Perpustakaan Digital ITB

Penelitian log anomaly detection pada microservice berbasis kubernetes dengan AutoLog menyajikan studi mengenai deteksi anomali pada log microservice dengan metode AutoLog yang dilakukan pada lingkungan Kubernetes. Penelitian ini bertujuan untuk mengevaluasi kinerja AutoLog dalam mendeteksi anomali dalam log sistem yang dihasilkan oleh microservice yang berjalan dalam cluster Kubernetes dan mengidentifikasi kondisi yang diperlukan untuk melatih ulang proses deteksi anomali log dengan metode AutoLog. Metodologi yang digunakan dalam penelitian ini adalah MLOps yang sesuai dengan pembuatan sistem dengan dukungan machine learning. Perangkat pendukung yang digunakan untuk logging pada Kubernetes adalah Grafana Loki. Strategi yang dipakai untuk mengukur efektivitas AutoLog adalah dengan melakukan fault injection menggunakan Chaos Mesh dan membandingkan hasil prediksi AutoLog dengan anomali hasil fault injection. Hasil penelitian menunjukkan bahwa AutoLog efektif dalam mendeteksi anomali dalam log sistem yang dihasilkan oleh microservice yang berjalan pada Kubernetes dengan F1 score 0.943. Penelitian ini juga mengidentifikasi kondisi yang diperlukan untuk melatih ulang proses deteksi anomali log untuk memastikan kinerja yang optimal.