ಲಾಗ್ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ವೀಕ್ಷಣೆ

ಲಾಭಗಳು:

• ದೊಡ್ಡ ಲಾಗ್ ಡಂಪ್‌ಗಳನ್ನು ಮರೆಮಾಚುವ ಮೂಲಕ ಮತ್ತು ಅವುಗಳನ್ನು AI ಗೆ ಫಿಲ್ಟರ್ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಟೈಮ್‌ಲೈನ್ ಅನ್ನು ರಚಿಸುವ ಮೂಲಕ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
• AI ಸ್ಥಾಪಿಸಿದ ಸಮಯದ ಸಂಬಂಧಗಳನ್ನು ಊಹೆಗಳಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಕಾರಣವಲ್ಲ
• ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಕೋಡ್‌ನೊಂದಿಗೆ ಮೂಲ ಕಾರಣದ ಊಹೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪೋಸ್ಟ್‌ಮಾರ್ಟಮ್ ಸ್ಕೆಚ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು

ಸಾಫ್ಟ್‌ವೇರ್ ಉತ್ಪಾದನೆಯಲ್ಲಿ (ಲೈವ್ ಪರಿಸರ) ಚಾಲನೆಯಲ್ಲಿರುವಾಗ, ಕೇವಲ ಟ್ರೇಸ್‌ಗಳು, ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಲಾಗ್‌ಗಳು (ಅದು ಚಾಲನೆಯಲ್ಲಿರುವಾಗ ಅಪ್ಲಿಕೇಶನ್‌ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಸಮಯ-ಮುದ್ರೆಯ ಲಾಗ್ ಲೈನ್‌ಗಳು) ಅದು ಏನು ಮಾಡುತ್ತಿದೆ ಎಂಬುದನ್ನು ನಿಮಗೆ ತಿಳಿಸುತ್ತದೆ. ಸ್ಥಗಿತದ ಸಮಯದಲ್ಲಿ ಸಾವಿರಾರು, ಕೆಲವೊಮ್ಮೆ ಲಕ್ಷಾಂತರ ಲಾಗ್ ಲೈನ್‌ಗಳಿಂದ ಅರ್ಥಪೂರ್ಣ ಸಂಕೇತವನ್ನು ಎಳೆಯುವುದು ಘಟನೆಯ ಪ್ರತಿಕ್ರಿಯೆಯ ಅತ್ಯಂತ ಒತ್ತಡದ ಮತ್ತು ಸಮಯ-ನಿರ್ಣಾಯಕ ಕ್ಷಣವಾಗಿದೆ. ಇಲ್ಲಿ, AI ಸಹಾಯಕವಾಗಬಹುದು, ಬೃಹತ್ ಪಠ್ಯವನ್ನು ಸಾರಾಂಶ ಮಾಡಬಹುದು, ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು ಮತ್ತು ಊಹೆಗಳನ್ನು ರಚಿಸುವುದು - ನೀವು ಗೌಪ್ಯತೆ ಮತ್ತು ಪರಿಶೀಲನೆ ಮಿತಿಗಳನ್ನು ಗೌರವಿಸುವವರೆಗೆ.

ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ವೀಕ್ಷಣೆಯ ಸಂದರ್ಭದಲ್ಲಿ AI ಅನ್ನು ಬಳಸಲು ಕಲಿಯುತ್ತೇವೆ - ಅದರ ಬಾಹ್ಯ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಸಿಸ್ಟಮ್‌ನ ಆಂತರಿಕ ಸ್ಥಿತಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ: ಲಾಗ್ ಶಬ್ದದಿಂದ ಅರ್ಥವನ್ನು ಹೊರತೆಗೆಯುವುದು, ದೋಷದ ಟೈಮ್‌ಲೈನ್ ಅನ್ನು ಸ್ಥಾಪಿಸುವುದು, ಪುನರಾವರ್ತಿತ ಮಾದರಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಮತ್ತು ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯನ್ನು ರಚಿಸುವುದು. ಮುಂದೆ ನಿರ್ಣಾಯಕ ಎಚ್ಚರಿಕೆ: ಕಚ್ಚಾ ಉತ್ಪಾದನಾ ದಾಖಲೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ರಹಸ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ; ಆಕಸ್ಮಿಕವಾಗಿ ಅವುಗಳನ್ನು AI ಉಪಕರಣಕ್ಕೆ ಅಂಟಿಸುವುದು ಗಂಭೀರ ಉಲ್ಲಂಘನೆಯಾಗಿದೆ.

ದಾಖಲೆಗಳು ಏಕೆ ಕಠಿಣವಾಗಿವೆ, AI ಏಕೆ ಸಹಾಯಕವಾಗಿದೆ?

ಮೂರು ಕಾರಣಗಳಿಗಾಗಿ ಲಾಗ್‌ಗಳು ಕಷ್ಟಕರವಾಗಿವೆ: ವಾಲ್ಯೂಮ್ (ಹಲವು ಇವೆ), ಶಬ್ದ (ಹಲವು ಸಾಲುಗಳು ಅಪ್ರಸ್ತುತವಾಗಿವೆ), ಮತ್ತು ಅಸ್ತವ್ಯಸ್ತತೆ (ವಿವಿಧ ಸೇವೆಗಳ ಲಾಗ್‌ಗಳಲ್ಲಿ ಈವೆಂಟ್ ಹರಡಿರುತ್ತದೆ). ಮಾನವನ ಕಣ್ಣು ಈ ರಾಶಿಯಲ್ಲಿ ದಣಿದಿದೆ ಮತ್ತು ಪ್ರಮುಖ ರೇಖೆಯನ್ನು ತಪ್ಪಿಸುತ್ತದೆ.

ಪಠ್ಯದ ದೊಡ್ಡ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಸಂಕ್ಷೇಪಿಸಲು, ಪುನರಾವರ್ತಿತ ಮಾದರಿಗಳನ್ನು ಎಣಿಸಲು ಮತ್ತು "ದೋಷಗಳ ಸ್ಫೋಟದ ಮೊದಲು ಏನು ಬದಲಾಗಿದೆ?" ಎಂದು ಕೇಳುವಲ್ಲಿ AI ಉತ್ತಮವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಎರಡು ಮಿತಿಗಳಿವೆ ಎಂದು ಸಮಯದ ಸಂಬಂಧಗಳನ್ನು ಸ್ಥಾಪಿಸುವಲ್ಲಿ ಇದು ಶಕ್ತಿಯುತವಾಗಿದೆ. ಮೊದಲನೆಯದು ಸಂದರ್ಭ ವಿಂಡೋ: ನೀವು ಮಾದರಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವ ಲಾಗ್‌ಗಳ ಪ್ರಮಾಣವು ಸೀಮಿತವಾಗಿದೆ, ಆದ್ದರಿಂದ ನೀವು ಮೊದಲು ಫಿಲ್ಟರ್ ಮತ್ತು ಮಾದರಿಯನ್ನು ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಎರಡನೆಯದಾಗಿ, ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆ: "ಇಲ್ಲಿ ಮೂಲ ಕಾರಣ" ಎಂದು AI ಹೇಳುವುದು ಒಂದು ಊಹೆಯಾಗಿದೆ; ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಕೋಡ್‌ನೊಂದಿಗೆ ದೃಢೀಕರಿಸದೆ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಬೇಡಿ.

ಎಚ್ಚರಿಕೆ: ರಾ ಪ್ರೊಡಕ್ಷನ್ ಲಾಗ್‌ಗಳು ಐಪಿ ವಿಳಾಸ, ಇಮೇಲ್, ಟೋಕನ್, ಸೆಷನ್ ಐಡಿ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ತೆರೆದ ರಹಸ್ಯವನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. AI ಗೆ ಆಹಾರ ನೀಡುವ ಮೊದಲು ಅವುಗಳನ್ನು ಮಾಸ್ಕ್ ಮಾಡಿ ಅಥವಾ ಎಂಟರ್‌ಪ್ರೈಸ್-ಅನುಮೋದಿತ, ಡೇಟಾ-ಸುರಕ್ಷಿತ ಸಾಧನಗಳನ್ನು ಮಾತ್ರ ಬಳಸಿ. ನಾವು ಈ ವಿಷಯವನ್ನು ಘಟಕ 10 ರಲ್ಲಿ ಆಳವಾಗಿ ಮಾಡುತ್ತೇವೆ.

ಹಂತ ಹಂತವಾಗಿ: ಲಾಗ್‌ನಿಂದ ಮೂಲ ಕಾರಣಕ್ಕೆ

1. ಸಮಯದ ವಿಂಡೋವನ್ನು ಕಿರಿದಾಗಿಸಿ. ಈವೆಂಟ್ ಪ್ರಾರಂಭವಾದ ನಿಮಿಷಗಳನ್ನು ನಿರ್ಧರಿಸಿ; ಆ ಕಿಟಕಿಯನ್ನು ಪರೀಕ್ಷಿಸಿ, ಇಡೀ ದಿನವಲ್ಲ.
2. ಶಬ್ದವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ. ತಿಳಿದಿರುವ ಪುನರಾವರ್ತಿತ, ನಿರುಪದ್ರವ ಸಾಲುಗಳನ್ನು ಕಳೆ ತೆಗೆಯಿರಿ; ದೋಷ (ದೋಷ), ಎಚ್ಚರಿಕೆ (ಎಚ್ಚರಿಕೆ) ಮತ್ತು ಮೊದಲ ವಿಚಲನ ಕ್ಷಣದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ.
3. ಮಾಸ್ಕ್ ಸೂಕ್ಷ್ಮ ಡೇಟಾ. AI ಗೆ ನೀಡುವ ಮೊದಲು ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ರಹಸ್ಯಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ.
4. ಸಾರಾಂಶ ಮತ್ತು ಟೈಮ್‌ಲೈನ್ ರಚಿಸಿ. ಈವೆಂಟ್ ಅನ್ನು ಕಾಲಾನುಕ್ರಮದಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲು AI ಅನ್ನು ಕೇಳಿ ("ಮೊದಲು ಇದು, ನಂತರ ಅದು").
5. ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಕೋಡ್‌ನೊಂದಿಗೆ ಊಹೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ. AI ಸೂಚಿಸಿದ ಕಾರಣ; ಅನ್ವಯಿಸಿದರೆ, ಡ್ಯಾಶ್‌ಬೋರ್ಡ್, ಸಂಬಂಧಿತ ಕೋಡ್ ಮತ್ತು ನಿಯೋಜನೆ ಟೈಮ್‌ಲೈನ್‌ನೊಂದಿಗೆ ದೃಢೀಕರಿಸಿ.
6. ಕಲಿತದ್ದನ್ನು ಬರಹದಲ್ಲಿ ಹಾಕಿ. ಮರಣೋತ್ತರ ಸ್ಕೆಚ್ ಮಾಡಿ ಮತ್ತು ತಡೆಗಟ್ಟುವ ಕ್ರಮಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - 5 ನಿಮಿಷಗಳಲ್ಲಿ 40,000 ಸಾಲುಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲಾಗಿದೆ. ಪಾವತಿ ಸೇವೆಯು 12 ನಿಮಿಷಗಳ ಕಾಲ ಮಧ್ಯಂತರ ದೋಷವನ್ನು ವರದಿ ಮಾಡಿದೆ. ತಂಡವು AI ಗೆ ಸಂಬಂಧಿಸಿದ 20-ನಿಮಿಷಗಳ ಮುಖವಾಡದ ಲಾಗ್‌ಗಳನ್ನು (ಅಂದಾಜು 40,000 ಸಾಲುಗಳು, ಮಾದರಿ) ನೀಡಿತು ಮತ್ತು ಟೈಮ್‌ಲೈನ್ ಅನ್ನು ರಚಿಸಿತು. ಅವಲಂಬನೆ ಸೇವೆಯ ಪ್ರತಿಕ್ರಿಯೆಯ ಸಮಯವು 200 ms ನಿಂದ 8 ಸೆಕೆಂಡುಗಳವರೆಗೆ ಹೆಚ್ಚಾದ ಕ್ಷಣದೊಂದಿಗೆ ದೋಷವು ಸ್ಫೋಟಗೊಂಡಿದೆ ಎಂದು ಮಾದರಿಯು ತೋರಿಸಿದೆ. ತಂಡವು ಇದನ್ನು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನಲ್ಲಿ ದೃಢಪಡಿಸಿತು ಮತ್ತು 10 ನಿಮಿಷಗಳಲ್ಲಿ ಕಾರಣವನ್ನು ಕಡಿಮೆ ಮಾಡಿದೆ.

ಪ್ರಕರಣ 2 - ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಪರಸ್ಪರ ಸಂಬಂಧ. ಮತ್ತೊಂದು ಘಟನೆಯಲ್ಲಿ, ಕ್ರಾನ್ (ನಿಗದಿತ ಕಾರ್ಯ) ರನ್ ಆಗಿ "ಅದೇ ಸಮಯದಲ್ಲಿ" ದೋಷಗಳು ಸಂಭವಿಸುತ್ತಿವೆ ಎಂದು ಹೇಳುವ ಮೂಲಕ AI ಅದನ್ನು ದೂಷಿಸಿದೆ. ತಂಡವು ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿದಾಗ, ಈವೆಂಟ್‌ನ ಮೊದಲು ಕ್ರಾನ್ ನಿಜವಾಗಿ ಮುಗಿದಿರುವುದನ್ನು ಅವರು ನೋಡಿದರು; ಪರಸ್ಪರ ಸಂಬಂಧವು ಕಾಕತಾಳೀಯವಾಗಿತ್ತು. ನಿಜವಾದ ಕಾರಣ ನೆನಪಿನ ಸೋರಿಕೆ. ಪಾಠ: AI ಸ್ಥಾಪಿಸಿದ ಸಮಯದ ಪರಸ್ಪರ ಸಂಬಂಧವು ಒಂದು ಸುಳಿವು, ಪುರಾವೆಯಲ್ಲ.

ಪ್ರಕರಣ 3 - ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯನ್ನು ವೇಗಗೊಳಿಸಲಾಗಿದೆ. ನಿಲುಗಡೆಯ ನಂತರ, ತಂಡವು ಈವೆಂಟ್ ಚಾನಲ್‌ನಿಂದ AI ಗೆ ಸಂದೇಶದ ಪ್ರತಿಲೇಖನ ಮತ್ತು ಟೈಮ್‌ಲೈನ್ ಅನ್ನು ನೀಡಿತು ಮತ್ತು ಅದು ಮರಣೋತ್ತರ ಸ್ಕೆಚ್ ಅನ್ನು ತಯಾರಿಸಿತು: ಸಾರಾಂಶ, ಪರಿಣಾಮ, ಟೈಮ್‌ಲೈನ್, ಮೂಲ ಕಾರಣ, ಕ್ರಮಗಳು. ಮಾನವ ಸಂಪಾದಕರು ಸತ್ಯಗಳನ್ನು ಸರಿಪಡಿಸಿದರು ಮತ್ತು ಕ್ರಿಯೆಯ ಮಾಲೀಕರನ್ನು ನೇಮಿಸಿದರು. ಸಾಮಾನ್ಯವಾಗಿ 2 ಗಂಟೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಹೆಚ್ಚು ಸ್ಥಿರವಾದ ರಚನೆಯೊಂದಿಗೆ ಸರಿಸುಮಾರು 40 ನಿಮಿಷಗಳಲ್ಲಿ ಪೂರ್ಣಗೊಳಿಸಲಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಲಾಗ್ ಸಾರಾಂಶ ಮತ್ತು ಟೈಮ್‌ಲೈನ್ (ಮುಖವಾಡದ ಲಾಗ್‌ನೊಂದಿಗೆ):

ಮಾಸ್ಕ್ ಮಾಡಿದ ಪ್ರೊಡಕ್ಷನ್ ಲಾಗ್‌ನ ಈವೆಂಟ್ ವಿಂಡೋ ಕೆಳಗಿದೆ.1) ಈವೆಂಟ್ ಅನ್ನು ಕಾಲಾನುಕ್ರಮದ ಟೈಮ್‌ಲೈನ್‌ಗೆ ಸುರಿಯಿರಿ (ಮೊದಲ ವಿಚಲನದ ಕ್ಷಣವನ್ನು ಗುರುತಿಸಿ).2) ಪದೇ ಪದೇ ಮರುಕಳಿಸುವ ದೋಷ/ಎಚ್ಚರಿಕೆಯ ಪ್ರಕಾರಗಳನ್ನು ಎಣಿಸಿ ಮತ್ತು ಗುಂಪು ಮಾಡಿ.3) "ಮೊದಲು ಏನು ಬದಲಾಗಿದೆ?" ಪ್ರಶ್ನೆಗೆ ಅಭ್ಯರ್ಥಿ ಘಟನೆಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಇವು ಊಹೆಗಳು; ಇದನ್ನು "ಪರಿಶೀಲಿಸಬೇಕು" ಎಂದು ಗುರುತಿಸಿ. {{ಲಾಗ್‌ಗಳು}}

ದೋಷ ಮಾದರಿಯ ಹೊರತೆಗೆಯುವಿಕೆ:

ಈ ಲಾಗ್ ಲೈನ್‌ಗಳಲ್ಲಿ ಮರುಕಳಿಸುವ ದೋಷ ಮಾದರಿಗಳನ್ನು ಹುಡುಕಿ. ಪ್ರತಿ ಮಾದರಿಗೆ: ಮಾದರಿ ಸಾಲು (ಮುಖವಾಡ), ಅಂದಾಜು ಮೂಲ ಮತ್ತು ಸಂಭವನೀಯ ಅರ್ಥ. ಪ್ರತ್ಯೇಕ "ಗಮನ" ಪಟ್ಟಿಯಲ್ಲಿ ಅಪರೂಪದ ಆದರೆ ನಿರ್ಣಾಯಕ ಏಕ ದೋಷಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ.{{logs}}

ರಚನಾತ್ಮಕ ಪ್ರಶ್ನೆ/ಫಿಲ್ಟರ್ ಉತ್ಪಾದನೆ:

{{log ಟೂಲ್: grep/jq/Kibana KQL/CloudWatch ಒಳನೋಟಗಳು}}, ಈ ಕೆಳಗಿನ ಷರತ್ತುಗಳನ್ನು ಪೂರೈಸುವ ಪ್ರಶ್ನೆಯನ್ನು ಬರೆಯಿರಿ: {{ಉದಾ. ಕಳೆದ 15 ನಿಮಿಷಗಳಲ್ಲಿ 5xx ದೋಷಗಳು, ಬಳಕೆದಾರ X}} ಹೊರತುಪಡಿಸಿ. ಪ್ರಶ್ನೆಯನ್ನು ವಿವರಿಸಿ; ನೀವು ಡೊಮೇನ್ ಹೆಸರುಗಳನ್ನು ರಚಿಸುತ್ತಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ, ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ ಕೇಳಿ.

ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯ ರೇಖಾಚಿತ್ರ:

ಕೆಳಗಿನ (ಮುಸುಕು ಹಾಕಿದ) ಈವೆಂಟ್ ಟೈಮ್‌ಲೈನ್‌ನಿಂದ ಪೋಸ್ಟ್‌ಮಾರ್ಟಮ್ ಸ್ಕೆಚ್ ಅನ್ನು ಬರೆಯಿರಿ: ಸಾರಾಂಶ / ಪರಿಣಾಮ (ಅವಧಿ, ಬಳಕೆದಾರ ಪ್ರಭಾವ) / ಟೈಮ್‌ಲೈನ್ / ಮೂಲ ಕಾರಣ / ಯಾವುದು ಚೆನ್ನಾಗಿತ್ತು / ಕ್ರಿಯೆಗಳು (ಪ್ರತಿಯೊಂದಕ್ಕೂ ಮಾಲೀಕರ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ). ಆಪಾದನೆಯ ಭಾಷೆಯನ್ನು ಬಳಸಬೇಡಿ; ವಾಸ್ತವಿಕ ಮತ್ತು ಪೂರ್ವಭಾವಿಯಾಗಿರಿ.{{timeline}}

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ದಾಖಲೆಗಳನ್ನು ನೋಡಿ, ಏನು ತಪ್ಪಾಗಿದೆ?" (ಇಡೀ ದಿನದ ಕಚ್ಚಾ ದಾಖಲೆ, ವೈಯಕ್ತಿಕ ಡೇಟಾದೊಂದಿಗೆ, ಗುರಿಯಿಲ್ಲ.)

ಪ್ರಬಲವಾಗಿದೆ: "ಕೆಳಗೆ 14:02–14:20 ರಿಂದ (5xxs ಗೆ ಫಿಲ್ಟರ್ ಮಾಡಲಾಗಿದೆ) ಮಾಸ್ಕ್ ಮಾಡಲಾದ ಉತ್ಪಾದನಾ ಲಾಗ್ ಇದೆ. ಈ ವಿಂಡೋದಲ್ಲಿ, ದೋಷವು ಪ್ರಾರಂಭವಾದ ಕ್ಷಣವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ, ಆಗಾಗ್ಗೆ ದೋಷದ ಪ್ರಕಾರವನ್ನು ಎಣಿಸಿ ಮತ್ತು ಸ್ಫೋಟದ ಮೊದಲು ತಕ್ಷಣವೇ 60 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡ ವಿಚಲನಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ; ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸಲು 'ಹೈಪೋಥಿಸಿಸ್' ಎಂದು ಗುರುತಿಸಿ."

ಶಕ್ತಿಯುತ ಆವೃತ್ತಿ; ಇದು ಸಮಯದ ವಿಂಡೋವನ್ನು ಸಂಕುಚಿತಗೊಳಿಸುತ್ತದೆ, ಲಾಗ್ ಅನ್ನು ಫಿಲ್ಟರ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಮಾಸ್ಕ್ ಮಾಡುತ್ತದೆ, ಸ್ಪಷ್ಟವಾದ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳುತ್ತದೆ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಒಂದು ಊಹೆ ಎಂದು ಮೊದಲಿನಿಂದಲೂ ಸ್ಥಾಪಿಸುತ್ತದೆ.

ಅನ್ವೇಷಣೆ

AI ಪ್ರಬಲವಾಗಿದೆ

ಮಿತಿ / ಪರಿಶೀಲನೆ

ದೊಡ್ಡ ಲಾಗ್ ಸಾರಾಂಶ

ಹೌದು, ವೇಗವಾಗಿ

ಮಾದರಿ ನಷ್ಟವಾಗಬಹುದು

ಸಮಯದ ಸಂಬಂಧವನ್ನು ಸ್ಥಾಪಿಸುವುದು

ಸುಳಿವುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ

ಪರಸ್ಪರ ಸಂಬಂಧ ≠ ಕಾರಣ

ಪ್ರಶ್ನೆ/ಫಿಲ್ಟರ್ ಉತ್ಪಾದನೆ

ಉತ್ತಮ ಕರಡು

ಡೊಮೇನ್ ಹೆಸರುಗಳು ನಿಜವೇ?

ಪೋಸ್ಟ್ಮಾರ್ಟಮ್ ಸ್ಕೆಚ್

ರಚನೆ ಮತ್ತು ಭಾಷೆ

ಪ್ರಕರಣಗಳು ಮಾನವ ದೃಢಪಟ್ಟಿವೆ

ಪರಸ್ಪರ ಸಂಬಂಧವು ಕಾರಣವಲ್ಲ

ಲಾಗ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ಅಪಾಯವೆಂದರೆ "ಇದು ಅದೇ ಸಮಯದಲ್ಲಿ ಸಂಭವಿಸಿದೆ, ಆದ್ದರಿಂದ ಏಕೆ" ತಪ್ಪು. AI ಮನುಷ್ಯರಿಗಿಂತ ಸುಲಭವಾಗಿ ಅಲ್ಲದಿದ್ದರೂ ಸುಲಭವಾಗಿ ಈ ಬಲೆಗೆ ಬೀಳುತ್ತದೆ; ಏಕೆಂದರೆ ಪಠ್ಯದಲ್ಲಿನ ಏಕಕಾಲಿಕತೆಯು ಬಲವಾದ ಸಂಕೇತವೆಂದು ಅದು ಭಾವಿಸುತ್ತದೆ. ಒಂದು ಘಟನೆಯು ವಾಸ್ತವವಾಗಿ ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ; ಸಮಯ, ಯಾಂತ್ರಿಕತೆ ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, ಪುನರಾವರ್ತನೆಯ ಅಗತ್ಯವಿದೆ. AI ಸ್ಥಾಪಿಸುವ ಪ್ರತಿ ಕಾರಣಕ್ಕಾಗಿ, ನಾವು "ಇದನ್ನು ಯಾವ ಇತರ ಪುರಾವೆಗಳು ದೃಢೀಕರಿಸುತ್ತವೆ?" ಎಂಬ ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ.

ಸಲಹೆ: AI ಗೆ ಲಾಗಿನ್ ಮಾಡುವಾಗ, ಪಠ್ಯ ಡಂಪ್ ಬದಲಿಗೆ, ಸಾಧ್ಯವಾದರೆ, ಮೊದಲು ಪ್ರಶ್ನೆ/ಫಿಲ್ಟರ್ ಅನ್ನು ಮುದ್ರಿಸಿ ಮತ್ತು ಅದನ್ನು ನಿಮ್ಮ ವಾಹನದಲ್ಲಿ ಚಲಾಯಿಸಿ; ಈ ರೀತಿಯಾಗಿ ನೀವಿಬ್ಬರೂ ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಕಡಿಮೆಗೊಳಿಸುತ್ತೀರಿ ಮತ್ತು ಮಾದರಿಯ ಸಂದರ್ಭ ವಿಂಡೋವನ್ನು ನಿಜವಾಗಿಯೂ ಪ್ರಮುಖ ಸಾಲುಗಳಾಗಿ ಪ್ರತ್ಯೇಕಿಸಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕಚ್ಚಾ, ಮುಖವಾಡವಿಲ್ಲದ ಲಾಗ್ ಅನ್ನು ಅಂಟಿಸುವುದು. ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ರಹಸ್ಯಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುವುದು; ಗೌಪ್ಯತೆಯ ಗಂಭೀರ ಉಲ್ಲಂಘನೆ.
• ಇಡೀ ದಿನವನ್ನು ಒಂದೇ ಬಾರಿಗೆ ನೀಡುವುದು. ಇದು ಸಂದರ್ಭ ವಿಂಡೋವನ್ನು ಮೀರಿದೆ, ಸಿಗ್ನಲ್ ಶಬ್ದದಲ್ಲಿ ಮುಳುಗಿದೆ.
• ಕಾರಣಕ್ಕಾಗಿ ತಪ್ಪಾದ ಪರಸ್ಪರ ಸಂಬಂಧ. AI ಸ್ಥಾಪಿಸಿದ ಸಮಯ ಸಂಬಂಧವು ಒಂದು ಸುಳಿವು, ಪುರಾವೆಯಲ್ಲ.
• ನಿರ್ಮಿತ ಡೊಮೇನ್ ಹೆಸರಿನೊಂದಿಗೆ ಪ್ರಶ್ನೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಮಾದರಿಯು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಲಾಗ್ ಕ್ಷೇತ್ರದ ಹೆಸರನ್ನು ಸೂಚಿಸಬಹುದು; ಸ್ಕೀಮ್ಯಾಟಿಕ್ನೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ.
• ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯನ್ನು ಪರಿಶೀಲಿಸದೆ ಪ್ರಕಟಿಸಲಾಗುತ್ತಿದೆ. ಸತ್ಯಗಳು ಮತ್ತು ಪ್ರಭಾವದ ಅಂಕಿಅಂಶಗಳು ಮಾನವ ದೃಢೀಕರಣವಾಗಿರಬೇಕು.

ಸಾರಾಂಶದಲ್ಲಿ

ಲಾಗ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪರಿಮಾಣ ಮತ್ತು ಶಬ್ದವನ್ನು ಸೋಲಿಸಲು AI ಪ್ರಬಲ ಸಾಧನವಾಗಿದೆ: ದೊಡ್ಡ ಪ್ರತಿಲೇಖನಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು, ಟೈಮ್‌ಲೈನ್‌ಗಳನ್ನು ಸ್ಥಾಪಿಸುವುದು, ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು ಮತ್ತು ಪೋಸ್ಟ್‌ಮಾರ್ಟಮ್ ಸ್ಕೆಚ್‌ಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು. ಆದರೆ ಮೂರು ಮಿತಿಗಳನ್ನು ನೆನಪಿಡಿ: ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಮರೆಮಾಚದೆ ರಫ್ತು ಮಾಡಬೇಡಿ, ಸಂದರ್ಭ ವಿಂಡೋಗೆ ಸರಿಹೊಂದುವಂತೆ ಫಿಲ್ಟರ್ ಮಾಡಿ ಮತ್ತು ಮಾದರಿ ಮಾಡಿ ಮತ್ತು ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಕೋಡ್‌ನೊಂದಿಗೆ ಪ್ರತಿ ಕಾರಣದ ಕ್ಲೈಮ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ. ಪರಸ್ಪರ ಸಂಬಂಧವು ಕಾರಣವಲ್ಲ; AI ಸುಳಿವುಗಳನ್ನು ನೀಡುತ್ತದೆ, ನೀವು ಪುರಾವೆಗಳೊಂದಿಗೆ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೀರಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವು ಹೊಂದಿರುವ ಈವೆಂಟ್ ಅಥವಾ ಪರೀಕ್ಷಾ ಪರಿಸರ ಲಾಗ್‌ನಿಂದ 15-20 ನಿಮಿಷಗಳ ವಿಂಡೋವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೊದಲು ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ರಹಸ್ಯಗಳನ್ನು ಮಾಸ್ಕ್ ಮಾಡಿ (ಅಥವಾ ಸಿಂಥೆಟಿಕ್ ಲಾಗ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿ). ನಂತರ "ಲಾಗ್ ಸಾರಾಂಶ ಮತ್ತು ಟೈಮ್‌ಲೈನ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ AI ನಿಂದ ಕಾಲಾನುಕ್ರಮ ಮತ್ತು ಆಗಾಗ್ಗೆ ದೋಷ ಪ್ರಕಾರಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ. ನೀವು ಹೊಂದಿರುವ ಮೆಟ್ರಿಕ್ ಅಥವಾ ಕೋಡ್‌ನ ತುಣುಕಿನೊಂದಿಗೆ AI ಮುಂದಿಟ್ಟಿರುವ ಮೂಲ ಕಾರಣದ ಊಹೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ಪ್ರಯತ್ನಿಸಿ: ಊಹೆಯು ಹಿಡಿದಿಟ್ಟುಕೊಂಡಿದೆಯೇ ಅಥವಾ ಇದು ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಹೊಂದಿದೆಯೇ? ನಿಮ್ಮ ಸಂಶೋಧನೆಯನ್ನು ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• AI ಗೆ ಲಾಗ್ ನೀಡುವ ಮೊದಲು ನಾನು ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ರಹಸ್ಯಗಳನ್ನು ಮರೆಮಾಚುತ್ತೇನೆ.
• [ ] ನಾನು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕಿರಿದಾದ ಸಮಯ ವಿಂಡೋ ಮತ್ತು ಫಿಲ್ಟರ್‌ಗೆ ಇಳಿಸುತ್ತೇನೆ.
• [ ] ನಾನು AI ಸ್ಥಾಪಿಸಿದ ಸಮಯದ ಸಂಬಂಧಗಳನ್ನು ಊಹೆಗಳಾಗಿ ನೋಡುತ್ತೇನೆ, ಕಾರಣವಲ್ಲ.
• [ ] ನಾನು ಮೂಲ ಕಾರಣದ ಕ್ಲೈಮ್ ಅನ್ನು ಮೆಟ್ರಿಕ್‌ಗಳು ಮತ್ತು ಕೋಡ್‌ನೊಂದಿಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ಉತ್ಪಾದಿಸುವ ಪ್ರಶ್ನೆಗಳು/ಫಿಲ್ಟರ್‌ಗಳ ಡೊಮೇನ್ ಹೆಸರುಗಳು ನಿಜವೆಂದು ನಾನು ದೃಢೀಕರಿಸುತ್ತೇನೆ.
• ಪೋಸ್ಟ್‌ಮಾರ್ಟಮ್ ಸ್ಕೆಚ್‌ನಲ್ಲಿರುವ ಸತ್ಯಗಳು ಮತ್ತು ಅಂಕಿಅಂಶಗಳನ್ನು ನಾನು ಮಾನವೀಯವಾಗಿ ಪ್ರಮಾಣೀಕರಿಸುತ್ತೇನೆ.