服务图上错误最多的节点往往最像故障源。但它也可能只是流量入口把下游异常都接在了自己身上。图神经网络能利用邻居信息却不能替我们补齐未采集到的依赖事实。模型会沿着什么传播GCN 原始论文讨论图结构上的半监督分类。把该思路用于运维时节点特征、邻接关系和标签定义都要重新设计论文任务的结果不是微服务根因准确率。最常见的输入缺口有三类采样漏掉低频调用异步消息没有接成同步调用链以及图版本落后于最近一次发布。没有观察到 A→B至少存在“确实没有调用”和“调用存在但没采到”两种可能不能都编码成确定的零。2026年10月21日的 运维 Agent 上下文评估把拓扑与变更记录列为重要材料。借鉴它时我更关心缺失信息怎样返回而不是把厂商实验的分数贴到自己的模型上。一个邻居聚合的反例下面不是 GCN 训练代码只用均值演示一件事漏边会改变输入到分类器之前的表示。它完全使用 Python 3 标准库。features {A: 0.2, B: 0.8, C: 0.1, D: 1.0} def aggregate(node, outgoing): neighbors outgoing.get(node, []) values [features[node]] [features[n] for n in neighbors] return sum(values) / len(values) observed {A: [B], B: [C]} with_missing_edge_restored {A: [B], B: [C, D]} first aggregate(B, observed) second aggregate(B, with_missing_edge_restored) assert round(first, 2) 0.45 assert round(second, 3) 0.633 assert first ! second print({observed_only: first, with_extra_edge: second})这里的数值只是教学特征不是概率也不是线上异常分。实际 GCN 还有归一化、权重与非线性不能把这个均值实现命名为“生产级 GCN”。例子的价值在于让拓扑敏感性变得可见。评测应主动拆掉一些边按事故与时间切分训练、验证集避免同一次事故的相邻采样进入两边。然后分别测试完整拓扑、随机漏边、按采集器故障成片漏边、发布后旧图等情况。比较 Top-k 候选召回的同时记录模型是否愿意输出“不足以定位”。每个候选最好返回支持节点、边的来源、图版本及缺失范围。若加入一条未经核实的边就能让第一名剧烈翻转应先提高调查优先级而不是让 Agent 自动重启该节点。本文没有训练 GCN、调用 PyG 或复现生产定位指标只验证了聚合对输入边的敏感性。根因定位的第一层可靠性来自输入证据模型层数再多也不能把未知关系变成已发生的调用。
