Graphbasierte Anomalieerkennung in Microservice-Architekturen: Lasttests vs Live-Streams

Prime Video nutzt regelmäßig Lasttests, um die Zuschauerzahlen bei Live‑Events wie Thursday Night Football oder VOD‑Highlights wie Rings of Power zu simulieren. Diese Tests prüfen zwar die Kapazität des Systems, können jedoch Verhaltensweisen übersehen, die nur bei echter Live‑Verkehrsbelastung auftreten.

Um diese Lücke zu schließen, hat das Unternehmen ein graphbasiertes Anomalieerkennungssystem entwickelt, das unüberwachte Knoteneinbettungen nutzt. Auf Basis eines GCN‑GAE lernt das Modell strukturelle Darstellungen aus gerichteten, gewichteten Service‑Graphen mit einer Auflösung von einer Minute. Anomalien werden erkannt, indem die Kosinus‑Ähnlichkeit zwischen den Embeddings der Lasttests und der Live‑Events verglichen wird.

Das System identifiziert frühzeitig betroffene Services, die in Vorfällen dokumentiert wurden, und liefert damit eine frühzeitige Warnung. Zusätzlich wurde ein synthetisches Anomalie‑Injektionsframework eingeführt, das die Evaluierung kontrolliert. Die Ergebnisse zeigen eine Präzision von 96 % und eine Fehlalarmlage von 0,08 %, während die Erkennungsrate bei konservativen Annahmen bei 58 % liegt.

Diese Erfolge demonstrieren die praktische Nützlichkeit der Methode bei Prime Video und liefern wertvolle Erkenntnisse für die Weiterentwicklung. Das Konzept bietet eine solide Basis für die Anwendung in weiteren Microservice‑Ökosystemen.