**በኤጅ የተጎለተቱ የዴቭኦፕስ ቧንቧዎችን ከDSPy እና LangChain ጋር በማደራጀት ላይ ለቅድመ ክስተት ምርመራ እና በ Edge Computing Environments ውስጥ መፍትሄ መስጠት ***

መግቢያ

ከጊዜ ወደ ጊዜ እየጨመረ የመጣው የዘመናዊ የሶፍትዌር ስርዓቶች ውስብስብነት ከጊዜ ወደ ጊዜ እየጨመረ የመጣው የመረጃ ሂደት እና ትንተና ፍላጎት ጋር ተዳምሮ የጠርዝ ማስላት አከባቢዎች እንዲፈጠሩ ምክንያት ሆኗል. እነዚህ አካባቢዎች፣ የተከፋፈሉ፣ ራሳቸውን የቻሉ እና የተለያዩ ስርዓቶች በመኖራቸው ተለይተው የሚታወቁት ለDevOps ቡድኖች ከፍተኛ ፈተናዎችን ይፈጥራሉ። በዚህ ጽሑፍ ውስጥ፣ በ AI-powered code review tools እና AIOps መድረኮች፣ በተለይም DSPy እና LangChain፣ በጠርዝ ኮምፒውቲንግ አከባቢዎች ላይ አስቀድሞ የተከሰተ ምርመራን እና መፍታትን ለማስቻል የቅርብ ጊዜውን እድገት እንዴት መጠቀም እንደሚቻል እንመረምራለን።

** የ AI፣ DevOps እና Edge Computing መገናኛ**

የጠርዝ ማስላት አከባቢዎች የተከፋፈሉ፣ ራስ ገዝ እና የተለያዩ ስርዓቶች በመኖራቸው ይታወቃሉ፣ ይህም ለDevOps ቡድኖች ክስተቶችን በጊዜ እና በብቃት ለመፍታት ፈታኝ ያደርገዋል። ይህንን ፈተና ለመቅረፍ በ AI የተጎለበተ የኮድ መገምገሚያ መሳሪያዎች እና AIOps መድረኮች እንደ ተስፋ ሰጭ መፍትሄ ብቅ አሉ። እነዚህ መሳሪያዎች የስርዓት ምዝግብ ማስታወሻዎችን፣ የአፈጻጸም መለኪያዎችን እና ሌሎች የመረጃ ምንጮችን ለመተንተን የማሽን መማሪያ ስልተ ቀመሮችን እና የተፈጥሮ ቋንቋ ማቀነባበሪያ ቴክኒኮችን ይጠቀማሉ፣ ይህም የDevOps ቡድኖች ያልተለመዱ ነገሮችን እንዲያውቁ እና ሊከሰቱ የሚችሉ ክስተቶችን ከመከሰታቸው በፊት እንዲተነብዩ ያስችላቸዋል።

** DSPy፡ የፓይዘን ቤተ መፃህፍት ለ AI-Powered Code Review ***

DSPy ገንቢዎች በአይ-የተጎለበተ የኮድ መገምገሚያ መሳሪያዎች በዴቭኦፕስ ቧንቧ መስመሮቻቸው ውስጥ ያላቸውን ኃይል እንዲጠቀሙ የሚያስችል የፓይዘን ቤተ-መጽሐፍት ነው። DSPy የማሽን መማር ስልተ ቀመሮችን እና የተፈጥሮ ቋንቋን የማቀናበር ቴክኒኮችን ከኮድ ግምገማ የስራ ፍሰቶች ጋር ለማዋሃድ ቀላል እና ሊታወቅ የሚችል ኤፒአይ ያቀርባል። በDSPy፣ ገንቢዎች ያልተለመዱ ነገሮችን ለመለየት እና ሊከሰቱ የሚችሉ ክስተቶችን ለመተንበይ የስርዓት ምዝግብ ማስታወሻዎችን፣ የአፈጻጸም መለኪያዎችን እና ሌሎች የውሂብ ምንጮችን መተንተን ይችላሉ።

** LangChain፡ በ AI የተጎለበተ የ AIOps መድረኮችን ለመገንባት ማዕቀፍ**

LangChain በ AI-powered AIOps መድረኮችን ለመገንባት ማዕቀፍ ሲሆን ይህም በጠርዝ ኮምፒውቲንግ አከባቢዎች ላይ አስቀድሞ የተከሰተ ምርመራን እና መፍታትን ያስችላል። LangChain የማሽን መማሪያ ስልተ ቀመሮችን፣ የተፈጥሮ ቋንቋ ማቀነባበሪያ ቴክኒኮችን እና ሌሎች በ AI የተጎለበተ መሳሪያዎችን ወደ AIOps የመሳሪያ ስርዓቶች ለማዋሃድ የቅድመ-የተገነቡ ክፍሎችን እና ኤፒአይዎችን ያቀርባል። በLangChain፣ ገንቢዎች በ AI-powered code review tools እና AIOps መድረኮች ላይ የቅርብ ጊዜውን እድገት የሚያሟሉ ብጁ AIOps መድረኮችን መገንባት ይችላሉ።

** AI-Powered DevOps ቧንቧዎችን ከDSPy እና LangChain ጋር በማደራጀት ላይ ***

በ AI የሚንቀሳቀሱ የዴቭኦፕስ ቧንቧዎችን ከDSPy እና LangChain ጋር ለማቀናጀት ገንቢዎች እነዚህን ደረጃዎች መከተል ይችላሉ፡

1. ** DSPyን ወደ DevOps ቧንቧው ያዋህዱት ***፡ ገንቢዎች የስርዓት ምዝግብ ማስታወሻዎችን፣ የአፈጻጸም መለኪያዎችን እና ሌሎች የመረጃ ምንጮችን ለመተንተን DSPy ኤፒአይን በመጠቀም ወደ DevOps ቧንቧ መስመር ማዋሃድ ይችላሉ።
2. ** ብጁ የ AIOps መድረክን ለመገንባት LangChainን ይጠቀሙ ***: ገንቢዎች በ AI-powered code review tools እና AIOps መድረኮች ላይ የቅርብ ግስጋሴዎችን የሚጠቀም ብጁ AIOps መድረክን ለመገንባት LangChainን መጠቀም ይችላሉ።
3. ** የ AIOps መድረክን በ DevOps ቧንቧ መስመር ውስጥ ያዋህዱ ***: ገንቢዎች የስርዓት ምዝግብ ማስታወሻዎችን, የአፈፃፀም መለኪያዎችን እና ሌሎች የመረጃ ምንጮችን ለመተንተን LangChain API በመጠቀም የ AIOps መድረክን ወደ DevOps ቧንቧው ማዋሃድ ይችላሉ.

** ተግባራዊ ምሳሌ፡ የስርዓት ምዝግብ ማስታወሻዎችን ለመተንተን DSPy መጠቀም**

የስርዓት ምዝግብ ማስታወሻዎችን ለመተንተን DSPy እንዴት መጠቀም እንደሚቻል ቀላል ምሳሌ ይኸውና፡ `` ፓይቶን አስመጣ dspy

መዝገቦች = dspy.load_logs ('system_logs.log')

የማሽን መማሪያ ስልተ ቀመርን በመጠቀም የስርዓት ምዝግብ ማስታወሻዎችን ይተንትኑ

anomalies = dspy.analyze_logs(ምዝግብ ማስታወሻዎች፣ አልጎሪዝም='MLP')

ያልተለመዱ ነገሮችን ያትሙ

ማተም (ያልተለመዱ)

በዚህ ምሳሌ የ‹dspy.load_logs› ተግባርን በመጠቀም የስርዓት ምዝግብ ማስታወሻዎችን እንጭናለን፣ ምዝግብ ማስታወሻዎቹን የማሽን መማሪያ ስልተ ቀመር (MLP) የ `dspy.analyze_logs` ተግባርን በመጠቀም እንመረምራለን እና ያልተለመዱ ነገሮችን እናተምታለን።

**ምርጥ 5-10 በብዛት ጥቅም ላይ የዋሉ ትዕዛዞች/ቅንጣዎች**

ለDSPy እና LangChain በጣም ጥቅም ላይ የዋሉት 5-10 ዋና ዋና ትዕዛዞች/ቅንጣዎች እነሆ፡-

1. `dspy.load_logs('system_logs.log')`፡ የስርዓት ምዝግብ ማስታወሻዎችን ይጭናል።
2. `dspy.analyze_logs(Logs,algorithm='MLP')`፡ የማሽን መማሪያ ስልተቀመርን በመጠቀም የስርዓት ምዝግብ ማስታወሻዎችን ይመረምራል።
3. `langchain.build_aiops_platform()»፡ LangChainን በመጠቀም ብጁ AIOps መድረክን ይገነባል።
4. `langchain.integrate_aiops_platform()`፡ የ AIOps መድረክን ወደ DevOps ቧንቧ መስመር ያዋህዳል።
5. `dspy.visualize_anomalies(anomalies)`፡ ገበታን በመጠቀም ያልተለመዱ ነገሮችን በምስል ያሳያል።
6. `langchain.use_ml_algorithm(logs, algorithm='SVM')`፡ የስርዓት ምዝግብ ማስታወሻዎችን ለመተንተን የማሽን መማሪያ ስልተ ቀመር (SVM) ይጠቀማል።
7. `dspy.print_anomalies(anomalies)`፡ ያልተለመዱ ነገሮችን ያትማል።
8. `langchain.use_nlp_techniques(logs, techniques=['NER', 'POS']))፡ የስርዓት ምዝግብ ማስታወሻዎችን ለመተንተን የተፈጥሮ ቋንቋ ማቀነባበሪያ ቴክኒኮችን (NER, POS) ይጠቀማል።
9. `dspy.save_anomalies(anomalies፣ 'anomalies.csv')`፡ ያልተለመዱ ነገሮችን ወደ CSV ፋይል ያስቀምጣል።
10. `langchain.use_custom_aiops_platform()`፡ LangChainን በመጠቀም የተሰራ ብጁ AIOps መድረክን ይጠቀማል።

**እይታ**

ገበታን በመጠቀም ያልተለመዱ ነገሮችን እንዴት እንደሚታይ የሚያሳይ ምሳሌ ይኸውና፡
`` ገበታ
{
  "አይነት": "ባር",
  "ውሂብ": {
    "መለያዎች": ["Anomaly 1", "Anomaly 2", "Anomaly 3"],
    "መረጃዎች": [
      {
        "label": "ያልተለመዱ",
        "ውሂብ": [10, 20, 30],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "የድንበር ስፋት"፡ 1
      }
    ]
  }
  "አማራጮች": {
    "ርዕስ": {
      "ማሳያ": እውነት,
      "ጽሑፍ": "ያልተለመዱ"
    }
    "አፈ ታሪክ": {
      "ማሳያ": እውነት
    }
  }
}

በዚህ ምሳሌ፣ ያልተለመዱ ነገሮችን በምስል የሚያሳይ የባር ገበታ ለመፍጠር Chart.js ላይብረሪ እንጠቀማለን።

** መደምደሚያ**

በዚህ ጽሑፍ ውስጥ፣ በ AI-powered code review tools እና AIOps መድረኮች፣ በተለይም DSPy እና LangChain፣ በጠርዝ ኮምፒውቲንግ አከባቢዎች ላይ አስቀድሞ የተከሰተ ምርመራን እና መፍታትን ለማስቻል የቅርብ ጊዜውን እድገት እንዴት መጠቀም እንደሚቻል መርምረናል። የስርዓት ምዝግብ ማስታወሻዎችን ለመተንተን እና ያልተለመዱ ነገሮችን በገበታ ለመሳል DSPy እንዴት እንደምንጠቀም የሚያሳይ ተግባራዊ ምሳሌ አቅርበናል። እንዲሁም ለDSPy እና LangChain በጣም ጥቅም ላይ የዋሉትን 5-10 ዋና ዋና ትዕዛዞች/ቅንጣዎችን ዝርዝር አቅርበናል። በዚህ ጽሑፍ ውስጥ የተዘረዘሩትን እርምጃዎች በመከተል፣ ገንቢዎች በ AI-powered code review tools እና AIOps መድረኮች ላይ የቅርብ ግስጋሴዎችን የሚያሟሉ ብጁ የAIOps መድረኮችን መገንባት ይችላሉ፣ ይህም በጠርዝ ኮምፒውቲንግ አከባቢዎች ውስጥ አስቀድሞ ንቁ የሆነ የአደጋ ምርመራን እና መፍትሄን ያስችላል።