Системийн бүртгэлийг ачаална уу

Edge Computing Environment-д тохиолдлуудыг идэвхтэй судалж, шийдвэрлэх зорилгоор хиймэл оюун ухаанаар ажилладаг DevOps дамжуулах хоолойг DSPy болон LangChain-тай хамтран зохион байгуулах

Танилцуулга

Орчин үеийн програм хангамжийн системийн өсөн нэмэгдэж буй нарийн төвөгтэй байдал, бодит цагийн өгөгдөл боловсруулах, дүн шинжилгээ хийх эрэлт хэрэгцээ нэмэгдэж байгаа нь захын тооцооллын орчин үүсэхэд хүргэсэн. Түгээмэл, бие даасан, нэг төрлийн бус системүүдээр тодорхойлогддог эдгээр орчин нь DevOps багуудад ихээхэн бэрхшээл учруулдаг. Энэ нийтлэлд бид хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформууд, ялангуяа DSPy болон LangChain зэрэг хамгийн сүүлийн үеийн дэвшилтүүдийг хэрхэн ашиглах талаар судлах болно.

AI, DevOps болон Edge Computing-ийн огтлолцол

Edge тооцоолох орчин нь тархсан, бие даасан, нэг төрлийн бус системүүдээр тодорхойлогддог бөгөөд энэ нь DevOps-ийн багуудад тохиолдлуудыг цаг тухайд нь, үр ашигтайгаар илрүүлэх, шийдвэрлэхэд бэрхшээлтэй болгодог. Энэхүү сорилтыг шийдвэрлэхийн тулд хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформууд ирээдүйтэй шийдэл болж гарч ирсэн. Эдгээр хэрэгслүүд нь системийн бүртгэл, гүйцэтгэлийн хэмжигдэхүүн болон бусад өгөгдлийн эх сурвалжийг шинжлэхийн тулд машин сургалтын алгоритмууд болон байгалийн хэл боловсруулах техникийг ашигладаг бөгөөд энэ нь DevOps багуудад гажуудлыг илрүүлж, болзошгүй ослыг үүсэхээс нь өмнө урьдчилан таамаглах боломжийг олгодог.

DSPy: хиймэл оюун ухаанаар ажилладаг кодыг шалгах Python номын сан

DSPy нь Python номын сан бөгөөд хөгжүүлэгчдэд AI-аар ажилладаг код шалгах хэрэгслүүдийн хүчийг DevOps шугаман дээрээ ашиглах боломжийг олгодог. DSPy нь машин сургалтын алгоритмууд болон байгалийн хэлээр боловсруулах техникийг кодын хянан шалгах ажлын урсгалд нэгтгэх энгийн бөгөөд ойлгомжтой API-ээр хангадаг. DSPy-ийн тусламжтайгаар хөгжүүлэгчид системийн бүртгэл, гүйцэтгэлийн хэмжүүр болон бусад өгөгдлийн эх сурвалжид дүн шинжилгээ хийж, гажуудлыг илрүүлж, болзошгүй ослыг урьдчилан таамаглах боломжтой.

LangChain: хиймэл оюун ухаанаар ажилладаг AIOps платформуудыг бий болгох хүрээ

LangChain нь хиймэл оюун ухаанаар ажилладаг AIOps платформуудыг бүтээхэд зориулагдсан бөгөөд энэ нь захын тооцооллын орчинд тохиолдлуудыг идэвхтэй судалж, шийдвэрлэх боломжийг олгодог. LangChain нь AIOps платформд машин сургалтын алгоритмууд, байгалийн хэл боловсруулах арга техник, хиймэл оюун ухаанаар ажилладаг бусад хэрэгслүүдийг нэгтгэх зорилгоор урьдчилан бэлтгэсэн бүрэлдэхүүн хэсгүүд болон API-уудыг хангадаг. LangChain-ийн тусламжтайгаар хөгжүүлэгчид хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформуудын хамгийн сүүлийн үеийн дэвшлийг ашиглах AIOps платформуудыг бүтээх боломжтой.

DSPy болон LangChain-тай хиймэл оюун ухаанаар ажилладаг DevOps дамжуулах хоолойг зохион байгуулах

DSPy болон LangChain-тай хиймэл оюун ухаанаар ажилладаг DevOps дамжуулах хоолойг зохион байгуулахын тулд хөгжүүлэгчид дараах алхмуудыг дагаж болно.

DSPy-г DevOps дамжуулах хоолойд нэгтгэх: Хөгжүүлэгчид DSPy API-г ашиглан системийн бүртгэл, гүйцэтгэлийн хэмжүүр болон бусад өгөгдлийн эх сурвалжийг шинжлэхийн тулд DevOps дамжуулах хоолойд DSPy-г нэгтгэх боломжтой.
** LangChain-ийг ашиглан AIOps платформыг ашиглана уу**: Хөгжүүлэгчид LangChain-ийг ашиглан хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформуудын хамгийн сүүлийн үеийн дэвшилтүүдийг ашиглан AIOps тусгай платформыг бүтээх боломжтой.
AIOps платформыг DevOps дамжуулах хоолойд нэгтгэх: Хөгжүүлэгчид LangChain API ашиглан системийн бүртгэл, гүйцэтгэлийн хэмжүүр болон бусад өгөгдлийн эх сурвалжийг шинжлэхийн тулд AIOps платформыг DevOps дамжуулах хоолойд нэгтгэх боломжтой.

Практик жишээ: Системийн бүртгэлд дүн шинжилгээ хийхэд DSPy ашиглах

Системийн бүртгэлд дүн шинжилгээ хийхэд DSPy-г хэрхэн ашиглах энгийн жишээ энд байна.

dspy импортлох


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

# Машин сургалтын алгоритм ашиглан системийн бүртгэлд дүн шинжилгээ хийх
аномали = dspy.analyze_logs(логууд, алгоритм='MLP')

# Гажиг хэвлэх
хэвлэх (гажиг)

Энэ жишээнд бид dspy.load_logs функцийг ашиглан системийн бүртгэлүүдийг ачаалж, dspy.analyze_logs функцийг ашиглан машин сургалтын алгоритм (MLP) ашиглан бүртгэлд дүн шинжилгээ хийж, гажуудлыг хэвлэдэг.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

DSPy болон LangChain-д хамгийн их ашиглагддаг 5-10 тушаал/хэсэг энд байна:

dspy.load_logs('system_logs.log'): Системийн бүртгэлийг ачаална.
dspy.analyze_logs(logs, algorithm='MLP'): Машин сургалтын алгоритм ашиглан системийн бүртгэлд дүн шинжилгээ хийнэ.
langchain.build_aiops_platform(): LangChain ашиглан захиалгат AIOps платформыг бүтээдэг.
langchain.integrate_aiops_platform(): AIOps платформыг DevOps дамжуулах хоолойд нэгтгэдэг.
dspy.visualize_anomalies(anomalies): График ашиглан гажуудлыг дүрсэлдэг.
langchain.use_ml_algorithm(logs, algorithm='SVM'): Системийн бүртгэлд дүн шинжилгээ хийхэд машин сургалтын алгоритм (SVM) ашигладаг.
dspy.print_anomalies(anomalies): Гажиг хэвлэдэг.
langchain.use_nlp_techniques(логууд, техникүүд=['NER', 'POS']): Системийн бүртгэлд дүн шинжилгээ хийхийн тулд байгалийн хэлээр боловсруулах техник (NER, POS) ашигладаг.
dspy.save_anomalies(anomalies, 'anomalies.csv'): Аномалийг CSV файлд хадгална.
langchain.use_custom_aiops_platform(): LangChain ашиглан бүтээсэн захиалгат AIOps платформыг ашигладаг.

Дүрслэл

График ашиглан хэвийн бус байдлыг хэрхэн дүрслэн харуулах жишээ энд байна.

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["Аномали 1", "Аномали 2", "Аномали 3"],
    "өгөгдлийн багц": [
      {
        "label": "Аномали",
        "өгөгдөл": [10, 20, 30],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "хилийн өргөн": 1
      }
    ]
  },
  "сонголт": {
    "гарчиг": {
      "дэлгэц": үнэн,
      "текст": "Аномали"
    },
    "домог": {
      "дэлгэц": үнэн
    }
  }
}

Энэ жишээнд бид Chart.js номын санг ашиглан гажуудлыг дүрслэн харуулсан баганан диаграммыг үүсгэсэн.

Дүгнэлт

Энэ нийтлэлд бид захын тооцооллын орчинд ослын талаар идэвхтэй мөрдөн байцаалт, шийдвэрлэх ажиллагааг идэвхжүүлэхийн тулд хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформууд, ялангуяа DSPy болон LangChain-ийн хамгийн сүүлийн үеийн дэвшилтүүдийг хэрхэн ашиглах талаар судалсан. Бид системийн бүртгэлд дүн шинжилгээ хийхэд DSPy-г хэрхэн ашиглах практик жишээг үзүүлж, диаграмм ашиглан гажуудлыг дүрсэлсэн. Мөн бид DSPy болон LangChain-д зориулсан хамгийн их ашиглагддаг 5-10 командын жагсаалтыг гаргасан. Энэхүү нийтлэлд дурдсан алхмуудыг дагаснаар хөгжүүлэгчид хиймэл оюун ухаанаар ажилладаг код шалгах хэрэгслүүд болон AIOps платформуудын хамгийн сүүлийн үеийн дэвшлийг ашиглан тусгайлсан AIOps платформуудыг бий болгож, захын тооцооллын орчинд ослыг идэвхтэй судалж, шийдвэрлэх боломжтой болно.

Системийн бүртгэлийг ачаална уу

Have Questions?