标准，不能确认根因诊断或预测效果。
原文摘要
Information technology (IT) systems are vital for modern businesses, handling data storage, communication, and process automation. Monitoring these systems is crucial for their proper functioning and efficiency, as it allows collecting extensive observational time series data for analysis. The interest in causal discovery is growing in IT monitoring systems as knowing causal relations between different components of the IT system helps in reducing downtime, enhancing system performance and identifying root causes of anomalies and incidents. It also allows proactive prediction of future issues through historical data analysis. Despite its potential benefits, applying causal discovery algorithms on IT monitoring data poses challenges, due to the complexity of the data. For instance, IT monitoring data often contains misaligned time series, sleeping time series, timestamp errors and missing values. This paper presents case studies on applying causal discovery algorithms to different IT monitoring datasets, highlighting benefits and ongoing challenges.