ਲੌਗ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਨਿਰੀਖਣਯੋਗਤਾ

ਲਾਭ:

• ਵੱਡੇ ਲੌਗ ਡੰਪਾਂ ਨੂੰ ਮਾਸਕ ਕਰਕੇ ਅਤੇ ਉਹਨਾਂ ਨੂੰ AI ਵਿੱਚ ਫਿਲਟਰ ਕਰਕੇ ਸੰਖੇਪ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਇੱਕ ਟਾਈਮਲਾਈਨ ਬਣਾਉ
• AI ਦੁਆਰਾ ਸਥਾਪਤ ਸਮੇਂ ਦੇ ਸਬੰਧਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਪਰਿਕਲਪਨਾ ਦੇ ਤੌਰ 'ਤੇ, ਨਾ ਕਿ ਕਾਰਣਸ਼ੀਲਤਾ ਵਜੋਂ
• ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੋਡ ਦੇ ਨਾਲ ਮੂਲ ਕਾਰਨ ਦੀ ਧਾਰਨਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਜਦੋਂ ਕੋਈ ਸੌਫਟਵੇਅਰ ਉਤਪਾਦਨ (ਲਾਈਵ ਵਾਤਾਵਰਨ) ਵਿੱਚ ਚੱਲ ਰਿਹਾ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਸਿਰਫ਼ ਟਰੇਸ, ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਲੌਗਸ (ਸਮਾਂ-ਸਟੈਂਪਡ ਲੌਗ ਲਾਈਨਾਂ ਜੋ ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਜਦੋਂ ਇਹ ਚੱਲ ਰਿਹਾ ਹੁੰਦਾ ਹੈ) ਤੁਹਾਨੂੰ ਦੱਸਦੇ ਹਨ ਕਿ ਇਹ ਕੀ ਕਰ ਰਿਹਾ ਹੈ। ਆਊਟੇਜ ਦੇ ਦੌਰਾਨ ਹਜ਼ਾਰਾਂ, ਕਈ ਵਾਰ ਲੱਖਾਂ, ਲੌਗ ਲਾਈਨਾਂ ਤੋਂ ਇੱਕ ਅਰਥਪੂਰਨ ਸਿਗਨਲ ਖਿੱਚਣਾ ਇੱਕ ਘਟਨਾ ਪ੍ਰਤੀਕਿਰਿਆ ਦਾ ਸਭ ਤੋਂ ਤਣਾਅਪੂਰਨ ਅਤੇ ਸਮੇਂ-ਨਾਜ਼ੁਕ ਪਲ ਹੁੰਦਾ ਹੈ। ਇੱਥੇ, AI ਇੱਕ ਸਹਾਇਕ ਹੋ ਸਕਦਾ ਹੈ, ਵਿਸ਼ਾਲ ਟੈਕਸਟ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਪੈਟਰਨਾਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਦਾ ਹੈ, ਅਤੇ ਪਰਿਕਲਪਨਾ ਪੈਦਾ ਕਰਦਾ ਹੈ - ਜਿੰਨਾ ਚਿਰ ਤੁਸੀਂ ਗੋਪਨੀਯਤਾ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਸੀਮਾਵਾਂ ਦਾ ਸਨਮਾਨ ਕਰਦੇ ਹੋ।

ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਨਿਰੀਖਣਯੋਗਤਾ ਦੇ ਸੰਦਰਭ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਿੱਖਦੇ ਹਾਂ - ਇੱਕ ਸਿਸਟਮ ਦੇ ਬਾਹਰੀ ਆਉਟਪੁੱਟ ਨੂੰ ਦੇਖ ਕੇ ਉਸ ਦੀ ਅੰਦਰੂਨੀ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਦੀ ਯੋਗਤਾ: ਲੌਗ ਸ਼ੋਰ ਤੋਂ ਅਰਥ ਕੱਢਣਾ, ਇੱਕ ਬੱਗ ਦੀ ਸਮਾਂਰੇਖਾ ਸਥਾਪਤ ਕਰਨਾ, ਦੁਹਰਾਉਣ ਵਾਲੇ ਪੈਟਰਨਾਂ ਨੂੰ ਲੱਭਣਾ, ਅਤੇ ਪੋਸਟਮਾਰਟਮ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨਾ। ਸਾਹਮਣੇ ਆਲੋਚਨਾਤਮਕ ਚੇਤਾਵਨੀ: ਕੱਚੇ ਉਤਪਾਦਨ ਲੌਗ ਵਿੱਚ ਅਕਸਰ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਭੇਦ ਹੁੰਦੇ ਹਨ; ਉਹਨਾਂ ਨੂੰ ਏਆਈ ਟੂਲ ਵਿੱਚ ਬੇਤਰਤੀਬ ਢੰਗ ਨਾਲ ਚਿਪਕਣਾ ਇੱਕ ਗੰਭੀਰ ਉਲੰਘਣਾ ਹੈ।

ਲੌਗਸ ਸਖ਼ਤ ਕਿਉਂ ਹਨ, ਏਆਈ ਮਦਦਗਾਰ ਕਿਉਂ ਹੈ?

ਲੌਗਸ ਤਿੰਨ ਕਾਰਨਾਂ ਕਰਕੇ ਔਖੇ ਹਨ: ਵੌਲਯੂਮ (ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਨ), ਰੌਲਾ (ਬਹੁਤ ਸਾਰੀਆਂ ਲਾਈਨਾਂ ਅਪ੍ਰਸੰਗਿਕ ਹਨ), ਅਤੇ ਕਲਟਰ (ਇੱਕ ਘਟਨਾ ਵੱਖ-ਵੱਖ ਸੇਵਾਵਾਂ ਦੇ ਲੌਗਾਂ ਵਿੱਚ ਖਿੰਡੇ ਹੋਏ ਹਨ)। ਮਨੁੱਖੀ ਅੱਖ ਇਸ ਢੇਰ ਵਿੱਚ ਥੱਕ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਲਾਈਨ ਤੋਂ ਖੁੰਝ ਜਾਂਦੀ ਹੈ।

AI ਟੈਕਸਟ ਦੇ ਵੱਡੇ ਬਲਾਕਾਂ ਦਾ ਸਾਰ ਦੇਣ, ਦੁਹਰਾਉਣ ਵਾਲੇ ਪੈਟਰਨਾਂ ਦੀ ਗਿਣਤੀ ਕਰਨ ਅਤੇ ਇਹ ਪੁੱਛਣ ਵਿੱਚ ਚੰਗਾ ਹੈ ਕਿ "ਉਸ ਤਰੁੱਟੀਆਂ ਦੇ ਫਟਣ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਬਦਲਿਆ?" ਇਹ ਸਮੇਂ ਦੇ ਸਬੰਧਾਂ ਨੂੰ ਸਥਾਪਿਤ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ ਜਿਵੇਂ ਕਿ ਹਾਲਾਂਕਿ, ਦੋ ਸੀਮਾਵਾਂ ਹਨ. ਪਹਿਲੀ ਸੰਦਰਭ ਵਿੰਡੋ ਹੈ: ਲੌਗਸ ਦੀ ਮਾਤਰਾ ਸੀਮਤ ਹੈ ਜੋ ਤੁਸੀਂ ਇੱਕ ਮਾਡਲ ਵਿੱਚ ਫਿੱਟ ਕਰ ਸਕਦੇ ਹੋ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਫਿਲਟਰ ਅਤੇ ਨਮੂਨਾ ਲੈਣ ਦੀ ਲੋੜ ਹੈ। ਦੂਸਰਾ, ਪ੍ਰਮਾਣਿਕਤਾ: AI ਕਹਿਣਾ "ਇਹ ਮੂਲ ਕਾਰਨ ਹੈ" ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ; ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੋਡ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਕੋਈ ਫੈਸਲਾ ਨਾ ਲਓ।

ਸਾਵਧਾਨ: ਕੱਚੇ ਉਤਪਾਦਨ ਲੌਗ ਵਿੱਚ IP ਪਤਾ, ਈਮੇਲ, ਟੋਕਨ, ਸੈਸ਼ਨ ID ਅਤੇ ਕਈ ਵਾਰ ਓਪਨ ਸੀਕਰੇਟ ਹੋ ਸਕਦਾ ਹੈ। ਉਹਨਾਂ ਨੂੰ AI ਨੂੰ ਖੁਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਮਾਸਕ ਕਰੋ, ਜਾਂ ਸਿਰਫ ਐਂਟਰਪ੍ਰਾਈਜ਼-ਪ੍ਰਵਾਨਿਤ, ਡੇਟਾ-ਸੁਰੱਖਿਅਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਅਸੀਂ ਯੂਨਿਟ 10 ਵਿੱਚ ਇਸ ਵਿਸ਼ੇ ਨੂੰ ਡੂੰਘਾ ਕਰਦੇ ਹਾਂ।

ਕਦਮ ਦਰ ਕਦਮ: ਲੌਗ ਤੋਂ ਰੂਟ ਕਾਰਨ ਤੱਕ

1. ਸਮਾਂ ਵਿੰਡੋ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰੋ। ਇਵੈਂਟ ਸ਼ੁਰੂ ਹੋਣ 'ਤੇ ਮਿੰਟ ਨਿਰਧਾਰਤ ਕਰੋ; ਉਸ ਵਿੰਡੋ ਦੀ ਜਾਂਚ ਕਰੋ, ਪੂਰੇ ਦਿਨ ਦੀ ਨਹੀਂ।
2. ਰੌਲਾ ਫਿਲਟਰ ਕਰੋ। ਜਾਣੀਆਂ ਦੁਹਰਾਉਣ ਵਾਲੀਆਂ, ਨੁਕਸਾਨ ਰਹਿਤ ਲਾਈਨਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢੋ; ਗਲਤੀ (ERROR), ਚੇਤਾਵਨੀ (WARN) ਅਤੇ ਪਹਿਲੇ ਭਟਕਣ ਪਲ 'ਤੇ ਫੋਕਸ ਕਰੋ।
3. ਮਾਸਕ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ. AI ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਰਾਜ਼ਾਂ ਨੂੰ ਸਾਫ਼ ਕਰੋ।
4. ਇੱਕ ਸੰਖੇਪ ਅਤੇ ਸਮਾਂਰੇਖਾ ਬਣਾਓ। AI ਨੂੰ ਇੱਕ ਕਾਲਕ੍ਰਮ ਵਿੱਚ ਘਟਨਾ ਦਾ ਸਾਰ ਦੇਣ ਲਈ ਕਹੋ ("ਪਹਿਲਾਂ ਇਹ, ਫਿਰ ਉਹ")।
5. ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੋਡ ਦੇ ਨਾਲ ਅਨੁਮਾਨ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। ਏਆਈ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਕਾਰਨ; ਜੇਕਰ ਲਾਗੂ ਹੋਵੇ ਤਾਂ ਡੈਸ਼ਬੋਰਡ, ਸੰਬੰਧਿਤ ਕੋਡ ਅਤੇ ਤੈਨਾਤੀ ਟਾਈਮਲਾਈਨ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ।
6. ਜੋ ਕੁਝ ਸਿੱਖਿਆ ਹੈ ਉਸਨੂੰ ਲਿਖੋ। ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਬਣਾਓ ਅਤੇ ਰੋਕਥਾਮ ਵਾਲੀਆਂ ਕਾਰਵਾਈਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ।

ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ

ਕੇਸ 1 — 5 ਮਿੰਟਾਂ ਵਿੱਚ 40,000 ਲਾਈਨਾਂ ਦਾ ਸੰਖੇਪ। ਇੱਕ ਭੁਗਤਾਨ ਸੇਵਾ ਨੇ 12 ਮਿੰਟਾਂ ਲਈ ਰੁਕ-ਰੁਕ ਕੇ ਗਲਤੀ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ। ਟੀਮ ਨੇ AI ਨੂੰ ਮਾਸਕ ਕੀਤੇ ਲੌਗਸ (ਲਗਭਗ 40,000 ਲਾਈਨਾਂ, ਨਮੂਨੇ ਵਾਲੀਆਂ) ਦੀ 20-ਮਿੰਟ ਦੀ ਵਿੰਡੋ ਨੂੰ ਫੀਡ ਕੀਤਾ ਅਤੇ ਇੱਕ ਟਾਈਮਲਾਈਨ ਤਿਆਰ ਕੀਤੀ। ਮਾਡਲ ਨੇ ਦਿਖਾਇਆ ਕਿ ਗਲਤੀ ਉਸ ਪਲ ਦੇ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ ਜਦੋਂ ਇੱਕ ਨਿਰਭਰਤਾ ਸੇਵਾ ਦਾ ਜਵਾਬ ਸਮਾਂ 200 ms ਤੋਂ ਵੱਧ ਕੇ 8 ਸਕਿੰਟ ਹੋ ਗਿਆ ਸੀ। ਟੀਮ ਨੇ ਡੈਸ਼ਬੋਰਡ 'ਤੇ ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਅਤੇ 10 ਮਿੰਟਾਂ ਦੇ ਅੰਦਰ ਕਾਰਨ ਨੂੰ ਘਟਾ ਦਿੱਤਾ।

ਕੇਸ 2 - ਗੁੰਮਰਾਹਕੁੰਨ ਸਬੰਧ। ਇੱਕ ਹੋਰ ਘਟਨਾ ਵਿੱਚ, ਏਆਈ ਨੇ ਇਹ ਕਹਿ ਕੇ ਇਸ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰ ਠਹਿਰਾਇਆ ਕਿ ਤਰੁੱਟੀਆਂ "ਉਸੇ ਸਮੇਂ" ਇੱਕ ਕ੍ਰੋਨ (ਅਨੁਸੂਚਿਤ ਕੰਮ) ਰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਹੋ ਰਹੀਆਂ ਸਨ। ਜਦੋਂ ਟੀਮ ਨੇ ਮੈਟ੍ਰਿਕਸ ਦੀ ਜਾਂਚ ਕੀਤੀ, ਤਾਂ ਉਨ੍ਹਾਂ ਨੇ ਦੇਖਿਆ ਕਿ ਕ੍ਰੋਨ ਅਸਲ ਵਿੱਚ ਘਟਨਾ ਤੋਂ ਪਹਿਲਾਂ ਖਤਮ ਹੋ ਗਿਆ ਸੀ; ਸਬੰਧ ਸੰਜੋਗ ਸੀ। ਅਸਲ ਕਾਰਨ ਮੈਮੋਰੀ ਲੀਕ ਸੀ. ਸਬਕ: ਏਆਈ ਦੁਆਰਾ ਸਥਾਪਤ ਸਮੇਂ ਦਾ ਸਬੰਧ ਇੱਕ ਸੁਰਾਗ ਹੈ, ਸਬੂਤ ਨਹੀਂ।

ਕੇਸ 3 - ਪੋਸਟਮਾਰਟਮ ਤੇਜ਼ ਹੋਇਆ। ਇੱਕ ਆਊਟੇਜ ਤੋਂ ਬਾਅਦ, ਟੀਮ ਨੇ ਇਵੈਂਟ ਚੈਨਲ ਤੋਂ AI ਨੂੰ (ਮਾਸਕ ਕੀਤੇ) ਸੰਦੇਸ਼ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਅਤੇ ਟਾਈਮਲਾਈਨ ਨੂੰ ਫੀਡ ਕੀਤਾ ਅਤੇ ਇਸਨੇ ਇੱਕ ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਤਿਆਰ ਕੀਤਾ: ਸੰਖੇਪ, ਪ੍ਰਭਾਵ, ਸਮਾਂਰੇਖਾ, ਮੂਲ ਕਾਰਨ, ਕਾਰਵਾਈਆਂ। ਮਨੁੱਖੀ ਸੰਪਾਦਕ ਨੇ ਤੱਥਾਂ ਨੂੰ ਠੀਕ ਕੀਤਾ ਅਤੇ ਕਾਰਵਾਈ ਦੇ ਮਾਲਕ ਨਿਯੁਕਤ ਕੀਤੇ. ਦਸਤਾਵੇਜ਼, ਜਿਸ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ 2 ਘੰਟੇ ਲੱਗਦੇ ਹਨ, ਇੱਕ ਵਧੇਰੇ ਇਕਸਾਰ ਢਾਂਚੇ ਦੇ ਨਾਲ ਲਗਭਗ 40 ਮਿੰਟਾਂ ਵਿੱਚ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਸੀ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ

ਲੌਗ ਸੰਖੇਪ ਅਤੇ ਸਮਾਂਰੇਖਾ (ਮਾਸਕਡ ਲੌਗ ਦੇ ਨਾਲ):

ਹੇਠਾਂ ਮਾਸਕ ਕੀਤੇ ਉਤਪਾਦਨ ਲੌਗ ਦੀ ਇੱਕ ਇਵੈਂਟ ਵਿੰਡੋ ਹੈ। 1) ਇਵੈਂਟ ਨੂੰ ਇੱਕ ਕਾਲਕ੍ਰਮਿਕ ਸਮਾਂ-ਰੇਖਾ ਵਿੱਚ ਪਾਓ (ਪਹਿਲੇ ਭਟਕਣ ਦੇ ਪਲ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ)। 2) ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਆਵਰਤੀ ਗਲਤੀ/ਚੇਤਾਵਨੀ ਕਿਸਮਾਂ ਨੂੰ ਗਿਣੋ ਅਤੇ ਸਮੂਹ ਕਰੋ। 3) "ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਬਦਲਿਆ ਹੈ?" ਪ੍ਰਸ਼ਨ ਲਈ ਉਮੀਦਵਾਰ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਇਹ ਅਨੁਮਾਨ ਹਨ; ਇਸ ਨੂੰ "ਤਸਦੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ" ਵਜੋਂ ਮਾਰਕ ਕਰੋ। {{ਲੌਗਸ}}

ਗਲਤੀ ਪੈਟਰਨ ਕੱਢਣ:

ਇਹਨਾਂ ਲੌਗ ਲਾਈਨਾਂ ਵਿੱਚ ਆਵਰਤੀ ਗਲਤੀ ਪੈਟਰਨ ਲੱਭੋ। ਹਰੇਕ ਪੈਟਰਨ ਲਈ: ਨਮੂਨਾ ਲਾਈਨ (ਮਾਸਕਡ), ਅਨੁਮਾਨਿਤ ਸਰੋਤ ਅਤੇ ਸੰਭਵ ਅਰਥ। ਇੱਕ ਵੱਖਰੀ "ਧਿਆਨ" ਸੂਚੀ ਵਿੱਚ ਦੁਰਲੱਭ ਪਰ ਗੰਭੀਰ ਸਿੰਗਲ ਤਰੁੱਟੀਆਂ ਇਕੱਠੀਆਂ ਕਰੋ।{{logs}}

ਸਟ੍ਰਕਚਰਡ ਪੁੱਛਗਿੱਛ/ਫਿਲਟਰ ਪੀੜ੍ਹੀ:

{{ਲੌਗ ਟੂਲ: grep/jq/Kibana KQL/CloudWatch Insights}} ਲਈ, ਇੱਕ ਪੁੱਛਗਿੱਛ ਲਿਖੋ ਜੋ ਹੇਠਾਂ ਦਿੱਤੀ ਸ਼ਰਤ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ: {{ਉਦਾ. ਪਿਛਲੇ 15 ਮਿੰਟਾਂ ਵਿੱਚ 5xx ਗਲਤੀਆਂ, ਉਪਭੋਗਤਾ X}} ਨੂੰ ਛੱਡ ਕੇ। ਪੁੱਛਗਿੱਛ ਦੀ ਵਿਆਖਿਆ ਕਰੋ; ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਸੀਂ ਡੋਮੇਨ ਨਾਮ ਨਹੀਂ ਬਣਾ ਰਹੇ ਹੋ, ਪੁੱਛੋ ਕਿ ਕੀ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਹੋ।

ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ:

ਹੇਠ ਲਿਖੀਆਂ (ਮਾਸਕਡ) ਇਵੈਂਟ ਟਾਈਮਲਾਈਨ ਤੋਂ ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਲਿਖੋ: ਸੰਖੇਪ / ਪ੍ਰਭਾਵ (ਅਵਧੀ, ਉਪਭੋਗਤਾ ਪ੍ਰਭਾਵਿਤ) / ਸਮਾਂਰੇਖਾ / ਮੂਲ ਕਾਰਨ / ਕੀ ਚੰਗਾ ਹੋਇਆ / ਕਾਰਵਾਈਆਂ (ਹਰੇਕ ਲਈ ਮਾਲਕ ਖੇਤਰ ਖਾਲੀ ਛੱਡੋ)। ਇਲਜ਼ਾਮ ਭਰੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ; ਅਸਲੀਅਤ ਅਤੇ ਕਿਰਿਆਸ਼ੀਲ ਬਣੋ।{{timeline}}

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ: "ਇਹ ਲੌਗ ਦੇਖੋ, ਕੀ ਗਲਤ ਹੈ?" (ਪੂਰੇ ਦਿਨ ਦਾ ਕੱਚਾ ਲੌਗ, ਨਿੱਜੀ ਡੇਟਾ ਦੇ ਨਾਲ, ਬਿਨਾਂ ਨਿਸ਼ਾਨਾ।)

ਮਜ਼ਬੂਤ: "ਹੇਠਾਂ 14:02–14:20 ਤੱਕ ਮਾਸਕ ਕੀਤਾ ਉਤਪਾਦਨ ਲੌਗ ਹੈ (5xxs ਤੱਕ ਫਿਲਟਰ ਕੀਤਾ ਗਿਆ ਹੈ)। ਇਸ ਵਿੰਡੋ ਵਿੱਚ, ਉਹ ਪਲ ਲੱਭੋ ਜਦੋਂ ਗਲਤੀ ਬਰਸਟ ਸ਼ੁਰੂ ਹੋਈ, ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ-ਵਾਰ ਗਲਤੀ ਦੀ ਕਿਸਮ ਦੀ ਗਿਣਤੀ ਕਰੋ, ਅਤੇ ਵਿਸਫੋਟ ਤੋਂ ਤੁਰੰਤ ਪਹਿਲਾਂ 60 ਸਕਿੰਟਾਂ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਭਟਕਣਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ; ਉਹਨਾਂ ਸਾਰਿਆਂ ਨੂੰ 'ਹਾਇਪੋਥੀਸਿਸ' ਦੇ ਤੌਰ ਤੇ ਨਿਸ਼ਾਨਬੱਧ ਕਰੋ।"

ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੰਸਕਰਣ; ਇਹ ਟਾਈਮ ਵਿੰਡੋ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦਾ ਹੈ, ਲੌਗ ਨੂੰ ਫਿਲਟਰ ਕਰਦਾ ਹੈ ਅਤੇ ਮਾਸਕ ਕਰਦਾ ਹੈ, ਇੱਕ ਸਪੱਸ਼ਟ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ, ਅਤੇ ਸ਼ੁਰੂ ਤੋਂ ਇਹ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ ਕਿ ਆਉਟਪੁੱਟ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ।

ਖੋਜ

AI ਮਜ਼ਬੂਤ ਹੈ

ਸੀਮਾ / ਤਸਦੀਕ

ਵੱਡਾ ਲੌਗ ਸੰਖੇਪ

ਹਾਂ, ਤੇਜ਼

ਨਮੂਨਾ ਲੈਣ ਦਾ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ

ਇੱਕ ਸਮੇਂ ਦਾ ਰਿਸ਼ਤਾ ਸਥਾਪਤ ਕਰਨਾ

ਸੰਕੇਤ ਪੈਦਾ ਕਰਦਾ ਹੈ

ਸਬੰਧ ≠ ਕਾਰਨ

ਪੁੱਛਗਿੱਛ/ਫਿਲਟਰ ਪੀੜ੍ਹੀ

ਚੰਗਾ ਡਰਾਫਟ

ਕੀ ਡੋਮੇਨ ਨਾਮ ਅਸਲੀ ਹਨ?

ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ

ਬਣਤਰ ਅਤੇ ਭਾਸ਼ਾ

ਕੇਸ ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਗਏ ਹਨ

ਸਬੰਧ ਕਾਰਨ ਨਹੀਂ ਹੈ

ਲੌਗ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਖਰਾਬੀ "ਇਹ ਉਸੇ ਸਮੇਂ ਵਾਪਰਿਆ, ਇਸ ਲਈ" ਭੁਲੇਖਾ ਹੈ। AI ਇਸ ਜਾਲ ਵਿੱਚ ਇੰਨੀ ਆਸਾਨੀ ਨਾਲ ਫਸ ਜਾਂਦਾ ਹੈ, ਜੇਕਰ ਜ਼ਿਆਦਾ ਆਸਾਨੀ ਨਾਲ ਨਹੀਂ, ਤਾਂ ਮਨੁੱਖਾਂ ਨਾਲੋਂ; ਕਿਉਂਕਿ ਇਹ ਸੋਚਦਾ ਹੈ ਕਿ ਟੈਕਸਟ ਵਿੱਚ ਸਮਕਾਲੀਤਾ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਸੰਕੇਤ ਹੈ। ਇਹ ਕਹਿਣ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਇੱਕ ਘਟਨਾ ਅਸਲ ਵਿੱਚ ਦੂਜੀ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ; ਸਮਾਂ, ਵਿਧੀ ਅਤੇ, ਜੇ ਸੰਭਵ ਹੋਵੇ, ਦੁਹਰਾਉਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। AI ਦੁਆਰਾ ਸਥਾਪਿਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਹਰੇਕ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਲਈ, ਅਸੀਂ ਪੁੱਛਦੇ ਹਾਂ ਕਿ "ਹੋਰ ਕਿਹੜੇ ਸਬੂਤ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ?" ਸਵਾਲ ਦੇ ਨਾਲ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ।

ਸੁਝਾਅ: AI 'ਤੇ ਲੌਗਿੰਗ ਕਰਦੇ ਸਮੇਂ, ਟੈਕਸਟ ਡੰਪ ਦੀ ਬਜਾਏ, ਜੇ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ ਪਹਿਲਾਂ ਇੱਕ ਪੁੱਛਗਿੱਛ/ਫਿਲਟਰ ਪ੍ਰਿੰਟ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਆਪਣੇ ਵਾਹਨ ਵਿੱਚ ਚਲਾਓ; ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਦੋਵੇਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋ ਅਤੇ ਮਾਡਲ ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ ਅਸਲ ਮਹੱਤਵਪੂਰਨ ਕਤਾਰਾਂ ਵਿੱਚ ਵੱਖ ਕਰਦੇ ਹੋ।

ਆਮ ਗਲਤੀਆਂ

• ਕੱਚੇ, ਅਣਮਾਸਕ ਕੀਤੇ ਲੌਗ ਨੂੰ ਪੇਸਟ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਭੇਦ ਦਾ ਖੁਲਾਸਾ; ਗੋਪਨੀਯਤਾ ਦੀ ਇੱਕ ਗੰਭੀਰ ਉਲੰਘਣਾ।
• ਸਾਰਾ ਦਿਨ ਇੱਕੋ ਵਾਰ ਦੇਣਾ। ਇਹ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ ਪਾਰ ਕਰਦਾ ਹੈ, ਸਿਗਨਲ ਸ਼ੋਰ ਵਿੱਚ ਡੁੱਬ ਜਾਂਦਾ ਹੈ.
• ਕਾਰਣ ਲਈ ਗਲਤ ਸੰਬੰਧ. ਏਆਈ ਦੁਆਰਾ ਸਥਾਪਤ ਸਮੇਂ ਦਾ ਸਬੰਧ ਇੱਕ ਸੁਰਾਗ ਹੈ, ਸਬੂਤ ਨਹੀਂ।
• ਇੱਕ ਬਣਾਏ-ਅੱਪ ਡੋਮੇਨ ਨਾਮ ਦੇ ਨਾਲ ਇੱਕ ਸਵਾਲ 'ਤੇ ਭਰੋਸਾ. ਮਾਡਲ ਇੱਕ ਲੌਗ ਫੀਲਡ ਨਾਮ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ; ਯੋਜਨਾਬੱਧ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ.
• ਬਿਨਾਂ ਪੁਸ਼ਟੀ ਕੀਤੇ ਪੋਸਟਮਾਰਟਮ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨਾ। ਤੱਥਾਂ ਅਤੇ ਪ੍ਰਭਾਵ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ

AI ਲੌਗ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਆਵਾਜ਼ ਅਤੇ ਰੌਲੇ ਨੂੰ ਹਰਾਉਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੰਦ ਹੈ: ਵੱਡੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਸੰਖੇਪ ਕਰਨਾ, ਸਮਾਂ-ਸੀਮਾਵਾਂ ਸਥਾਪਤ ਕਰਨਾ, ਪੈਟਰਨਾਂ ਨੂੰ ਕੱਢਣਾ, ਅਤੇ ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਤਿਆਰ ਕਰਨਾ। ਪਰ ਤਿੰਨ ਸੀਮਾਵਾਂ ਨੂੰ ਯਾਦ ਰੱਖੋ: ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਮਾਸਕ ਕੀਤੇ ਬਿਨਾਂ ਨਿਰਯਾਤ ਨਾ ਕਰੋ, ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਫਿੱਟ ਕਰਨ ਲਈ ਇਸ ਨੂੰ ਫਿਲਟਰ ਅਤੇ ਨਮੂਨਾ ਬਣਾਓ, ਅਤੇ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੋਡ ਨਾਲ ਹਰੇਕ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਸਬੰਧ ਕਾਰਨ ਨਹੀਂ ਹੈ; AI ਸੁਰਾਗ ਦਿੰਦਾ ਹੈ, ਤੁਸੀਂ ਸਬੂਤ ਦੇ ਨਾਲ ਫੈਸਲਾ ਕਰਦੇ ਹੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਤੁਹਾਡੇ ਕੋਲ ਮੌਜੂਦ ਕਿਸੇ ਇਵੈਂਟ ਜਾਂ ਟੈਸਟ ਵਾਤਾਵਰਨ ਲੌਗ ਤੋਂ 15-20 ਮਿੰਟ ਦੀ ਵਿੰਡੋ ਚੁਣੋ। ਪਹਿਲਾਂ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਰਾਜ਼ਾਂ ਨੂੰ ਮਾਸਕ ਕਰੋ (ਜਾਂ ਇੱਕ ਸਿੰਥੈਟਿਕ ਲੌਗ ਤਿਆਰ ਕਰੋ)। ਫਿਰ "ਲੌਗ ਸੰਖੇਪ ਅਤੇ ਟਾਈਮਲਾਈਨ" ਟੈਮਪਲੇਟ ਦੇ ਨਾਲ AI ਤੋਂ ਇੱਕ ਕਾਲਕ੍ਰਮ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਅਕਸਰ ਗਲਤੀ ਦੀਆਂ ਕਿਸਮਾਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰੋ। AI ਦੁਆਰਾ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਮੈਟ੍ਰਿਕ ਜਾਂ ਕੋਡ ਦੇ ਟੁਕੜੇ ਨਾਲ ਅੱਗੇ ਰੱਖੇ ਮੂਲ ਕਾਰਨ ਦੀ ਪਰਿਕਲਪਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ: ਕੀ ਪਰਿਕਲਪਨਾ ਰੱਖੀ ਗਈ ਸੀ, ਜਾਂ ਕੀ ਇਹ ਇੱਕ ਗੁੰਮਰਾਹਕੁੰਨ ਸਬੰਧ ਸੀ? ਆਪਣੀ ਖੋਜ ਨੂੰ ਇੱਕ ਵਾਕ ਵਿੱਚ ਲਿਖੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ AI ਨੂੰ ਲੌਗ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਰਾਜ਼ਾਂ ਨੂੰ ਲੁਕਾਉਂਦਾ ਹਾਂ।
• [ ] ਮੈਂ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇੱਕ ਤੰਗ ਸਮਾਂ ਵਿੰਡੋ ਅਤੇ ਫਿਲਟਰ ਤੱਕ ਘਟਾਉਂਦਾ ਹਾਂ।
• [ ] ਮੈਂ AI ਦੁਆਰਾ ਸਥਾਪਤ ਸਮੇਂ ਦੇ ਸਬੰਧਾਂ ਨੂੰ ਪਰਿਕਲਪਨਾ ਦੇ ਤੌਰ 'ਤੇ ਦੇਖਦਾ ਹਾਂ, ਨਾ ਕਿ ਕਾਰਣ-ਵਿਹਾਰ ਵਜੋਂ।
• ਮੈਂ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੋਡ ਨਾਲ ਮੂਲ ਕਾਰਨ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ/ਕਰਦੀ ਹਾਂ।
• [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕਰਦਾ/ਕਰਦੀ ਹਾਂ ਕਿ ਮੇਰੇ ਵੱਲੋਂ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਪੁੱਛਗਿੱਛਾਂ/ਫਿਲਟਰਾਂ ਦੇ ਡੋਮੇਨ ਨਾਮ ਅਸਲ ਹਨ।
• [ ] ਮੈਂ ਪੋਸਟਮਾਰਟਮ ਸਕੈਚ ਵਿੱਚ ਤੱਥਾਂ ਅਤੇ ਅੰਕੜਿਆਂ ਨੂੰ ਮਨੁੱਖੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਦਾ ਹਾਂ।