Оркестрирање ДевОпс цевовода заснованих на вештачкој интелигенцији са ДСПи-ом и ЛангЦхаин-ом за проактивну истрагу инцидената и решавање у ивичним рачунарским окружењима
Увод
Све већа сложеност савремених софтверских система, у комбинацији са растућом потражњом за обрадом и анализом података у реалном времену, довела је до појаве окружења ивичних рачунара. Ова окружења, која карактерише присуство дистрибуираних, аутономних и хетерогених система, представљају значајне изазове за ДевОпс тимове. У овом чланку ћемо истражити како да искористимо најновија достигнућа у алатима за преглед кода који се покрећу са вештачком интелигенцијом и АИОпс платформама, посебно ДСПи и ЛангЦхаин, да бисмо омогућили проактивну истрагу и решавање инцидената у окружењима ивичних рачунара.
Укрштање АИ, ДевОпс-а и Едге Цомпутинга
Едге рачунарска окружења карактерише присуство дистрибуираних, аутономних и хетерогених система, што може да изазове ДевОпс тимове да открију и реше инциденте на благовремен и ефикасан начин. Да би се решио овај изазов, алати за преглед кода засновани на вештачкој интелигенцији и АИОпс платформе су се појавиле као решење које обећава. Ови алати користе алгоритме машинског учења и технике обраде природног језика да анализирају системске евиденције, метрику перформанси и друге изворе података, омогућавајући ДевОпс тимовима да открију аномалије и предвиде потенцијалне инциденте пре него што се догоде.
ДСПи: Питхон библиотека за преглед кодова са АИ
ДСПи је Питхон библиотека која омогућава програмерима да искористе моћ алата за преглед кода заснованих на вештачкој интелигенцији у својим ДевОпс цевоводима. ДСПи пружа једноставан и интуитиван АПИ за интеграцију алгоритама машинског учења и техника обраде природног језика у токове рада за преглед кода. Уз ДСПи, програмери могу анализирати системске евиденције, метрику перформанси и друге изворе података да би открили аномалије и предвидели потенцијалне инциденте.
ЛангЦхаин: Оквир за изградњу АИОпс платформи са АИ
ЛангЦхаин је оквир за изградњу АИОпс платформи заснованих на вештачкој интелигенцији које омогућавају проактивно истраживање и решавање инцидената у окружењима ивичних рачунара. ЛангЦхаин обезбеђује скуп унапред изграђених компоненти и АПИ-ја за интеграцију алгоритама за машинско учење, техника обраде природног језика и других алата на бази вештачке интелигенције у АИОпс платформе. Са ЛангЦхаин-ом, програмери могу да граде прилагођене АИОпс платформе које користе најновија достигнућа у алатима за преглед кода са АИ-ом и АИОпс платформама.
Оркестрирање ДевОпс цевовода са АИ помоћу ДСПи-а и ЛангЦхаин-а
Да би оркестрирали ДевОпс цевоводе са АИ помоћу ДСПи и ЛангЦхаин-а, програмери могу да следе ове кораке:
- Интегришите ДСПи у ДевОпс цевовод: Програмери могу да интегришу ДСПи у ДевОпс цевовод користећи ДСПи АПИ за анализу системских евиденција, метрике перформанси и других извора података.
- Користите ЛангЦхаин за прављење прилагођене АИОпс платформе: Програмери могу да користе ЛангЦхаин да направе прилагођену АИОпс платформу која користи најновија достигнућа у алатима за преглед кода заснованим на вештачкој интелигенцији и АИОпс платформама.
- Интегришите АИОпс платформу у ДевОпс цевовод: Програмери могу да интегришу АИОпс платформу у ДевОпс цевовод коришћењем ЛангЦхаин АПИ-ја за анализу системских евиденција, метрике перформанси и других извора података.
Практични пример: Коришћење ДСПи-а за анализу системских евиденција
Ево једноставног примера како користити ДСПи за анализу системских дневника:
импорт дспи
логс = дспи.лоад_логс('систем_логс.лог')
# Анализирајте системске евиденције користећи алгоритам машинског учења
аномалије = дспи.анализе_логс(логови, алгоритам='МЛП')
# Одштампајте аномалије
штампа (аномалије)
У овом примеру учитавамо системске евиденције помоћу функције дспи.лоад_логс, анализирамо евиденције користећи алгоритам машинског учења (МЛП) користећи функцију дспи.анализе_логс и штампамо аномалије.
Топ 5-10 најчешће коришћених команди/исјечака
Ево 5-10 најчешће коришћених команди/исјечака за ДСПи и ЛангЦхаин:
дспи.лоад_логс('систем_логс.лог'): Учитава системске евиденције.дспи.анализе_логс(логс, алгоритхм='МЛП'): Анализира системске евиденције користећи алгоритам машинског учења.лангцхаин.буилд_аиопс_платформ(): Прави прилагођену АИОпс платформу користећи ЛангЦхаин.лангцхаин.интеграте_аиопс_платформ(): Интегрише АИОпс платформу у ДевОпс цевовод.дспи.висуализе_аномалиес(аномалиес): Визуелизује аномалије користећи графикон.лангцхаин.усе_мл_алгоритхм(логс, алгоритхм='СВМ'): Користи алгоритам машинског учења (СВМ) за анализу системских евиденција.дспи.принт_аномалиес(аномалиес): Штампа аномалије.лангцхаин.усе_нлп_тецхникуес(логови, технике=['НЕР', 'ПОС']): Користи технике обраде природног језика (НЕР, ПОС) за анализу системских евиденција.дспи.саве_аномалиес(аномалиес, 'аномалиес.цсв'): Чува аномалије у ЦСВ датотеци.лангцхаин.усе_цустом_аиопс_платформ(): Користи прилагођену АИОпс платформу направљену помоћу ЛангЦхаин-а.
Визуелизација
Ево примера како да визуелизујете аномалије користећи графикон:
{
"тип": "бар",
"подаци": {
"лабелс": ["Аномалија 1", "Аномалија 2", "Аномалија 3"],
"сетови података": [
{
"лабел": "Аномалије",
"подаци": [10, 20, 30],
"бацкгроундЦолор": "ргба(255, 99, 132, 0.2)",
"бордерЦолор": "ргба(255, 99, 132, 1)",
"бордерВидтх": 1
}
]
},
"опције": {
"наслов": {
"приказ": истина,
"тект": "Аномалије"
},
"легенда": {
"приказ": истина
}
}
}
У овом примеру користимо библиотеку Цхарт.јс да креирамо тракасти графикон који визуелизује аномалије.
Закључак
У овом чланку смо истражили како да искористимо најновија достигнућа у алатима за преглед кода заснованим на вештачкој интелигенцији и АИОпс платформама, посебно ДСПи и ЛангЦхаин, да бисмо омогућили проактивну истрагу и решавање инцидената у окружењима ивичних рачунара. Дали смо практичан пример како користити ДСПи за анализу системских дневника и визуелизовали аномалије користећи графикон. Такође смо обезбедили листу 5-10 најкоришћенијих команди/исјечака за ДСПи и ЛангЦхаин. Пратећи кораке наведене у овом чланку, програмери могу да направе прилагођене АИОпс платформе које користе најновија достигнућа у алатима за преглед кода са АИ-ом и АИОпс платформама, омогућавајући проактивну истрагу и решавање инцидената у окружењима ивичних рачунара.