KORAL：基于知识图谱引导的LLM推理用于SSD运行分析

固态硬盘（SSDs）在数据中心、消费平台和关键任务系统中至关重要。然而，由于数据碎片化且时间不连续，现有方法需要大量数据集和专家输入，但提供的洞察有限。KORAL是一个由知识驱动的推理框架，将大语言模型（LLMs）与结构化的知识图谱（KG）相结合，以生成对SSD运行的见解。该方法从碎片化的遥测数据生成数据知识图谱，并整合已组织的文献知识图谱，从而将非结构化来源转化为可查询的图谱，并将遥测数据转化为结构化知识。两个图谱共同引导LLM提供基于证据、可解释的分析，符合领域术语和约束条件。使用真实生产跟踪的评估表明，KORAL能够实现专家级诊断和建议，并通过有根据的解释提高推理透明度，指导操作决策，减少人工工作量，并提供改进服务质量的可行见解。据我们所知，这是首个结合LLMs和KGs的端到端系统，用于全频谱SSD推理，包括描述性、预测性、规范性和假设性分析。