Log Whisperer: AI மூலம் பிழைப் பதிவுகளைப் பகுப்பாய்வு செய்வதை தானியக்கமாக்குதல்

ஆதரவுப் பொறியாளர்கள் (Support engineers) பெரும்பாலும் ஆயிரக்கணக்கான நேர முத்திரையிடப்பட்ட (timestamped) பதிவு வரிகளில் தேடுவதிலேயே பல மணிநேரங்களை வீணடிக்கிறார்கள். தேடுவதற்கு செலவிடப்படும் ஒவ்வொரு நிமிடமும் வாடிக்கையாளர்களின் காத்திருப்பு நேரத்தை அதிகரிப்பதோடு, நம்பிக்கையையும் குறைக்கிறது. இந்தத் தன்னிச்சையான தேடலை ஒரு வேகமான, தரவு சார்ந்த பணிப்பாய்வாக (workflow) மாற்ற நீங்கள் AI-ஐப் பயன்படுத்தலாம்.

மூன்று அடுக்கு கட்டமைப்பு

மூன்று குறிப்பிட்ட அடுக்குகளைப் பயன்படுத்தி இந்தச் செயல்முறையை நீங்கள் தானியக்கமாக்கலாம்.

• அடுக்கு 1: Parser மற்றும் Correlator. இந்த அடுக்கு மூலப் பதிவுகளை (raw logs) முறைப்படுத்துகிறது. ஒவ்வொரு பதிவிலும் சீரான நேர முத்திரை (timestamp) மற்றும் session ID இருப்பதை இது உறுதி செய்கிறது. பின்னர் இது தொடர்புடைய நிகழ்வுகளை error ID மூலம் குழுவாக்குகிறது.

• அடுக்கு 2: Pattern Recognizer மற்றும் Interpreter. இந்த அடுக்கு சுத்திகரிக்கப்பட்ட பதிவுகளை ஒரு AI மாதிரிக்கு (AI model) வழங்குகிறது. அந்த மாதிரி மீண்டும் மீண்டும் நிகழும் முறைகளைக் கண்டறிந்து, திடீர் மாற்றங்களை (spikes) சமீபத்திய குறியீடு மாற்றங்களுடன் (code changes) இணைக்கிறது. பின்னர் இது ஒரு மூலக் காரணத்தை (root cause) முன்மொழிகிறது.

• அடுக்கு 3: Action Architect. இந்த அடுக்கு முன்வைக்கப்பட்ட கருதுகோளை (hypothesis) எடுத்துக்கொண்டு ஒரு பதிலை உருவாக்குகிறது. இது பொறியாளருக்கான அசல் சூழலை (original context) மாற்றாமல், ஒரு தீர்வை முன்மொழிகிறது அல்லது ஒரு டிக்கெட்டை (ticket) புதுப்பிக்கிறது.

செயல்பாட்டில் ஒரு சிறிய உதாரணம்

ஒரு பயனர் பணம் செலுத்துவதில் காலதாமதம் (payment timeout) ஏற்பட்டதாகப் புகாரளிக்கிறார். Parser கடந்த 30 வினாடிகளுக்கான பதிவுகளை எடுக்கிறது, pattern recognizer தரவுத்தள இணைப்பு அதிகரிப்பைக் (database connection spike) கண்டறிகிறது, மேலும் action architect சிக்கலை விளக்கி ஒரு மாற்று வழியைப் பரிந்துரைக்கும் பதிலை உருவாக்குகிறது. பொறியாளர் அந்தச் செய்தியைச் சரிபார்த்து அனுப்பினால் போதுமானது.

செயல்படுத்தும் படிகள்

  • உங்கள் பதிவுகளைத் தயார் செய்யவும். பதிவுகளை JSON அல்லது CSV போன்ற ஒரு கட்டமைக்கப்பட்ட வடிவத்திற்கு (structured format) ஏற்றுமதி செய்யவும். நேர முத்திரைகள் மற்றும் அடையாளங்களைச் சரிபார்க்கவும். அவற்றை ஒரு தரவுத்தளம் (database) அல்லது கிளவுட் பக்கெட் (cloud bucket)-இல் சேமிக்கவும்.

  • உங்கள் AI ஏஜென்ட்டை (AI Agent) உள்ளமைக்கவும். ஒரு மொழி மாதிரிச் சேவையைத் (language model service) தேர்ந்தெடுக்கவும். பகுப்பாய்வு செய்யவும், விளக்கமளிக்கவும் மற்றும் செயல்படவும் மூன்று அடுக்குத் தூண்டுதலை (three-layer prompt) அதற்கு வழங்கவும். பெயர் நீக்கப்பட்ட (anonymized) மாதிரிகளைக் கொண்டு அதைச் சோதிக்கவும்.

  • தூண்டுதலைத் (Trigger) தானியக்கமாக்கவும். உங்கள் ஆதரவு டிக்கெட் அமைப்பைக் கண்காணிக்க Zapier-ஐப் பயன்படுத்தவும். error ID-ஐப் பிரித்தெடுக்கவும் மற்றும் உங்கள் பதிவு மீட்டெடுப்பு ஸ்கிரிப்டைத் (log retrieval script) தொடங்கவும் இதைப் பயன்படுத்தவும். இது தரவை AI ஏஜென்ட்டிற்கு அனுப்பி, வரைவை (draft) நேரடியாக டிக்கெட்டிற்குள் சேர்க்கும்.

சுருக்கம்

சீரான நேர முத்திரைகள், மூன்று அடுக்கு AI குழாய்முறை (pipeline) மற்றும் தானியக்கத் தூண்டுதல்களைப் பயன்படுத்துவதன் மூலம், உங்கள் குழு தீர்வுகாணும் நேரத்தைக் குறைக்க முடியும். இது பொறியாளர்களை அதிக மதிப்புள்ள பணிகளில் கவனம் செலுத்த வைக்கிறது மற்றும் உங்கள் வாடிக்கையாளர்களுக்கு விரைவான ஆதரவை வழங்குகிறது.

Source: https://dev.to/ken_deng_ai/the-log-whisperer-using-ai-to-automate-error-log-analysis-for-micro-saas-support-6ga

Optional learning community: https://t.me/GyaanSetuAi