Vývoj multimodálního frameworku strojového učení pro analýzu kořenových příčin v architekturách mikroslužeb s využitím dat z monitoringu aplikací
| Název práce: | Developing a multi-modal machine learning framework for Root Cause Analysis (RCA) in microservice architectures using application monitoring data |
|---|---|
| Autor(ka) práce: | Hrúz, Šimon Peter |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Bruckner, Tomáš |
| Oponenti práce: | Feuerlicht, Jiří |
| Jazyk práce: | English |
| Abstrakt: | This work examines issues arising from increased adoption of distributed architecture without observability in mind. Aiming to provide framework and deployable artefact for small to medium business to address the gap in observability market. Modern platforms solve this problem with proprietary black-boxes and AI models that are not cheap, interpretable and from licensing cost perspective – out of reach for anyone other than enterprises. Our work proposes multi-source root cause analysis framework that’s interpretable with open-source observability standard Open Telemetry. Framework is tested against custom demo application with predefined fault scenarios and evaluated on its correctness of detecting anomalous signals and service in the topology. Results show reliable attribution on platform-layer faults within seconds, while application-layer faults expose interpretable failure modes that mark the boundary of the framework's design rather than random performance. |
| Klíčová slova: | OpenTelemery; Kubernetes; chaos engineering; observability; anomaly detections; multi-source telemetry; Root Cause Analysis; microservices; unsupervised anomaly detection |
| Název práce: | Vývoj multimodálního frameworku strojového učení pro analýzu kořenových příčin v architekturách mikroslužeb s využitím dat z monitoringu aplikací |
|---|---|
| Autor(ka) práce: | Hrúz, Šimon Peter |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Bruckner, Tomáš |
| Oponenti práce: | Feuerlicht, Jiří |
| Jazyk práce: | English |
| Abstrakt: | Tato práce zkoumá problémy plynoucí z rostoucí adopce distribuovaných architektur bez ohledu na observabilitu při jejich zavádění. Cílem je poskytnout malým a středním podnikům framework a nasaditelný artefakt, který adresuje mezeru na trhu observability. Moderní platformy tento problém řeší proprietárními black-boxy a AI modely, které nejsou levné, interpretovatelné a z hlediska licenčních nákladů jsou mimo dosah kohokoliv jiného než velkých korporací. Předkládaná práce navrhuje multi-source framework pro analýzu kořenových příčin postavený na open source observability standardu OpenTelemetry. Framework je testován proti vlastní demo aplikaci s předdefinovanými scénáři chyb a vyhodnocen na správnosti detekce anomálních signálů a služeb v topologii. Výsledky ukazují spolehlivou atribuci chyb na úrovni platformy v řádu sekund, zatímco chyby na aplikační vrstvě odhalují interpretovatelné chybové módy, které vymezují hranice návrhu frameworku, nikoli jeho nahodilé chování. |
| Klíčová slova: | detekce anomálií; OpenTelemetry; observabilita; Analýza kořenových příčin; multi-source telemetrie; Kubernetes; mikroslužby; unsupervised detekce anomálií; chaos engineering |
Informace o studiu
| Studijní program / obor: | Informační systémy a technologie/Business analýza |
|---|---|
| Typ studijního programu: | Magisterský studijní program |
| Přidělovaná hodnost: | Ing. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta informatiky a statistiky |
| Katedra: | Katedra informačních technologií |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 8. 10. 2025 |
|---|---|
| Datum podání práce: | 2. 5. 2026 |
| Datum obhajoby: | 9. 6. 2026 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/93901/podrobnosti |