論文の概要: From Natural Language to PromQL: A Catalog-Driven Framework with Dynamic Temporal Resolution for Cloud-Native Observability
- arxiv url: http://arxiv.org/abs/2604.13048v1
- Date: Sun, 15 Mar 2026 18:48:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.634124
- Title: From Natural Language to PromQL: A Catalog-Driven Framework with Dynamic Temporal Resolution for Cloud-Native Observability
- Title（参考訳）: 自然言語からPromQLへ - クラウドネイティブな可観測性のための動的時間分解機能を備えたカタログ駆動フレームワーク
- Authors: Twinkll Sisodia,
- Abstract要約: 本稿では、自然言語質問を実行可能なPromQLクエリに変換するカタログ駆動フレームワークを提案する。
システムはAIワークロードを管理する運用クラスタにデプロイされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern cloud-native platforms expose thousands of time series metrics through systems like Prometheus, yet formulating correct queries in domain-specific languages such as PromQL remains a significant barrier for platform engineers and site reliability teams. We present a catalog-driven framework that translates natural language questions into executable PromQL queries, bridging the gap between human intent and observability data. Our approach introduces three contributions: (1) a hybrid metrics catalog that combines a statically curated base of approximately 2,000 metrics with runtime discovery of hardware-specific signals across GPU vendors, (2) a multi-stage query pipeline with intent classification, category-aware metric routing, and multi-dimensional semantic scoring, and (3) a dynamic temporal resolution mechanism that interprets diverse natural language time expressions and maps them to appropriate PromQL duration syntax. We integrate the framework with the Model Context Protocol (MCP) to enable tool-augmented LLM interactions across multiple providers. The catalog-driven approach achieves sub-second metric discovery through pre-computed category indices, with the full pipeline completing in approximately 1.1 seconds via the catalog path. The system has been deployed on production Kubernetes clusters managing AI inference workloads, where it supports natural language querying across approximately 2,000 metrics spanning cluster health, GPU utilization, and model-serving performance.
- Abstract（参考訳）: 現代のクラウドネイティブプラットフォームは、Prometheusのようなシステムを通じて数千の時系列メトリクスを公開するが、PromQLのようなドメイン固有の言語で正しいクエリを策定することは、プラットフォームエンジニアやサイト信頼性チームにとって重要な障壁である。
自然言語の質問を実行可能なPromQLクエリに変換し,人間の意図と可観測性データのギャップを埋める,カタログ駆動のフレームワークを提案する。
提案手法では,(1)GPUベンダ間のハードウェア固有の信号のランタイム検出と,約2000の静的にキュレートされたベースを組み合わせたハイブリッドメトリクスカタログ,(2)意図分類,カテゴリ対応メトリックルーティング,多次元セマンティックスコアリングを備えたマルチステージクエリパイプライン,(3)多様な自然言語時間表現を解釈し,適切なPromQL時間構文にマップする動的時間分解機構,の3つのコントリビューションを紹介した。
このフレームワークをモデルコンテキストプロトコル(MCP)と統合し、複数のプロバイダ間でツールと拡張されたLLMインタラクションを可能にする。
カタログ駆動のアプローチは、事前計算されたカテゴリインデックスによるサブ秒単位のメトリック発見を実現し、完全なパイプラインはカタログパスを介して約1.1秒で完了する。
システムは、AI推論ワークロードを管理するKubernetesクラスタにデプロイされ、クラスタの健全性、GPU利用、モデル保存パフォーマンスにまたがる、約2000のメトリクスにわたる自然言語クエリをサポートする。
関連論文リスト
- Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems [0.0]
本稿では,自然言語クエリを構造化データ解析のための実行可能なPythonコードに変換するために,実運用最適化マルチエージェントシステムを提案する。
高価なフロンティアモデルに依存するシステムとは異なり、我々のアプローチは3つの重要な革新を通じて高い精度とコスト効率を達成する。
本稿では,LLM ベースの分析システムを大規模に展開する上での実践的考察について述べる。
論文 参考訳（メタデータ） (2026-01-16T11:32:20Z) - Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search [54.987957691350665]
クエリ駆動テキスト要約(QDTS)は、与えられたクエリに基づいてテキスト文書から簡潔で情報的な要約を生成することを目的としている。
従来の抽出的要約モデルは、主にランク付け候補の要約セグメントに基づいており、産業応用において支配的なアプローチとなっている。
産業Web検索におけるリアルタイムQDTSに対処するための生成モデルの適用を開拓するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-28T08:51:51Z) - Text-to-SPARQL Goes Beyond English: Multilingual Question Answering Over Knowledge Graphs through Human-Inspired Reasoning [51.203811759364925]
mKGQAgentは、自然言語の質問をSPARQLクエリに変換し、モジュール化された解釈可能なサブタスクに変換するタスクを分解する。
2025年のText2SPARQLチャレンジにおいて、DBpediaとCorporateベースのKGQAベンチマークに基づいて評価され、私たちのアプローチは、他の参加者の中で第一に行われました。
論文 参考訳（メタデータ） (2025-07-22T19:23:03Z) - PromAssistant: Leveraging Large Language Models for Text-to-PromQL [22.44987357626691]
本稿では,広く使用されているメトリクス監視システムであるPrometheusが提供するメトリッククエリDSLであるPromQLに注目した。
本稿では,PromQLフレームワークであるPromAssistantを提案する。
PromAssistantは、メトリッククエリと分析のためのDSL生成フレームワークを開拓しました。
論文 参考訳（メタデータ） (2025-03-05T02:22:01Z) - CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。
従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。
粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
論文 参考訳（メタデータ） (2024-06-25T12:47:04Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - Bootstrapping Referring Multi-Object Tracking [27.77514740607812]
マルチオブジェクト追跡(RMOT)と呼ばれる新しい一般的な参照理解タスクを導入する。
その中核となる考え方は、言語表現を意味的キューとして利用して、多目的追跡の予測を導くことである。
高品質なアノテーションを効率よく生成するために,9,758個の言語プロンプトを定式化する半自動ラベリングパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-07T16:02:10Z) - Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT [48.35407228760352]
検索パイプラインは、文書が長い(例えば10Kトークン以上)ドメインや、関連する文書を識別する場合は、テキスト全体にわたって情報を合成する必要がある。
これらのドメインに適した長文検索エンコーダを開発する。
LoCoV1は,チャンキングが不可能か有効でない場合の長文検索のための新しい12タスクベンチマークである。
次に、M2-BERT検索エンコーダについて述べる。M2-BERT検索エンコーダは、Monarch Mixerアーキテクチャから構築された80Mパラメータの状態空間エンコーダモデルであり、最大32Kトークンまで拡張可能である。
論文 参考訳（メタデータ） (2024-02-12T06:43:52Z) - Dialogue State Tracking with a Language Model using Schema-Driven
Prompting [18.83983018421701]
本稿では,スキーマ駆動型プロンプトを用いてタスク認識履歴エンコーディングを行う言語モデリング手法の新たなバリエーションを提案する。
我々の純生成システムは、MultiWOZ 2.2の最先端性能を実現し、MultiWOZ 2.1とM2Mの2つのベンチマークで競合性能を達成する。
論文 参考訳（メタデータ） (2021-09-15T18:11:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。