🎧 Listen to this article: हिंदी · English · தமிழ் · తెలుగు · ಕನ್ನಡ · മലയാളം · ଓଡ଼ିଆ · 日本語 · 中文
🌍 Read this in your language: हिंदी · தமிழ் · తెలుగు · ಕನ್ನಡ · മലയാളം · ଓଡ଼ିଆ · 日本語 · 中文
ନେଟୱାର୍କ ଅପରେସନ୍ ସେଣ୍ଟରର କାନ୍ଥରେ ଏକ ଚମକପ୍ରଦ ନୂତନ AI ମନିଟରିଂ ଡ୍ୟାସବୋର୍ଡ ଝୁଲୁଥିଲା, ଯାହା ମସୃଣ କଲର୍ ଗ୍ରେଡିଏଣ୍ଟ୍ସରେ ରିଅଲ୍-ଟାଇମ୍ ମେଟ୍ରିକ୍ସ ପ୍ରଦର୍ଶନ କରୁଥିଲା। ଏହା ଦାମୀ, ମାର୍ଜିତ ଏବଂ ନିୟନ୍ତ୍ରଣରେ ଥିବା ପରି ଦେଖାଯାଉଥିଲା। କିନ୍ତୁ ତଳେ, ଏକ Slack ଚ୍ୟାନେଲ୍ ଲଗାତାର ଆଲର୍ଟଗୁଡ଼ିକୁ ଫୁସ୍ଫୁସ୍ କରୁଥିଲା ଯାହାକୁ ଆଉ କେହି ଶୁଣୁନଥିଲେ—ଏବଂ ଏହା ଏପରି କିଛି ବିଷୟରେ ଠିକ୍ ଥିଲା ଯାହାକୁ ଡ୍ୟାସବୋର୍ଡ ସମ୍ପୂର୍ଣ୍ଣ ରୂପେ ଏଡାଇ ଦେଇଥିଲା।
ଜୁଲାଇ ୧୨ରେ ପ୍ରକାଶିତ, ଏହି କାହାଣୀ ଏକ ବିପଜ୍ଜନକ ଭାବରେ ସାଧାରଣ ହେଉଥିବା ପ୍ୟାଟର୍ଣ୍ଣକୁ ପ୍ରକାଶ କରେ: ସଂସ୍ଥାଗୁଡ଼ିକ ମାନବ-ଡିଜାଇନ୍ ସିଷ୍ଟମଗୁଡ଼ିକୁ AI ଡ୍ୟାସବୋର୍ଡ ସହିତ ବଦଳାଇ ଦେଉଛନ୍ତି, ସେମାନେ ପ୍ରକୃତରେ କ'ଣ ବନ୍ଦ କରୁଛନ୍ତି ତାହା ନବୁଝି। ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭିତ୍ତିଭୂମି ଉପରେ ନଜର ରଖିବା ପାଇଁ AI ଉପକରଣଗୁଡ଼ିକ ଉପରେ କ୍ରମଶଃ ନିର୍ଭରଶୀଳ ହେଉଥିବା ଦୁନିଆରେ, ଏହି ଉପକରଣଗୁଡ଼ିକ କେତେବେଳେ ବ୍ଲାଇଣ୍ଡ ସ୍ପଟ୍ ସୃଷ୍ଟି କରନ୍ତି ତାହା ଚିହ୍ନିବାର କ୍ଷମତା ଅତ୍ୟାବଶ୍ୟକ ହୋଇପଡ଼ିଛି।
ବିସ୍ମୃତ ପ୍ରହରୀ
ମାର୍କ ଜନସନ ଏକ ଷ୍ଟାଣ୍ଡାର୍ଡ ଇନ୍ଫ୍ରାଷ୍ଟ୍ରକଚର୍ ଅଡିଟ୍ ପାଇଁ ନେଟୱାର୍କ ଅପରେସନ୍ ସେଣ୍ଟରରେ ପ୍ରବେଶ କଲେ। ସେ ଜଣେ ପୂର୍ବତନ ଇଞ୍ଜିନିୟରିଂ ଲିଡ୍ ଥିଲେ, ଥରେ ବାର ବର୍ଷ ଧରି ଟିମଗୁଡ଼ିକୁ ମାର୍ଗଦର୍ଶନ କରିବା ପାଇଁ ଯଥେଷ୍ଟ ଆତ୍ମବିଶ୍ୱାସୀ ଥିଲେ, ଯେପର୍ଯ୍ୟନ୍ତ ତାଙ୍କର ବିଶେଷଜ୍ଞତା ଏକ AI ସ୍କିଲ୍ରେ ପ୍ୟାକ୍ ହୋଇନଥିଲା ଏବଂ ସେ ନିଜକୁ କଣ୍ଟ୍ରାକ୍ଟ କାମ ଖୋଜୁଥିବାର ଦେଖିଲେ ଯାହା ସେ ପ୍ରକୃତରେ କରିବାକୁ ସକ୍ଷମ ଥିଲେ। ଏକ ମଧ୍ୟମ ଧରଣର ଗ୍ରାହକ, ଭଲ ସିକ୍ୟୁରିଟି ରେଟିଂ, ଗ୍ଲାମରସ୍ କିଛି ନୁହେଁ—କିନ୍ତୁ କାମ କାମ ଥିଲା।
ଟେକ୍ ଲିଡ୍ ତାଙ୍କୁ ନୂଆ ପୁରସ୍କାର ଦେଖାଇଲେ: "ଆମେ ଗତ ମାସରେ ଏହାକୁ ଅପଗ୍ରେଡ୍ କରିଥିଲୁ। ସମସ୍ତ ସକ୍ରିୟ ଚ୍ୟାନେଲ୍ ଏବେ ଏହି ପ୍ଲାଟଫର୍ମରେ ଏକତ୍ରିତ ହୋଇଛି।" ମାର୍କ ମୁଣ୍ଡ ହଲାଇଲେ, କିନ୍ତୁ ତାଙ୍କ ଆଖି ସ୍କ୍ରିନ୍ ଅତିକ୍ରମ କରି ଏହା ପଛରେ ଥିବା କେବଲ୍ ଟ୍ରେ ଏବଂ ଇନ୍ଫ୍ରାଷ୍ଟ୍ରକଚର୍ ଆଡକୁ ଗଲା। ସ୍କ୍ରିନ୍ ଯାହା ପ୍ରତିଶ୍ରୁତି ଦିଏ ତାକୁ ଅବିଶ୍ୱାସ କରିବା ସେ ଶିଖିଥିଲେ।
ଚ୍ୟାନେଲ୍ ଇନ୍ଭେଣ୍ଟୋରୀ ଫ୍ଲିପ୍ କରିବା ବେଳେ, ମାର୍କ ଗୋଟିଏ ଏଣ୍ଟ୍ରି ପାଇଲେ ଯାହା ତାଙ୍କ ଧ୍ୟାନ ଆକର୍ଷଣ କରିଥିଲା: #alert-legacy-infra. ଷ୍ଟାଟସ୍: ମ୍ୟୁଟ୍ ହୋଇଛି। ଶେଷ ସକ୍ରିୟ କନ୍ଫିଗୁରେସନ୍: ୧୪ ମାସ ପୂର୍ବେ।
"ଏହା କ'ଣ?"
ଟେକ୍ ଲିଡ୍ ଏହାକୁ ଉପେକ୍ଷା ଭାବରେ ଦେଖିଲେ। "ଓହ, ତାହା ପୁରୁଣା SRE ଠାରୁ। ଆମେ ମାଇଗ୍ରେଟ୍ କରିବା ପୂର୍ବରୁ ସେ ଏହାକୁ ସେଟ୍ ଅପ୍ କରିଥିଲେ। କେହି ଏହାକୁ ଆଉ ମେଣ୍ଟେନ୍ କରନ୍ତି ନାହିଁ। ଆମେ କେବଳ ଏହାକୁ ମ୍ୟୁଟ୍ କରି ଛାଡିଦେଲୁ।"
ମାର୍କ ନିଜ ନୋଟବୁକ୍ରେ ଚ୍ୟାନେଲ୍ ID ଲେଖିଲେ।
ନୀରବତାକୁ ଶୁଣିବା
ସେହି ସନ୍ଧ୍ୟାରେ, ମାର୍କ ମ୍ୟୁଟ୍ ହୋଇଥିବା ଚ୍ୟାନେଲର ସମ୍ପୂର୍ଣ୍ଣ ୧୪-ମାସର ଇତିହାସ କାଢିଲେ। ସେ ଯାହା ଆବିଷ୍କାର କଲେ ତାହା ଏକ କାର୍ଯ୍ୟରତ ଆଲର୍ଟ ସିଷ୍ଟମ୍ ଥିଲା ଯାହା ଇନ୍ସାଇଟ୍ସ୍ ସୃଷ୍ଟି କରିବା କେବେ ବନ୍ଦ କରିନଥିଲା—ଏହା କେବଳ ଏପରି କାହା ଦ୍ୱାରା ଶୁଣାଯିବା ବନ୍ଦ ହୋଇଯାଇଥିଲା ଯିଏ ଏହା ଉପରେ କାର୍ଯ୍ୟାନୁଷ୍ଠାନ ଗ୍ରହଣ କରିପାରିବେ।
ଚ୍ୟାନେଲ୍ରେ ଦୁଇ ବର୍ଷ ପୂର୍ବେ ଲେଖାଯାଇଥିବା ନିୟମଗୁଡ଼ିକରୁ ଆଲର୍ଟ ଥିଲା, ଯାହା ସଠିକତା ସହିତ ତିଆରି ହୋଇଥିଲା। ସେଗୁଡ଼ିକୁ ଲେଖିଥିବା ଇଞ୍ଜିନିୟର—କୋଡ୍ରେ କେବଳ JL ଇନିସିଆଲ୍ସ ଦ୍ୱାରା ଚିହ୍ନଟ—ସ୍ପଷ୍ଟ ଭାବରେ ଆଲର୍ଟଗୁଡ଼ିକୁ କିପରି ସଂରଚନା କରାଯିବ ସେ ବିଷୟରେ ଗଭୀର ଭାବରେ ଚିନ୍ତା କରିଥିଲେ। ନିୟମଗୁଡ଼ିକ CPU ଟ୍ରେଣ୍ଡ୍, ମେମୋରୀ ଲିକ୍, କନେକସନ୍ ପୁଲ୍ ୱାଟରମାର୍କ ଟ୍ରାକ୍ କରୁଥିଲା। କିନ୍ତୁ ମାର୍କଙ୍କୁ ସବୁଠାରୁ ଅଧିକ ପ୍ରଭାବିତ କରିଥିଲା ଯେ ସେଗୁଡ଼ିକ କେତେ ଆକ୍ରମଣାତ୍ମକ ଭାବରେ ଟ୍ୟୁନ୍ ହୋଇଥିଲା: ୱାର୍ଣ୍ଣିଂ ପାଇଁ 70% ଥ୍ରେସହୋଲ୍ଡ ଏବଂ କ୍ରିଟିକାଲ୍ ପାଇଁ 85%, ସେମାନଙ୍କ ମଧ୍ୟରେ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ 15% ଅବଜରଭେସନ୍ ୱିଣ୍ଡୋ ସହିତ। ଅଧିକାଂଶ ଟିମ୍ 90%କୁ ସେମାନଙ୍କର କ୍ରିଟିକାଲ୍ ଥ୍ରେସହୋଲ୍ଡ ଭାବରେ ବ୍ୟବହାର କରୁଥିଲେ। ଏକ ସିଷ୍ଟମ୍ ବିପଦରେ ଚିତ୍କାର କରିବା ପର୍ଯ୍ୟନ୍ତ ଅପେକ୍ଷା ନକରି, ଉଭା ହେଉଥିବା ସମସ୍ୟାଗୁଡ଼ିକ ବିଷୟରେ ଧୀରେ ଧୀରେ କହିବା ପାଇଁ JL ସିଷ୍ଟମ୍ ଡିଜାଇନ୍ କରିଥିଲେ।
ମାର୍କ ସେହି ସଂଖ୍ୟାଗୁଡ଼ିକରେ କିଛି ଚିହ୍ନିଲେ। JL ବିଶ୍ୱାସ କରୁନଥିଲେ ଯେ ଆଲର୍ଟଗୁଡ଼ିକ ବିପର୍ଯ୍ୟୟ ପ୍ରତି ପ୍ରତିକ୍ରିୟା କରିବା ଉଚିତ୍—ସେଗୁଡ଼ିକ ଏହାର ପୂର୍ବାନୁମାନ କରିବା ଉଚିତ୍।
ଟାଇମ୍ଲାଇନ୍ ସ୍ପଷ୍ଟ ଥିଲା: ସୋମବାର ଦିନ ଯେତେବେଳେ ନୂତନ AI ପ୍ଲାଟଫର୍ମ ଲଞ୍ଚ ହେଲା, ପୁରୁଣା ଚ୍ୟାନେଲ୍ ସ୍ୱାଭାବିକ ଭାବରେ ଆଲର୍ଟ ପମ୍ପ୍ କରୁଥିଲା। ବୁଧବାର, କଟ୍ଓଭର୍ ହେଲା। ଶୁକ୍ରବାର, କେହି ଜଣେ #alert-legacy-infra କୁ ମ୍ୟୁଟ୍ ଭାବରେ କନ୍ଫିଗର୍ କଲେ। ଦୁଇ ସପ୍ତାହ ପରେ, JL ତାଙ୍କର ଇସ୍ତଫା ପ୍ରଦାନ କଲେ। ତାଙ୍କର ହ୍ୟାଣ୍ଡଓଭର୍ ଡକ୍ୟୁମେଣ୍ଟ୍ ସ୍ପଷ୍ଟ ଥିଲା: "ଟ୍ରାଞ୍ଜିସନ୍ ଅବଜରଭେସନ୍ ପାଇଁ ଅତିକମରେ ଗୋଟିଏ ମାସ ରଖିବାକୁ ପରାମର୍ଶ ଦିଅନ୍ତୁ।" ସେହି ସୁପାରିଶକୁ ଫାଇଲ୍ କରି ଭୁଲିଯାଇଥିଲା।
ସେହି ସମସ୍ୟା ଯାହାକୁ କେହି ଦେଖିପାରିଲେ ନାହିଁ
ମାର୍କ ପରିତ୍ୟକ୍ତ ଚ୍ୟାନେଲରେ ସବୁଠାରୁ ସାମ୍ପ୍ରତିକ ଆଲର୍ଟକୁ ସ୍କ୍ରୋଲ୍ କଲେ। ତାଙ୍କ ଅଡିଟର ମାତ୍ର ତିନି ଦିନ ପୂର୍ବରୁ ଏହା ଫାୟାର୍ ହୋଇଥିଲା:
[07-08 03:14:22] WARN [conn_pool]
Connection pool utilization: 72% → 84% (7d trend: +12pp)
Rule: conn_pool_sustained_growth
Author: JL
ଏହା ହଠାତ୍ ସ୍ପାଇକ୍ ନଥିଲା—ଏହା ଏକ ସପ୍ତାହ ଧରି କ୍ରମାଗତ ଅଭିବୃଦ୍ଧି ଥିଲା। କନେକସନ୍ ପୁଲ୍ ଧୀରେ ଧୀରେ 85% ଆଲର୍ଟ ଥ୍ରେସହୋଲ୍ଡ ଆଡକୁ ବଢୁଥିଲା। ଟ୍ରେଣ୍ଡ୍ ଦିନ ଦିନ ଧରି ବଢୁଥିଲା: 72%, 78%, 81%, 84%।
NOC କାନ୍ଥରେ ପ୍ରମୁଖ ଭାବରେ ପ୍ରଦର୍ଶିତ ନୂତନ AI ଡ୍ୟାସବୋର୍ଡରେ, କନେକସନ୍ ପୁଲ୍ ମେଟ୍ରିକ୍ ସମ୍ପୂର୍ଣ୍ଣ ସବୁଜ ଦେଖାଉଥିଲା। କୌଣସି ଚେତାବନୀ ନାହିଁ। କୌଣସି ଫ୍ଲାଗ୍ ନାହିଁ। AI ସିଷ୍ଟମ୍ ମ୍ୟୁଟ୍ ହୋଇଥିବା ଚ୍ୟାନେଲଗୁଡ଼ିକରୁ ଡାଟା ରାଉଟିଂ ବନ୍ଦ କରିଦେଇଥିଲା, ତେଣୁ ସ୍କ୍ରିନ୍ ଦେଖୁଥିବା ଯେକୌଣସି ବ୍ୟକ୍ତିଙ୍କ ପାଇଁ ଏହି ବଢୁଥିବା ଟ୍ରେଣ୍ଡ୍ ଅଦୃଶ୍ୟ ଥିଲା।
ମାର୍କ ଆହୁରି ଗଭୀରକୁ ଗଲେ। ସେ JL ସୃଷ୍ଟି କରିଥିବା ଅନ୍ୟ ଏକ ନିୟମ ପାଇଲେ: ମେମୋରୀ ରିକ୍ଲେମ୍ ଲାଟେନ୍ସି ଟ୍ରାକିଂ, ଅଫ୍-ପିକ୍ ସମୟରେ ବଢୁଥିବା ଗାର୍ବେଜ୍ କଲେକ୍ସନ୍ ପଜ୍ ଟାଇମ୍ସ୍ ଦେଖିବା। ତାହା ୧୪ ମାସ ପୂର୍ବେ ଉଦ୍ବେଗ ପ୍ରକାଶ କରିଥିଲା। ଆଧୁନିକ ଡ୍ୟାସବୋର୍ଡରେ, ସେହି ସମ୍ପୂର୍ଣ୍ଣ ବିଭାଗଟି ସବୁଜ ଦେଖାଉଥିଲା।
JL ଏଥିରେ ନିର୍ମାଣ କରିଥିବା ଶୃଙ୍ଖଳା ସହିତ ମ୍ୟୁଟ୍ ହୋଇଥିବା ଚ୍ୟାନେଲ୍ କାମ କରିବା ଜାରି ରଖିଥିଲା। କେବଳ କେହି ଏହାକୁ ଶୁଣୁନଥିଲେ।
ଯେତେବେଳେ କେହି ଶୁଣନ୍ତି ନାହିଁ ସେତେବେଳେ କ'ଣ ହୁଏ
ମାର୍କ JL ଙ୍କ ନେମିଂ କନ୍ଭେନ୍ସନ୍ସର ସଂରଚନା ବିଷୟରେ ଚିନ୍ତା କଲେ: _trend ଧୀର ପରିବର୍ତ୍ତନ ପାଇଁ, _sustained ଲାଗି ରହିଥିବା ପ୍ୟାଟର୍ଣ୍ଣଗୁଡ଼ିକ ପାଇଁ, _spread କ୍ରସ୍-ଲେୟାର୍ ଡିଷ୍ଟ୍ରିବ୍ୟୁସନ୍ ପାଇଁ। ଷ୍ଟାଣ୍ଡାର୍ଡ ପ୍ରାକ୍ଟିସ୍ ନୁହେଁ। ଏହା ଏପରି ଜଣେ ବ୍ୟକ୍ତିଙ୍କ କାମ ଥିଲା ଯିଏ ବିଶ୍ୱାସ କରୁଥିଲେ ଯେ କିଛି ବିସ୍ଫୋରଣ ହେବା ପର୍ଯ୍ୟନ୍ତ ଅପେକ୍ଷା ନକରି, ଶାନ୍ତ ମୁହୂର୍ତ୍ତରେ କ'ଣ ଘଟୁଛି ତାହା ଭିତ୍ତିଭୂମି ଆପଣଙ୍କୁ କହିବା ଉଚିତ୍।
ମାଇଗ୍ରେସନ୍ ପରେ ପରେ JL କମ୍ପାନୀ ଛାଡିଥିଲେ। JL ତିଆରି କରିଥିବା ସିଷ୍ଟମ୍ ଠିକ୍ ଡିଜାଇନ୍ ଅନୁଯାୟୀ କାମ କରୁଥିଲା, ସଠିକତା ଏବଂ ଶୃଙ୍ଖଳା ସହିତ ପ୍ରତ୍ୟେକ ଆଲର୍ଟ ସାଇକେଲ୍ ମୂଲ୍ୟାୟନ କରୁଥିଲା। ଏହା କେବଳ ଏତିକି ଯେ ଆଉ କେହି ଶୁଣୁନଥିଲେ।
ମାର୍କ ଟ୍ରେଣ୍ଡ୍-ଲାଇନ୍ ସ୍କ୍ରିନସଟ୍ ଏବଂ ୧୪-ମାସର ଟ୍ରିଗର୍ ଫ୍ରିକ୍ୱେନ୍ସି ଚାର୍ଟକୁ ଗୋଟିଏ ଫୋଲ୍ଡରରେ ସେଭ୍ କଲେ। କୌଣସି ହାଇଲାଇଟ୍ ନାହିଁ, କୌଣସି ଡ୍ରାମା ନାହିଁ। ଯେତେବେଳେ ସେ ଲାପଟପ୍ ବନ୍ଦ କଲେ, ସେ ତାଙ୍କର ଥଣ୍ଡା କଫି ଶେଷ କଲେ। ସେ ନୀରବତାକୁ ସମ୍ପୂର୍ଣ୍ଣ ରୂପେ ବୁଝିଥିଲେ। ସେ ମଧ୍ୟ ଥରେ ସେଠାରେ ଥିଲେ—ଲଗ୍ରେ ଚେତାବନୀ ସୃଷ୍ଟି କରୁଥିଲେ ଯାହାକୁ କେହି ପଢୁନଥିଲେ।
ଅଡିଟ୍ ରିପୋର୍ଟ ଶୁକ୍ରବାର ଦିନ ଦେବାର ଥିଲା। ପ୍ରଥମ ପାଞ୍ଚ ପୃଷ୍ଠାରେ ନେଟୱାର୍କ ସିକ୍ୟୁରିଟି ରେଟିଂ, ଆକ୍ସେସ୍ କଣ୍ଟ୍ରୋଲ୍ସ, ଏବଂ ବ୍ୟାକଅପ୍ କମ୍ପ୍ଲାଏନ୍ସ କଭର୍ ହୋଇଥିଲା—ସବୁ ଷ୍ଟାଣ୍ଡାର୍ଡ। ଷଷ୍ଠ ପୃଷ୍ଠାଟି ଏକ ଆପେଣ୍ଡିକ୍ସ ଥିଲା ଯେଉଁଥିରେ ଗୋଟିଏ ଚାର୍ଟ ଥିଲା। କୌଣସି ଆନୋଟେସନ୍ ନାହିଁ। କୌଣସି ନିବେଦନ ନାହିଁ। କେବଳ ଡାଟା।
ଏହା କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ
ଏହି କାହାଣୀ 36 Stratagems ସିରିଜ୍ ନାମକ ଏକ ବୃହତ୍ତର ପ୍ୟାଟର୍ଣ୍ଣର ଅଂଶ—ଆଧୁନିକ AI ନିୟୋଜନରେ ଖେଳାଯାଉଥିବା ପ୍ରାଚୀନ ରଣନୈତିକ ନୀତିଗୁଡ଼ିକ। ଏଠାରେ ଥିମ୍ ହେଉଛି "Borrow a Corpse to Return the Soul": ମୃତ ଘୋଷିତ ହୋଇଥିବା କିଛି ନେବା ଏବଂ ଏଥିରେ ଏବେ ବି ଜୀବନ ଅଛି ବୋଲି ଆବିଷ୍କାର କରିବା।
ଏହି ନିର୍ଦ୍ଦିଷ୍ଟ ଆବିଷ୍କାରକୁ କ'ଣ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କରେ ତାହା ହେଉଛି ଏହା କ'ଣ ପ୍ରକାଶ କରେ: ଆଧୁନିକ AI ଡ୍ୟାସବୋର୍ଡଗୁଡ଼ିକ କିଛି ନଦେଖି ସବୁକିଛି ଦେଖାଇପାରିବେ। ସେମାନେ ଠିକ୍ ସେହି ସିଗ୍ନାଲଗୁଡ଼ିକୁ ଫିଲ୍ଟର୍ ଆଉଟ୍ କରୁଥିବା ବେଳେ ପଲିସ୍ ଏବଂ ବ୍ୟାପକ ଦେଖାଯାଇପାରିବେ ଯାହାକୁ ସେମାନେ ମନିଟର୍ କରିବା ଉଚିତ୍। ଏକ ସିଷ୍ଟମକୁ ଏତେ ସମୟ ଧରି ମ୍ୟୁଟ୍ କରାଯାଇପାରେ ଯେ ସମସ୍ତେ ଭୁଲିଯାଆନ୍ତି ଯେ ଏହାର କେବେ କିଛି କହିବାର ଥିଲା।
ପ୍ରକୃତ ପ୍ରଶ୍ନ ଏହା ନୁହେଁ ଯେ ନୂତନ ଡ୍ୟାସବୋର୍ଡ ପୁରୁଣା ଚ୍ୟାନେଲ୍ ଠାରୁ ଭଲ କି ନୁହେଁ। ପ୍ରଶ୍ନ ହେଉଛି ସେମାନେ ଶୁଣିବା ବନ୍ଦ କରିବାକୁ ନିଷ୍ପତ୍ତି ନେବା ପୂର୍ବରୁ କେହି ଯାଞ୍ଚ କରିଥିଲେ କି ଯେ ପୁରୁଣା ଚ୍ୟାନେଲ୍ ଏବେ ବି କ'ଣ କହୁଥିଲା।
ଉପସଂହାର
ଏକ ନେଟୱାର୍କ ଅଡିଟ୍ ୧୪ ମାସ ପୁରୁଣା ଏକ ମ୍ୟୁଟ୍ ହୋଇଥିବା ଆଲର୍ଟ ଚ୍ୟାନେଲକୁ ଉନ୍ମୋଚନ କଲା ଯାହା କେବେ ମଧ୍ୟ କାମ କରିବା ବନ୍ଦ କରିନଥିଲା—ଏବଂ ଆବିଷ୍କାର କଲା ଯେ ଏହା ଏକ ପ୍ରକୃତ ସମସ୍ୟାକୁ ଟ୍ରାକ୍ କରୁଥିଲା ଯାହାକୁ ଆଧୁନିକ AI ଡ୍ୟାସବୋର୍ଡ ଅଦୃଶ୍ୟ କରିଦେଇଥିଲା। ଶିକ୍ଷା ଏହା ନୁହେଁ ଯେ ନୂତନ ସିଷ୍ଟମ୍ ଖରାପ କିମ୍ବା ପୁରୁଣା ସିଷ୍ଟମ୍ ଭଲ। ଶିକ୍ଷା ହେଉଛି ଯେ କୌଣସି ଜିନିଷକୁ ନୀରବ କରିବା ତାହାକୁ ଠିକ୍ ହେବାରୁ ଅଟକାଏ ନାହିଁ। କେହି ଜଣେ, କେଉଁଠି, ଏପରି କିଛି ନିର୍ମାଣ କରିଥିଲେ ଯାହା ସମସ୍ୟା ବିଷୟରେ ସ୍ପଷ୍ଟ ଭାବରେ ଚିନ୍ତା କରୁଥିଲା। ଯେତେବେଳେ ଆପଣ ଏହାକୁ ବନ୍ଦ କରିବାକୁ ନିଷ୍ପତ୍ତି ନିଅନ୍ତି, ଆପଣ ଠିକ୍ କ'ଣ ନଶୁଣିବାକୁ ବାଛୁଛନ୍ତି ତାହା ବୁଝିବା ଯୋଗ୍ୟ ଅଟେ।
ଗୁଣଗୁଡ଼ିକ
- ଲିଗାସୀ ସିଷ୍ଟମଗୁଡ଼ିକ ପ୍ରାୟତଃ କଷ୍ଟ-ଅର୍ଜିତ ବିଶେଷଜ୍ଞତାକୁ ଏନକୋଡ୍ କରେ। JL ଙ୍କ ଆଲର୍ଟ ଥ୍ରେସହୋଲ୍ଡ ଏବଂ ନେମିଂ କନ୍ଭେନ୍ସନ୍ସ ଭିତ୍ତିଭୂମି ପ୍ରକୃତରେ କ'ଣ କହିବା ଆବଶ୍ୟକ କରେ ସେ ବିଷୟରେ ଯତ୍ନଶୀଳ ଚିନ୍ତାଧାରାକୁ ପ୍ରତିଫଳିତ କରୁଥିଲା।
- ଆକ୍ରମଣାତ୍ମକ ଆଲର୍ଟିଂ ଟ୍ରେଣ୍ଡ୍ଗୁଡ଼ିକୁ ସଙ୍କଟରେ ପରିଣତ ହେବା ପୂର୍ବରୁ ଧରିଥାଏ। ଏକ 70% ୱାର୍ଣ୍ଣିଂ ଥ୍ରେସହୋଲ୍ଡ ସିଷ୍ଟମଗୁଡ଼ିକ ଫେଲ୍ ହେବା ପର୍ଯ୍ୟନ୍ତ ଅପେକ୍ଷା ନକରି ସମସ୍ୟାଗୁଡ଼ିକୁ ଆଗରୁ ଧରିଥାଏ।
- ମ୍ୟୁଟିଂ ଡିଲିଟିଂ ସହିତ ସମାନ ନୁହେଁ। ପୁରୁଣା ଚ୍ୟାନେଲ୍ ଚାଲୁ ରହିଲା; କାହାକୁ ଏହାକୁ ପୁନଃ ନିର୍ମାଣ କରିବାକୁ କିମ୍ବା ଲଜିକ୍ ପୁନଃ ଉଦ୍ଭାବନ କରିବାକୁ ପଡିଲାନାହିଁ।
- ଏକାଧିକ ମନିଟରିଂ ଆଭିମୁଖ୍ୟ ରିଡଣ୍ଡାନ୍ସି ପ୍ରଦାନ କରେ। ବିଭିନ୍ନ ସିଷ୍ଟମ୍ ବିଭିନ୍ନ ସମସ୍ୟାକୁ ଧରିପାରେ; ଗୋଟିକୁ ସମ୍ପୂର୍ଣ୍ଣ ରୂପେ ବଦଳାଇବା ମୂଲ୍ୟବାନ ଦୃଷ୍ଟିକୋଣକୁ ହଟାଇଦିଏ।
- ସ୍ପଷ୍ଟ ଡିଜାଇନ୍ ପ୍ୟାଟର୍ଣ୍ଣ କେବଳ ଇମ୍ପ୍ଲିମେଣ୍ଟେସନ୍ ନୁହେଁ, ଚିନ୍ତାଧାରା ପ୍ରକାଶ କରେ। JL ଙ୍କ ନିୟମଗୁଡ଼ିକର ସଂରଚନା ପାଠକମାନଙ୍କୁ ଇନ୍ଫ୍ରାଷ୍ଟ୍ରକଚର୍ ଆଲର୍ଟ ବିଷୟରେ କିପରି ଚିନ୍ତା କରିବେ ସେ ବିଷୟରେ କିଛି ଶିଖାଇଲା।
ଦୋଷଗୁଡ଼ିକ
- ଅଣ-ଦସ୍ତାବିଜ୍ ସିଷ୍ଟମଗୁଡ଼ିକ ସମୟ କ୍ରମେ ଅଦୃଶ୍ୟ ହୋଇଯାଏ। ସକ୍ରିୟ ରକ୍ଷଣାବେକ୍ଷଣ ଏବଂ ସମୀକ୍ଷା ବିନା, କାମ କରୁଥିବା ସିଷ୍ଟମଗୁଡ଼ିକ ମଧ୍ୟ ଭୁଲିଯାଆନ୍ତି।
- ସାଂଗଠନିକ ପରିବର୍ତ୍ତନଗୁଡ଼ିକ ପ୍ରାୟତଃ ପ୍ରାତିଷ୍ଠାନିକ ଜ୍ଞାନ ହରାଏ। ଯେତେବେଳେ ଇଞ୍ଜିନିୟରମାନେ ଛାଡି ଦିଅନ୍ତି, ଡିଜାଇନ୍ ପସନ୍ଦ ବିଷୟରେ ସେମାନଙ୍କର ଯୁକ୍ତି ସେମାନଙ୍କ ସହିତ ଅଦୃଶ୍ୟ ହୋଇପାରେ।
- ଆଧୁନିକ ଡ୍ୟାସବୋର୍ଡଗୁଡ଼ିକ ମିଥ୍ୟା ଆତ୍ମବିଶ୍ୱାସ ସୃଷ୍ଟି କରିପାରେ। ସବୁଜ ସ୍ଥିତି ଦେଖାଉଥିବା ପଲିସ୍ ହୋଇଥିବା ଇଣ୍ଟରଫେସ୍ଗୁଡ଼ିକ ଏହି ତଥ୍ୟକୁ ଲୁଚାଇ ପାରେ ଯେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଡାଟା ଷ୍ଟ୍ରିମ୍ଗୁଡ଼ିକ ନୀରବ କରାଯାଇଛି।
- ଆଲର୍ଟ ଫ୍ୟାଟିଗ୍ ଓଭର-ସାଇଲେନ୍ସିଂକୁ ନ୍ୟାୟଯୁକ୍ତ କରେ। ସଂସ୍ଥାଗୁଡ଼ିକ ପ୍ରାୟତଃ ଶବ୍ଦ ହ୍ରାସ କରିବାକୁ ଚ୍ୟାନେଲଗୁଡ଼ିକୁ ମ୍ୟୁଟ୍ କରନ୍ତି, ବେଳେବେଳେ ସେମାନେ ରାସ୍ତାରେ ଆଉ କ'ଣ ମ୍ୟୁଟ୍ କରିଛନ୍ତି ତାହା ଯାଞ୍ଚ କରିବାକୁ ଭୁଲିଯାଆନ୍ତି।
- କୌଣସି ଏକକ ସିଷ୍ଟମ୍ ସବୁକିଛି ଧରେ ନାହିଁ। ଗୋଟିଏ AI ଡ୍ୟାସବୋର୍ଡ ଉପରେ ନିର୍ଭର କରିବା, ଯେତେ ଉନ୍ନତ ହେଲେ ମଧ୍ୟ, ଗ୍ୟାରେଣ୍ଟି ଦିଏ ଯେ ଆପଣ ଏପରି ପ୍ୟାଟର୍ଣ୍ଣଗୁଡ଼ିକୁ ମିସ୍ କରିବେ ଯାହାକୁ ବିଭିନ୍ନ-ଡିଜାଇନ୍ ହୋଇଥିବା ସିଷ୍ଟମଗୁଡ଼ିକ ଚିହ୍ନଟ କରିବେ।
ସତର୍କତା
ଏହି ଲେଖାଟି DEV Community Stratagems ସିରିଜରେ ପ୍ରକାଶିତ ଏକ ପ୍ରକୃତ କେସ୍ ଷ୍ଟଡି ଉପରେ ଆଧାରିତ ଏକ ଶିକ୍ଷାମୂଳକ କାହାଣୀ ଅଟେ। ଏହା ଲିଗାସୀ ସିଷ୍ଟମ୍, ମନିଟରିଂ ଏବଂ ସାଂଗଠନିକ ପରିବର୍ତ୍ତନ ବିଷୟରେ ନୀତିଗୁଡ଼ିକୁ ଦର୍ଶାଏ। ନିର୍ଦ୍ଦିଷ୍ଟ ମେଟ୍ରିକ୍ସ, ଥ୍ରେସହୋଲ୍ଡ, ଏବଂ ବୈଷୟିକ ବିବରଣୀ (70% ୱାର୍ଣ୍ଣିଂ ଥ୍ରେସହୋଲ୍ଡ, କନେକସନ୍ ପୁଲ୍ ମନିଟରିଂ, ଗାର୍ବେଜ୍ କଲେକ୍ସନ୍ ଟ୍ରାକିଂ) ମୂଳ ସାମଗ୍ରୀରେ ପ୍ରସ୍ତୁତ କରାଯାଇଥିବା ପରି ଅଟେ। ଇନ୍ଫ୍ରାଷ୍ଟ୍ରକଚର୍ ନିଷ୍ପତ୍ତି ପାଇଁ ଏହା ଉପରେ ନିର୍ଭର କରିବା ପୂର୍ବରୁ ପାଠକମାନେ ଏହି କାହାଣୀରେ ଥିବା ଦାବିଗୁଡ଼ିକୁ ମୂଳ DEV Community ଆର୍ଟିକିଲ୍ ବିରୁଦ୍ଧରେ ଯାଞ୍ଚ କରିବା ଉଚିତ୍। ବ୍ୟାପକ ଶିକ୍ଷା—ଯେ ଏକ ସିଷ୍ଟମକୁ ନୀରବ କରିବା ଏହାକୁ ସଠିକ୍ ହେବାରୁ ଅଟକାଏ ନାହିଁ—ଏହି ଏକକ କେସ୍ ଠାରୁ ବହୁତ ଦୂରକୁ ପ୍ରଯୁଜ୍ୟ ଏବଂ ଯେକୌଣସି ଟେକ୍ନୋଲୋଜି ପରିବର୍ତ୍ତନରେ ଚିନ୍ତାଶୀଳ ବିଚାରର ଯୋଗ୍ୟ ଅଟେ।
ବାରମ୍ବାର ପଚରାଯାଉଥିବା ପ୍ରଶ୍ନ
ଏକ ଆଲର୍ଟ ଥ୍ରେସହୋଲ୍ଡ କ'ଣ? — ଏହା ଏକ ସୀମା ଯାହାକୁ ଏକ ମନିଟରିଂ ସିଷ୍ଟମ୍ ଦେଖିଥାଏ। ଯେତେବେଳେ ମେଟ୍ରିକ୍ସ ସେହି ରେଖା ଅତିକ୍ରମ କରେ, ସିଷ୍ଟମ୍ ଏକ ଆଲର୍ଟ ପଠାଏ। ଏହି କାହାଣୀରେ, JL କନେକସନ୍ ପୁଲ୍ ବ୍ୟବହାର ପାଇଁ ଥ୍ରେସହୋଲ୍ଡଗୁଡ଼ିକୁ 70% (ୱାର୍ଣ୍ଣିଂ) ଏବଂ 85% (କ୍ରିଟିକାଲ୍) ରେ ସେଟ୍ କରିଥିଲେ, ତେଣୁ ସେହି ପଏଣ୍ଟଗୁଡ଼ିକରେ ଆଲର୍ଟଗୁଡ଼ିକ ଫାୟାର୍ ହେବ।
ଏକ କମ୍ପାନୀ କାହିଁକି ଏକ ଆଲର୍ଟ ଚ୍ୟାନେଲକୁ ମ୍ୟୁଟ୍ କରିବ? — ଟିମ୍ଗୁଡ଼ିକ ପ୍ରାୟତଃ ଶବ୍ଦ କମାଇବାକୁ ଚ୍ୟାନେଲଗୁଡ଼ିକୁ ମ୍ୟୁଟ୍ କରନ୍ତି ଯେତେବେଳେ ସେମାନେ ଭାବନ୍ତି ଯେ ଆଲର୍ଟଗୁଡ଼ିକ ଆଉ ପ୍ରାସଙ୍ଗିକ ନୁହେଁ। ଏହି କ୍ଷେତ୍ରରେ, ପୁରୁଣା ଚ୍ୟାନେଲ୍ ମ୍ୟୁଟ୍ ହୋଇଥିଲା କାରଣ ସଂସ୍ଥା ଏକ ନୂତନ AI ଡ୍ୟାସବୋର୍ଡକୁ ମାଇଗ୍ରେଟ୍ କରିଥିଲା ଏବଂ ବିଶ୍ୱାସ କରିଥିଲା ଯେ ଲିଗାସୀ ସିଷ୍ଟମ୍ ରିଡଣ୍ଡାଣ୍ଟ ଥିଲା।
କନେକସନ୍ ପୁଲ୍ କ'ଣ ଏବଂ ଏହା କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ? — ଏକ କନେକସନ୍ ପୁଲ୍ ହେଉଛି ଡାଟାବେସ୍ କନେକସନ୍ଗୁଡ଼ିକର ଏକ ଗୋଷ୍ଠୀ ଯାହା ଆପ୍ଲିକେସନ୍ଗୁଡ଼ିକ ବ୍ୟବହାର କରେ। ଯଦି ବ୍ୟବହାର 85% କୁ ବୃଦ୍ଧି ପାଏ, ସିଷ୍ଟମ୍ରେ ଉପଲବ୍ଧ କନେକସନ୍ ସରିଯାଏ ଏବଂ ଅନୁରୋଧଗୁଡ଼ିକ ବିଫଳ ହେବା ଆରମ୍ଭ ହୁଏ। ଏହାକୁ ମନିଟର୍ କରିବା ଡାଟାବେସ୍ ଆଉଟେଜ୍କୁ ରୋକିଥାଏ।
ଗାର୍ବେଜ୍ କଲେକ୍ସନ୍ କ'ଣ? — ଗାର୍ବେଜ୍ କଲେକ୍ସନ୍ ହେଉଛି ସେହି ପ୍ରକ୍ରିୟା ଯାହାକୁ ଏକ ପ୍ରୋଗ୍ରାମ୍ ଆଉ ଆବଶ୍ୟକ କରୁନଥିବା ମେମୋରୀକୁ ସଫା କରିବା ପାଇଁ ବ୍ୟବହାର କରେ। ଯଦି ଏହା ଧୀରେ ଧୀରେ ଚାଲେ (ଉଚ୍ଚ ଲାଟେନ୍ସି), ସମ୍ପୂର୍ଣ୍ଣ ଆପ୍ଲିକେସନ୍ ସଂକ୍ଷେପରେ ଫ୍ରିଜ୍ ହୋଇପାରେ। ଉଭା ହେଉଥିବା ସମସ୍ୟାଗୁଡ଼ିକୁ ଶୀଘ୍ର ଧରିବା ପାଇଁ ଅଫ୍-ପିକ୍ ସମୟରେ JL ଙ୍କ ନିୟମ ଏହାକୁ ଟ୍ରାକ୍ କରିଥିଲା।
ଯଦି କେହି ଏହାକୁ ପଢୁନାହାଁନ୍ତି ତେବେ କିଏ କାହିଁକି ଏକ ପୁରୁଣା ଚ୍ୟାନେଲ୍ ରଖିବେ? — ଟେକ୍ ଲିଡ୍ କହିଥିଲେ ଯେ ସେମାନେ "କେବଳ ଯେପରି କିଛି ନହୁଏ ସେଥିପାଇଁ ଏହାକୁ ରଖିଥିଲେ," କିନ୍ତୁ ପରେ ଏହାକୁ ମ୍ୟୁଟ୍ ଭାବରେ କନ୍ଫିଗର୍ କଲେ। ଏହାର ଅର୍ଥ ସିଷ୍ଟମ୍ ଏବେ ବି ଚାଲୁଥିଲା କିନ୍ତୁ କାହାକୁ ନୋଟିଫିକେସନ୍ ମିଳିଲାନାହିଁ—ତେଣୁ ଏହା ଚିହ୍ନଟ କରିଥିବା ସମସ୍ୟାଗୁଡ଼ିକ ବିଷୟରେ କେହି ଜାଣିନଥିଲେ।
36 Stratagems ସିରିଜ୍ କ'ଣ? — ଏହା DEV Community ରେ ଥିବା କାହାଣୀଗୁଡ଼ିକର ଏକ ସିରିଜ୍ ଯାହା AI ନିୟୋଜନ ଏବଂ ସାଂଗଠନିକ ପରିବର୍ତ୍ତନରେ ପ୍ରକୃତରେ କ'ଣ ଘଟୁଛି ତାହା ପରୀକ୍ଷା କରିବାକୁ ପ୍ରାଚୀନ ଚୀନୀ ରଣନୈତିକ ନୀତିଗୁଡ଼ିକର ବ୍ୟବହାର କରେ। ଏହି କାହାଣୀ "Borrow a Corpse to Return the Soul" ନୀତିକୁ ଦର୍ଶାଏ—ମୃତ ବୋଲି ଭାବୁଥିବା କିଛିକୁ ପୁନର୍ଜୀବିତ କରିବା।
AI ଡ୍ୟାସବୋର୍ଡଗୁଡ଼ିକ କିପରି ଡାଟା ଫିଲ୍ଟର୍ କରନ୍ତି? — ଡ୍ୟାସବୋର୍ଡଗୁଡ଼ିକ ସାଧାରଣତଃ କେବଳ ସକ୍ରିୟ, ରାଉଟେଡ୍ ଚ୍ୟାନେଲ୍ ଏବଂ ସିଷ୍ଟମଗୁଡ଼ିକରୁ ଡାଟା ପ୍ରଦର୍ଶନ କରେ। ଯେତେବେଳେ #alert-legacy-infra ମ୍ୟୁଟ୍ ହୋଇଥିଲା, ଏହାର ଡାଟା ନୂତନ ଡ୍ୟାସବୋର୍ଡକୁ ରାଉଟିଂ ବନ୍ଦ କରିଦେଇଥିଲା, ଯାହା ଆଲର୍ଟଗୁଡ଼ିକ ଫାୟାର୍ ହେବା ଜାରି ରଖିଥିଲେ ମଧ୍ୟ ଏହାକୁ ଅଦୃଶ୍ୟ କରିଦେଇଥିଲା।
ନୂତନ ମନିଟରିଂ ସିଷ୍ଟମକୁ ମାଇଗ୍ରେଟ୍ କରିବା ପୂର୍ବରୁ ଟିମ୍ଗୁଡ଼ିକ କ'ଣ କରିବା ଉଚିତ୍? — ପୁରୁଣା ସିଷ୍ଟମ୍ କ'ଣ ଧରୁଥିଲା ଏବଂ ଟ୍ରାକ୍ କରୁଥିଲା ତାହା ସମୀକ୍ଷା କରନ୍ତୁ। ଟ୍ରାଞ୍ଜିସନ୍ ସମୟରେ ଉଭୟ ସିଷ୍ଟମକୁ ସମାନ୍ତରାଳ ଭାବରେ ଚଲାନ୍ତୁ। ଆଲର୍ଟଗୁଡ଼ିକ କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଏବଂ ଥ୍ରେସହୋଲ୍ଡଗୁଡ଼ିକର ଅର୍ଥ କ'ଣ ତାହା ଡକ୍ୟୁମେଣ୍ଟ୍ କରନ୍ତୁ। କେବେ ମଧ୍ୟ ଅନୁମାନ କରନ୍ତୁ ନାହିଁ ଯେ ଏକ ନୂତନ କିମ୍ବା ଅଧିକ ଆକର୍ଷଣୀୟ ସିଷ୍ଟମ୍ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଏହାର ପୂର୍ବବର୍ତ୍ତୀ ସିଷ୍ଟମ୍ କରିଥିବା ସବୁକିଛି ଦେଖେ।
ଟ୍ୟାଗ୍ଗୁଡ଼ିକ
#infrastructure #monitoring #alerts #legacysystems #ai #organizationalchange #debtnotforgotten #infra-as-truth
Prompt-Injection Defense Checklist
The controls that actually reduce the blast radius when your app feeds untrusted text to an LLM. Enter your email — you'll get the PDF instantly, plus new posts on AI, security & Linux.
Free. No spam — unsubscribe in one click.


Responses
Sign in to leave a response.