在快速發(fā)展的技術(shù)世界中，隨時掌握計(jì)算機(jī)系統(tǒng)的健康狀況至關(guān)重要。當(dāng)我們談?wù)?可觀測性"時，指的是收集和分析分布式計(jì)算機(jī)系統(tǒng)生成的數(shù)據(jù)，以便及時發(fā)現(xiàn)、診斷和解決性能與可靠性問題。這項(xiàng)由Datadog公司的Ben Cohen、Emaad Khwaja領(lǐng)導(dǎo)，并有眾多研究人員參與的最新研究成果，于2025年5月20日發(fā)表在arXiv預(yù)印本平臺上（編號：2505.14766v1）。這篇論文介紹了兩項(xiàng)重大貢獻(xiàn)：一個名為TOTO的時間序列預(yù)測基礎(chǔ)模型，以及一個專門用于可觀測性數(shù)據(jù)評估的大規(guī)?；鶞?zhǔn)數(shù)據(jù)集BOOM。這項(xiàng)研究值得我們關(guān)注，因?yàn)樗赡軓氐赘淖兾覀儽O(jiān)控和預(yù)測復(fù)雜計(jì)算系統(tǒng)行為的方式。

讓我們先理解一下為什么可觀測性數(shù)據(jù)如此特別。想象你有一臺正在運(yùn)行多個應(yīng)用程序的電腦。要確保它運(yùn)行良好，你需要監(jiān)控很多指標(biāo)：內(nèi)存使用量、CPU負(fù)載、磁盤讀寫速度、網(wǎng)絡(luò)吞吐量、點(diǎn)擊次數(shù)、錯誤率和延遲等。這些指標(biāo)各自展現(xiàn)不同的行為模式，共同反映系統(tǒng)的運(yùn)行狀況。當(dāng)這些指標(biāo)出現(xiàn)異常時（比如錯誤率突然飆升），你需要快速找出原因；或者，你可能想提前預(yù)測資源何時會耗盡，以便及時擴(kuò)展系統(tǒng)。

現(xiàn)實(shí)世界中，可觀測性系統(tǒng)通常需要監(jiān)控?cái)?shù)百萬甚至數(shù)十億個不同的時間序列。這種規(guī)模使得為每個時間序列單獨(dú)訓(xùn)練復(fù)雜模型變得不切實(shí)際。你可以想象這就像要為城市中的每條街道分別預(yù)測交通狀況，而不是建立一個統(tǒng)一的交通預(yù)測系統(tǒng)。這正是時間序列基礎(chǔ)模型的用武之地——它們可以在不需要針對特定時間序列進(jìn)行訓(xùn)練的情況下，直接進(jìn)行"零樣本"預(yù)測。

然而，研究人員發(fā)現(xiàn)現(xiàn)有的通用時間序列基礎(chǔ)模型在處理可觀測性數(shù)據(jù)時表現(xiàn)不佳。這就像一個擅長預(yù)測天氣的系統(tǒng)可能無法準(zhǔn)確預(yù)測股票市場一樣——不同領(lǐng)域的數(shù)據(jù)有其獨(dú)特的特點(diǎn)和挑戰(zhàn)。

一、TOTO：為可觀測性而生的時間序列基礎(chǔ)模型

TOTO（Time Series Optimized Transformer for Observability）是一個擁有1.51億參數(shù)的時間序列預(yù)測基礎(chǔ)模型。它采用了現(xiàn)代的僅解碼器架構(gòu)，并融入了專為應(yīng)對多變量可觀測性時間序列數(shù)據(jù)挑戰(zhàn)而設(shè)計(jì)的創(chuàng)新架構(gòu)。

讓我們通過一個簡單的比喻來理解TOTO的工作原理：想象你在觀察一個繁忙的道路網(wǎng)絡(luò)。每條道路（變量）在不同時間點(diǎn)有不同的交通流量（數(shù)值）。TOTO的任務(wù)是根據(jù)過去幾小時的交通數(shù)據(jù)，預(yù)測未來幾小時內(nèi)每條道路的交通情況。

TOTO的關(guān)鍵創(chuàng)新組件包括：

首先是"基于補(bǔ)丁的因果實(shí)例歸一化"。普通人可能會問："這是什么意思？"簡單來說，可觀測性數(shù)據(jù)往往變化劇烈——就像一條平時很少車輛的道路，突然因?yàn)橐粓鲆魳窌兊卯惓矶隆４蠖鄶?shù)模型會使用整個歷史數(shù)據(jù)的平均值和方差來標(biāo)準(zhǔn)化輸入，但這對于這種快速變化的數(shù)據(jù)效果不佳。TOTO采用了一種新方法，它只使用當(dāng)前和過去的數(shù)據(jù)來計(jì)算標(biāo)準(zhǔn)化參數(shù)，確保模型不會"偷看"未來的數(shù)據(jù)。這就像交通預(yù)報(bào)員只能根據(jù)已經(jīng)發(fā)生的交通狀況，而不是根據(jù)將要舉行的活動來預(yù)測交通一樣。研究表明，這種方法在處理高度非平穩(wěn)的序列時表現(xiàn)出色。

第二個創(chuàng)新是"比例因子化注意力"。想象你需要同時關(guān)注數(shù)十條甚至上百條道路的交通狀況。傳統(tǒng)方法要么會試圖同時分析所有道路和所有時間點(diǎn)的關(guān)系（計(jì)算成本極高），要么只關(guān)注時間維度而忽略道路之間的關(guān)系（丟失重要信息）。TOTO采用了一種平衡的方法：它更多地關(guān)注時間維度的關(guān)系（例如，早高峰通常在下午高峰之前），但也不忽視變量之間的關(guān)系（例如，主干道擁堵時，附近的小路也可能變得繁忙）。具體來說，TOTO使用了11:1的比例——11個時間維度的注意力層后跟1個變量維度的注意力層，這樣既能捕捉時間模式，又能理解變量間的相互影響，同時保持計(jì)算效率。

第三個關(guān)鍵組件是"學(xué)生T混合模型"。為什么需要這個？可觀測性數(shù)據(jù)經(jīng)常出現(xiàn)極端值——就像平常車流量為100輛/小時的道路，偶爾可能因?yàn)槭鹿曙j升到1000輛/小時。普通的高斯分布（鐘形曲線）難以捕捉這種極端情況。TOTO使用學(xué)生T分布的混合模型，這種分布有"更厚的尾部"，能更好地表示罕見但重要的極端情況。這使得TOTO不僅能預(yù)測普通情況，還能對異常情況做出合理的概率估計(jì)。

最后，TOTO使用了"復(fù)合魯棒損失函數(shù)"，這有點(diǎn)像訓(xùn)練一個運(yùn)動員同時掌握多種技能。該損失函數(shù)結(jié)合了負(fù)對數(shù)似然（關(guān)注概率預(yù)測質(zhì)量）和柯西損失（關(guān)注點(diǎn)預(yù)測準(zhǔn)確性），幫助模型在訓(xùn)練過程中避免某些病態(tài)解，并減輕離群值的影響。

TOTO的訓(xùn)練數(shù)據(jù)集是目前最大的同類數(shù)據(jù)集之一，包含約2.36萬億個時間序列點(diǎn)，其中1.59萬億是非重復(fù)的非合成數(shù)據(jù)。這個數(shù)據(jù)集比領(lǐng)先的時間序列基礎(chǔ)模型的預(yù)訓(xùn)練語料庫大4-10倍。其中43%來自Datadog自己的內(nèi)部可觀測性平臺，完全匿名化處理，不包含任何客戶數(shù)據(jù)。此外，還包括公共數(shù)據(jù)集和合成數(shù)據(jù)，以提高模型的泛化能力。

二、BOOM：為可觀測性而生的基準(zhǔn)數(shù)據(jù)集

除了TOTO模型，研究團(tuán)隊(duì)還推出了BOOM（Benchmark of Observability Metrics），這是一個專門針對可觀測性時間序列的大規(guī)模評估框架。

BOOM包含約3.5億個觀測值，跨越2,807個真實(shí)世界的時間序列。盡管BOOM的唯一序列數(shù)量比通用時間序列基準(zhǔn)GIFT-Eval少（2,807對144K），但它的總數(shù)據(jù)點(diǎn)更多（3.5億對1.58億），且維度顯著更高，每個序列的中位變量數(shù)為60，而GIFT-Eval主要是單變量或低基數(shù)多變量序列。

BOOM的數(shù)據(jù)完全來自Datadog平臺的匿名化遙測和內(nèi)部可觀測性指標(biāo)。為確保評估設(shè)置穩(wěn)健并防止污染，TOTO的訓(xùn)練數(shù)據(jù)專門來自生產(chǎn)環(huán)境，而BOOM的評估數(shù)據(jù)則來自單獨(dú)的暫存環(huán)境。

為了突顯BOOM數(shù)據(jù)的多樣性，研究人員將每個時間序列根據(jù)其查詢字符串分配了一個或多個標(biāo)簽，形成了一個分類法。這些領(lǐng)域包括：應(yīng)用程序使用（占41.3%，如請求率、API調(diào)用）、基礎(chǔ)設(shè)施（占34.4%，如CPU使用率、內(nèi)存消耗）、數(shù)據(jù)庫（占29.3%，如查詢延遲）、網(wǎng)絡(luò)（占10%，如吞吐量、延遲）和安全（占0.3%，如登錄嘗試、代碼漏洞）。

那么，可觀測性時間序列有什么特別之處呢？研究人員分析了六個相關(guān)統(tǒng)計(jì)特性，發(fā)現(xiàn)BOOM數(shù)據(jù)集與通用時間序列基準(zhǔn)相比有顯著差異：

首先是"一階自相關(guān)函數(shù)"，它衡量短期時間依賴性。BOOM分布在較小值處有較大的下尾，表明局部噪聲波動更大。

其次是"ARCH-LM統(tǒng)計(jì)量"，它檢測自回歸條件異方差性。BOOM分布是雙峰的，在接近零處有一個大峰值，這表明時變波動性更高。

"頻譜熵"在可觀測性序列中平均更高，表明周期性更少，不規(guī)則性更大。

"KPSS統(tǒng)計(jì)量"，一種非平穩(wěn)性測試，在BOOM可觀測性數(shù)據(jù)中取值更大，表明更頻繁地偏離確定性趨勢。

"平坦點(diǎn)"衡量時間序列中最長常數(shù)子序列的長度。這個指標(biāo)在BOOM中更高，表明可觀測性數(shù)據(jù)中的稀疏指標(biāo)更多。

最后，"偏度"揭示了可觀測性數(shù)據(jù)中更重尾、不對稱的分布，這通常反映了突發(fā)行為和罕見但極端的事件。

總的來說，這些統(tǒng)計(jì)特性在BOOM數(shù)據(jù)中的更極端值，強(qiáng)化了可觀測性時間序列的獨(dú)特性和挑戰(zhàn)性。

三、實(shí)驗(yàn)結(jié)果：TOTO的表現(xiàn)如何？

研究團(tuán)隊(duì)在三個基準(zhǔn)上評估了TOTO：BOOM、GIFT-Eval和LSF（長序列預(yù)測）。

在BOOM上，TOTO顯著優(yōu)于其他基礎(chǔ)模型和基線方法。具體而言，TOTO的MASE（平均絕對比例誤差）和CRPS（連續(xù)排序概率得分）分別比次優(yōu)模型MoiraiBase低13.1%和12.4%，平均排名也顯著更低（2.351對4.278）。TOTO在各種預(yù)測期限（短期、中期、長期）和各種指標(biāo)類型（計(jì)數(shù)、分布、儀表、速率）上都表現(xiàn)出色，展示了其在不同情境下的魯棒性。

在GIFT-Eval上，盡管這是一個通用時間序列預(yù)測基準(zhǔn)，TOTO仍然取得了頂級性能，平均排名分?jǐn)?shù)為5.495（截至2025年5月）。它在點(diǎn)預(yù)測（MASE為0.673）和概率預(yù)測（CRPS為0.437）方面都表現(xiàn)強(qiáng)勁。值得注意的是，TOTO是最佳表現(xiàn)模型，盡管一些競爭模型與基準(zhǔn)數(shù)據(jù)集之間存在已知的部分?jǐn)?shù)據(jù)泄露問題。

在LSF基準(zhǔn)上，盡管這個基準(zhǔn)在數(shù)據(jù)集多樣性和監(jiān)督方法飽和方面有已知限制，TOTO仍然取得了最先進(jìn)的結(jié)果，在與其他零樣本方法相比的12個報(bào)告指標(biāo)中取得了8個最佳性能，并且平均MAE和MSE最低。此外，當(dāng)在LSF的訓(xùn)練分割上微調(diào)時，TOTO在全樣本評估中也取得了最先進(jìn)的結(jié)果，這凸顯了TOTO作為多功能選擇的強(qiáng)大泛化能力。

研究人員還進(jìn)行了消融實(shí)驗(yàn)，以說明TOTO各架構(gòu)組件的作用。結(jié)果表明，去除因果縮放導(dǎo)致NLL增加27.3%，去除學(xué)生T混合模型導(dǎo)致NLL增加27.2%，這證明了這些組件對于模型性能的重要性。

四、研究的意義與展望

這項(xiàng)研究通過可觀測性的視角重新構(gòu)建了時間序列預(yù)測，展示了一個領(lǐng)域特定基礎(chǔ)模型可以如何超越通用模型。TOTO的零樣本能力特別適合可觀測性場景，在這些場景中，需要實(shí)時監(jiān)控?cái)?shù)百萬個時間序列，而沒有時間為每個序列單獨(dú)訓(xùn)練模型。

當(dāng)然，TOTO也有一些限制。例如，它假設(shè)時間序列是固定間隔的，目前使用啟發(fā)式方法處理缺失點(diǎn)。它也不直接納入基于日歷的特征，這對某些應(yīng)用可能很重要。此外，對極端預(yù)測長度的性能研究也將對某些應(yīng)用有所啟發(fā)。

研究團(tuán)隊(duì)已將TOTO的模型權(quán)重、推理代碼和評估腳本，以及BOOM的數(shù)據(jù)和評估代碼，都以Apache 2.0許可證開源提供，希望加速解答這些和其他開放問題的研究，為社區(qū)做出貢獻(xiàn)，并引起人們對這一重要實(shí)際應(yīng)用的關(guān)注。

總的來說，這項(xiàng)研究不僅推進(jìn)了時間序列預(yù)測技術(shù)的前沿，還特別關(guān)注了一個具有重大實(shí)際意義的應(yīng)用領(lǐng)域——可觀測性。通過開源他們的工作，研究團(tuán)隊(duì)為未來的研究和應(yīng)用打開了新的可能性，這對于依賴復(fù)雜分布式系統(tǒng)的組織和個人都有潛在的深遠(yuǎn)影響。