运维管理人员收到业务系统告警后，立即从系统各个层面排查故障原因，通过必示业务明细多维定位，可以在海量交易明细数据中，快速定位异常维度，如渠道、返回码、交易码、甚至流经的服务器，交易来源省份或城市，通过下钻获取关键的指向性排障线索，可以在海量交易明细数据中，快速定位异常维度。

      以某业务系统为例，其包含交易渠道、交易类型、返回码等交易维度信息，必示业务明细多维定位从中探寻线索，帮助管理人员确定故障排障查方向，某次分析结果显示，在故障时段来自微信与支付宝交易渠道的未响应量影响程度最大，可以初步判断微信与支付宝等互联网交易渠道，可能出现异常，微信交易渠道的未响应量和响应时间，在故障时段内出现大幅异常波动，下钻查看其他维度取值的指标变化，交易类型为查询缴费单信息时，交易未响应情况，对于整体交易未响应量的影响程度最大，查看其他维度的指标变化，在各个源IP上，平均未响应量指标分布均匀，说明其他维度没有异常，综上所述，来自微信交易渠道的查询缴费单信息业务异常程度最高，应作为后续重点排查方向，由于众多维度及其取值组合间的交叉关联关系，人工分析多个维度的指标数据变化，往往耗时较长，必示业务明细多维定位，能够在短时间内，在海量交易维度数据中，准确锁定异常维度作为主要排查方向，提升故障定位效率和准确率。

【应用场景】

       当业务指标产生告警时（如交易量骤降、响应时间陡增），针对交易明细数据往往由人工逐个选定业务维度（如不同 省份、城市、渠道等）进行分析，寻找根因维度。但当业务维度数量众多且每种维度取值众多的时候，待分析的数据 规模将呈指数级增长，人工排查的方式在效率和准确性方面面临挑战。

      本场景在业务指标异常时，从业务交易明细数据中提取众多细分维度属性信息进行分析，挖掘异常交易共性因素，判 断故障影响范围，定位异常根因维度。

【主要特征】

根因定位准确率高：根据不同的数据规模和数据情况，自适应调整维度分析算法，准确定位可能的根因维度（组合）；

多维数据分析速度快：针对数十个维度、百万级取值组合的数据规模，可在分钟级时间范围内完成数据分析，给出定位结果。

【核心价值】

提升故障根因排查效率：充分利用交易明细数据，快速、准确地定位异常根因维度，相比传统人工逐个维度进行分析的方式，有效提升根因维度的分析效率和定位结果准确性；

直观了解故障影响范围：当业务指标异常时，在大规模交易数据中明确故障事件的影响范围，为管理员提供关键排障线索，有效缩小故障排查范围。