Developing a multi-modal machine learning framework for Root Cause Analysis (RCA) in microservice architectures using application monitoring data

Šimon Peter Hrúz

Diplomová práce

Vývoj multimodálního frameworku strojového učení pro analýzu kořenových příčin v architekturách mikroslužeb s využitím dat z monitoringu aplikací

Anotace:

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.

Abstract:

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

detekce anomálií, OpenTelemetry, observabilita, Analýza kořenových příčin, multi-source telemetrie, Kubernetes, mikroslužby, unsupervised detekce anomálií, chaos engineering

Keywords

OpenTelemery, Kubernetes, chaos engineering, observability, anomaly detections, multi-source telemetry, Root Cause Analysis, microservices, unsupervised anomaly detection

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 2. 5. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 2026
• Vedoucí: Tomáš Bruckner

Vysoká škola ekonomická v Praze

Magisterský studijní program / obor:
Informační systémy a technologie / Business analýza