StackGen වින්‍යාස ගොනුව (example.yaml)

** StackGen සහ LangChain සමඟින් ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්දය: Extreme DevOps ස්වයංක්‍රීයකරණය සහ ස්වයංක්‍රීය යටිතල පහසුකම් කළමනාකරණය සඳහා AI නියෝජිතයන් සහ උත්පාදක මාදිලි උත්තේජනය කිරීම**

හැඳින්වීම

වර්තමාන වේගවත් ඩිජිටල් භූ දර්ශනය තුළ, කාර්යක්ෂම හා පරිමාණය කළ හැකි යටිතල පහසුකම් කළමනාකරණය සඳහා ඇති ඉල්ලුම කිසිදා ඉහළ මට්ටමක නොතිබුණි. සාම්ප්‍රදායික DevOps භාවිතයන් බොහෝ විට අත්පොත වින්‍යාස කිරීම සහ ස්ක්‍රිප්ට් කිරීම මත රඳා පවතින අතර එමඟින් දෝෂ, නොගැලපීම් සහ බාධක ඇති විය හැක. මෙම අභියෝගවලට මුහුණ දීම සඳහා, යටිතල පහසුකම් කළමනාකරණය ස්වයංක්‍රීය කිරීම සහ ප්‍රශස්ත කිරීම සඳහා AI නියෝජිතයන් සහ උත්පාදක මාදිලි උත්තේජනය කරන ආදර්ශයක් වන ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්දයක් මතුවීම අපි දකිමු. මෙම ලිපියෙන්, අපි යටිතල පහසුකම් කළමනාකරණය කරන ආකාරයේ විප්ලවීය වෙනසක් ඇති කරන අති නවීන තාක්ෂණයන් දෙකක් වන StackGen සහ LangChain හි උද්වේගකර ලෝකය තුළට පිවිසෙමු.

StackGen යනු කුමක්ද?

StackGen යනු ස්වයං-සුව කිරීම, ස්වයං-පරිමාණය කිරීම සහ ස්වයං-ප්‍රශස්ත යටිතල පහසුකම් ගොඩවල් නිර්මාණය කිරීමට හැකි වන විවෘත-මූලාශ්‍ර, ක්ලවුඩ්-අඥෙයවාදී යටිතල පහසුකම් වාදක වේදිකාවකි. මොඩියුලර්, විස්තීරණ ගෘහ නිර්මාණ ශිල්පයක් මත ගොඩනගා ඇති, StackGen ඉහළ මට්ටමේ, ප්‍රකාශන වාක්‍ය ඛණ්ඩයක් භාවිතයෙන් යටිතල පහසුකම් වින්‍යාසයන් නිර්වචනය කිරීමට සංවර්ධකයින්ට ඉඩ දෙයි. මෙම වාක්‍ය ඛණ්ඩය පසුව ක්‍රියාකාරී යටිතල පහසුකම් සැපයීම සහ කළමනාකරණ කාර්යයන් බවට පරිවර්තනය කරනු ලැබේ, ඒවා ශක්තිමත්, බෙදා හරින ලද එන්ජිමක් මඟින් ක්‍රියාත්මක වේ.

LangChain යනු කුමක්ද?

LangChain යනු පයිතන් පුස්තකාලයක් වන අතර එය AI නියෝජිතයන්, ජනක ආකෘති සහ අනෙකුත් යන්ත්‍ර ඉගෙනුම් සංරචක මෘදුකාංග පද්ධති වෙත ගොඩ නැගීම සහ ඒකාබද්ධ කිරීම සඳහා ඒකාබද්ධ අතුරු මුහුණතක් සපයයි. LangChain උත්තේජනය කිරීමෙන්, සංවර්ධකයින්ට දත්ත වලින් ඉගෙන ගන්නා, වෙනස්වන පරිසරයන්ට අනුවර්තනය වන සහ දැනුවත් තීරණ ගන්නා නවීන AI-ධාවන යෙදුම් නිර්මාණය කළ හැකිය. StackGen හි සන්දර්භය තුළ, LangChain මඟින් යටිතල පහසුකම් කාර්ය සාධනය විශ්ලේෂණය කිරීමට, විෂමතා පුරෝකථනය කිරීමට සහ ප්‍රශස්ත පද්ධති හැසිරීම් පවත්වා ගැනීමට නිවැරදි ක්‍රියාමාර්ග ගැනීමට හැකි AI නියෝජිතයන් ඒකාබද්ධ කිරීමට හැකියාව ලැබේ.

** StackGen සහ LangChain සමඟ ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්දය**

StackGen සහ LangChain වල බලය නිදර්ශනය කිරීම සඳහා, අපි සරල උදාහරණයක් සලකා බලමු. අපි පරිමාණය කළ හැකි, ඉහළ කාර්යසාධනයක් සහිත යටිතල පහසුකම් තොගයක් අවශ්‍ය වන වලාකුළු මත පදනම් වූ ඊ-වාණිජ්‍ය වේදිකාවක් ගොඩනඟනවා යැයි සිතමු. StackGen භාවිතා කරමින්, අපට නෝඩ් ගණන, අවස්ථා වර්ග සහ ජාල වින්‍යාස කිරීම් ඇතුළුව අපේක්ෂිත යටිතල පහසුකම් ස්ථලකය නියම කරන ඉහළ මට්ටමේ වින්‍යාසයක් අර්ථ දැක්විය හැක.

නම: e-commerce-වේදිකාව
විස්තරය: පරිමාණය කළ හැකි ඊ-වාණිජ්‍යය වේදිකා යටිතල පහසුකම්
අනුවාදය: 1.0

සංරචක:
  - නම: වෙබ් සේවාදායකය
    වර්ගය: EC2
    ගුණ:
      උදාහරණ-වර්ගය: t2.micro
      ami: ami-abc123
      ආරක්ෂක කණ්ඩායම්: [web-server-sg]
  - නම: දත්ත සමුදාය
    වර්ගය: RDS
    ගුණ:
      උදාහරණ-වර්ගය: db.t2.micro
      එන්ජිම: postgres
      දත්ත සමුදාය-නම: e-commerce-db
      පරිශීලක නාමය: e-commerce-user
      මුරපදය: ඊ-වාණිජ්‍යය-මුරපදය

සබඳතා:
  - වෙබ් සේවාදායකය -> දත්ත සමුදාය

මෙම උදාහරණයේදී, අපි වෙබ් සේවාදායකයක් සහ දත්ත සමුදායකින් සමන්විත සරල යටිතල පහසුකම් තොගයක් නිර්වචනය කර ඇත. 'සංරචක' කොටස, ඒවායේ වර්ග, ගුණාංග සහ සම්බන්ධතා ඇතුළුව තනි සංරචක නියම කරයි. 'සම්බන්ධතා' කොටස සංරචක අතර සම්බන්ධතා නිර්වචනය කරයි.

ඊළඟට, අපි යටිතල පහසුකම් කාර්ය සාධනය විශ්ලේෂණය කිරීමට සහ ප්‍රශස්ත පද්ධති හැසිරීම් පවත්වා ගැනීමට නිවැරදි ක්‍රියාමාර්ග ගැනීමට හැකි AI නියෝජිතයෙකු ඒකාබද්ධ කිරීමට LangChain භාවිතා කරන්නෙමු. අපි CPU භාවිතය නිරීක්ෂණය කරන සහ ඒ අනුව අවස්ථා වර්ග සකස් කරන සරල AI නියෝජිතයෙකු නිර්මාණය කරන්නෙමු.

# LangChain AI නියෝජිත කේතය (ai_agent.py)
langchain ආනයනය කරන්න
langchain.agents වෙතින් BaseAgent ආනයනය කරයි

පන්තියේ ECcommerceAgent(BaseAgent):
    def __init__(self, stackgen_config):
        self.stackgen_config = stackgen_config
        self.cpu_utilization_threshold = 80

    def monitor_infrastructure(self):
        # CPU භාවිතය අධීක්‍ෂණය කර අවස්ථා වර්ග සකසන්න
        cpu_utilization = self.get_cpu_utilization()
        cpu_utilization > self.cpu_utilization_threshold නම්:
            self.adjust_instance_types()

    def adjust_instance_types(self):
        # CPU භාවිතය මත පදනම්ව අවස්ථා වර්ග සකසන්න
        instance_types = self.get_instance_types()
        instance_types in instance_types සඳහා:
            instance_type['cpu_utilization'] > self.cpu_utilization_threshold නම්:
                instance_type['instance_type'] = 't2.large'

# AI නියෝජිතයා StackGen සමඟ ඒකාබද්ධ කරන්න
stackgen_config = load_yaml('example.yaml')
ai_agent = ECcommerceAgent(stackgen_config)
ai_agent.monitor_infrastructure()

මෙම උදාහරණයේදී, අපි CPU භාවිතය නිරීක්ෂණය කරන සහ ඒ අනුව අවස්ථා වර්ග සකස් කරන සරල AI නියෝජිතයෙකු නිර්මාණය කර ඇත. අපි AI නියෝජිතයන් ගොඩ නැගීම සහ ඒකාබද්ධ කිරීම සඳහා ඒකාබද්ධ අතුරු මුහුණතක් සපයන langchain පුස්තකාලය භාවිතයෙන් StackGen සමඟ AI නියෝජිතයා ඒකාබද්ධ කර ඇත.

ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets

StackGen සහ LangChain සඳහා බහුලව භාවිතා වන විධාන සහ කොටස් කිහිපයක් මෙන්න:

1. StackGen වින්‍යාස ගොනුව: stackgen config example.yaml
2. LangChain AI නියෝජිත කේතය: langchain ai_agent.py
3. ** StackGen සමඟ AI නියෝජිතයා ඒකාබද්ධ කරන්න**: langchain integrate ai_agent.py example.yaml
4. අධීක්ෂණ යටිතල පහසුකම්: ai_agent.monitor_infrastructure()
5. ** නිදර්ශන වර්ග සකසන්න**: ai_agent.adjust_instance_types()
6. CPU භාවිතය ලබා ගන්න: ai_agent.get_cpu_utilization()
7. උදාහරණ වර්ග ලබා ගන්න: ai_agent.get_instance_types()
8. YAML වින්‍යාස ගොනුව පූරණය කරන්න: load_yaml('example.yaml')
9. YAML වින්‍යාස ගොනුව සුරකින්න: save_yaml('example.yaml', stackgen_config)
10. ** යටිතල පහසුකම් ස්ථල විද්‍යාව දෘශ්‍යමාන කරන්න**: stackgen visualize example.yaml

දෘෂ්‍යකරණය

යටිතල පහසුකම් ස්ථලකය දෘශ්‍යමාන කිරීම සඳහා, StackGen වින්‍යාස ගොනුව මත පදනම්ව ප්‍රස්ථාරයක් ලබා දීමට අපට graphviz වැනි පුස්තකාලයක් භාවිතා කළ හැක.

{
  "වර්ගය": "බාර්",
  "දත්ත": {
    "ලේබල්": ["වෙබ් සේවාදායකය", "දත්ත සමුදාය"],
    "දත්ත කට්ටල": [
      {
        "label": "CPU භාවිතය",
        "දත්ත": [80, 90],
        "backgroundColor": ["rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)"],
        "borderColor": ["rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)"],
        "දේශසීමා පළල": [1, 1]
      }
    ]
  },
  "විකල්ප": {
    "මාතෘකාව": {
      "දර්ශණය": ඇත්ත,
      "පෙළ": "සංරචකයෙන් CPU භාවිතය"
    },
    "පරිමාණ": {
      "yAxes": [
        {
          "දර්ශණය": ඇත්ත,
          "පරිමාණ ලේබලය": {
            "දර්ශණය": ඇත්ත,
            "labelString": "CPU භාවිතය (%)"
          }
        }
      ]
    }
  }
}

මෙම ප්‍රස්ථාරය වෙබ් සේවාදායකයේ සහ දත්ත සමුදා සංරචකවල CPU භාවිතය දෘශ්‍යමාන කරයි, යටිතල පහසුකම් කාර්ය සාධනය පිළිබඳ පැහැදිලි දර්ශනයක් සපයයි.

නිගමනය

StackGen සහ LangChain සමඟ ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්දය යනු ස්වයං-සුව කිරීම, ස්වයං-පරිමාණය කිරීම සහ ස්වයං-ප්‍රශස්ත යටිතල පහසුකම් ගොඩවල් නිර්මාණය කිරීමට හැකි ප්‍රබල සුසමාදර්ශයකි. AI නියෝජිතයන් සහ උත්පාදක ආකෘති භාවිතා කිරීමෙන්, සංවර්ධකයින්ට යටිතල පහසුකම් කළමනාකරණය ස්වයංක්‍රීය කිරීමට සහ ප්‍රශස්ත කිරීමට, දෝෂ, නොගැලපීම් සහ බාධක අඩු කිරීමට හැකිය. මෙම ලිපියෙන්, අපි StackGen සහ LangChain හි මූලික කරුණු ගවේෂණය කර ඇත, ඒවායේ ගෘහ නිර්මාණ ශිල්පය, වින්‍යාස ගොනු සහ AI නියෝජිත ඒකාබද්ධ කිරීම ඇතුළුව. මෙම තාක්ෂණයන්හි බලය නිදර්ශනය කිරීම සඳහා අපි ප්‍රායෝගික උදාහරණ සහ කේත කොටස් ද සපයා ඇත. කාර්යක්ෂම සහ පරිමාණය කළ හැකි යටිතල පහසුකම් කළමනාකරණය සඳහා ඇති ඉල්ලුම අඛණ්ඩව වර්ධනය වන බැවින්, StackGen සහ LangChain DevOps සහ යටිතල පහසුකම් කළමනාකරණයේ අනාගතයේ ප්‍රමුඛ කාර්යභාරයක් ඉටු කිරීමට සූදානමින් සිටී.