تعتمد الخدمات عبر الإنترنت الحديثة، من تطبيقات الخدمات المصرفية إلى منصات حجز التذاكر، على شبكات واسعة من البرامج الحاسوبية الصغيرة التي تعمل معاً. هذه البرامج لا تعمل جميعها على جهاز واحد؛ بل تمر بالمهام ذهاباً وإياباً عبر مشهد رقمي. وللحفاظ على تنظيم هذا الكوريغرافيا المعقدة، يستخدم المهندسون محركات برمجية خاصة تدير المهام طويلة الأمد، مما يضمن اكتمال تسلسل الخطوات بشكل صحيح حتى لو تعثرت بعض أجزاء النظام. وعندما تفشل هذه الأنظمة، يكون الهدف المباشر تقليدياً هو إصلاح المشكلة بأسرع ما يمكن. ومع ذلك، فإن هذا التركيز على السرعة غالباً ما يتجاهل سؤالاً أعمق: هل الطريقة التي يتعافى بها النظام تساعده حقاً على البقاء مستقراً على المدى الطويل، أم أنها مجرد رقعة لثقب سيسرب مجدداً قريباً؟

لقد شرع باحث بقيادة إحتشام جنيد من الجامعة الأمريكية في الإجابة على هذا السؤال. فقد استقصوا ما إذا كان الجمع بين الفهم الرياضي لكيفية فشل الأنظمة وأدوات الإصلاح الآلي يمكن أن يخلق بيئة رقمية أكثر مرونة. وتشير أعمالهم إلى أن الطريقة التي نتعامل بها حالياً مع أعطال الكمبيوتر هي طريقة غير مكتملة. ومن خلال التعامل مع عملية التعافي ليس فقط كعملية إصلاح، بل كضبط محسوب للصحة العامة للنظام، وجدوا طريقة تجعل الشبكات الموزعة ليست فقط أسرع في إصلاح الأخطاء، بل أيضاً أكثر موثوقية بشكل كبير بمرور الوقت.

ركز الباحث على نوع معين من المحركات البرمجية يسمى "كادينس" (Cadence)، وهو مستخدم على نطاق واسع لتنسيق سير العمل في الأنظمة واسعة النطاق. تخيل سير العمل كمجموعة من التعليمات التي يتبعها الكمبيوتر لإكمال مهمة معقدة، مثل معالجة دفعة مالية أو شحن طلبية. في الإعداد التقليدي، إذا انكسرت خطوة واحدة في هذه السلسلة، تطلق أدوات المراقبة إنذاراً، ويتدخل نظام آلي أو مهندس بشري لإعادة تشغيل الجزء المعطل. والمشكلة، كما لاحظ الباحث، هي أن هذه الاستجابات غالة ما تكون رد فعل وتفتقر إلى الرؤية الشاملة؛ فهي تعالج العرض المباشر دون النظر في كيفية تأثير هذا الإصلاح على احتمالية حدوث حالات فشل مستقبلية. قد يتعافى النظام بسرعة من عطل ما، ليقع في دوامة من الانهيارات المتكررة لأن القواعد التي تحكم تعافيه لم تكن محسنة للاستقرار طويل الأمد.

ولمعالجة ذلك، بنى الباحث إطار عمل جديد يدمج نموذج الموثوقية مباشرة في نظام الاستجابة الآلية. فبدلاً من معاملة سير العمل كقائمة بسيطة من المهام، قاموا بنمذجته كسلسلة من الحالات، تماماً مثل خريطة للظروف المحتملة التي يمكن أن يكون النظام فيها. وفي هذا النموذج، لكل خطوة في سير العمل احتمالية معروفة للفشل واحتمالية معروفة للتعافي. ويقوم النظام باستمرار بحساب هذه المعدلات بناءً على بيانات فورية، مثل عدد المرات التي تنتهي فيها مهمة معينة بانتهاء الوقت أو سرعة عودتها للعمل بعد محاولة إعادة التشغيل. وهذا يسمح للكمبيوتر بتقدير التوافر الإجمالي للنظام بأكمله، والتنبؤ بمدى احتمالية بقائه قيد التشغيل بمرور الوقت.

ثم ربط الباحث هذا النموذج بأدوات "القابلية للملاحظة" (Observability) الخاصة به. وفي الحوسبة الحديثة، تشير "القابلية للملاحظة" إلى القدرة على رؤية ما بداخل النظام من خلال جمع السجلات، ومقاييس الأداء، وآثار النشاط. وقد دمج الباحث هذه البيانات التقليدية مع الإشارات المحددة الناتجة عن محرك سير العمل نفسه. فعلى سبيل المثال، بدلاً من مجرد رؤية أن الخادم بطيء، يمكن للنظام الآن أن يرى أن خطوة معينة في سير عمل الدفع عالقة في انتظار إشارة. ومن خلال دمج هذين التدفقين من المعلومات، استطاع النظام الآلي اكتشاف المشكلات بشكل أسرع وبدقة أكبر. وفي اختباراتهم، سمح هذا النهج للنظام بتحديد المشكلات أسرع بنسبة 34 بالمائة تقريباً من الطرق التي تعتمد فقط على بيانات المراقبة القياسية.

بمجرد اكتشاف المشكلة، ينتقل النظام لتحديد السبب الجذري. وغالباً ما يكون هذا هو الجزء الأصعب في الاستجابة للحوادث، حيث يمكن لخطأ واحد أن يمتد عبر العديد من الخدمات، مما يخلق شبكة مربكة من الأعراض. طور الباحث طريقة تستخدم خريطة لكيفية اعتماد الخدمات على بعضها البعض، مدمجة مع تنبؤات نموذج الموثوقية. ينظر النظام إلى الأجزاء الأكثر عرضة للفشل في سير العمل بناءً على البيانات التاريخية والظروف الحالية، ثم يرتب الأسباب المحتملة وفقاً لذلك. وفي تجاربهم، أدت هذه التقنية إلى تحسين دقة تحديد المصدر الحقيقي للفشل إلى 83 بالمائة لأفضل تخمين، وأكثر من 92 بالمائة عند النظر في أفضل ثلاثة احتمالات. وهذا يمثل تحسناً كبيراً عن الأنظمة التي تنظر فقط في اتصالات الخدمة دون مراعاة السلوك المحدد لسير العمل.

الجزء الأخير من إطار العمل هو الاستجابة الآلية نفسها. فعندما يحدد النظام سبباً جذرياً، يقوم بتنفيذ إجراء إصلاح، مثل إعادة تشغيل مهمة، أو زيادة الموارد، أو إعادة توجيه حركة المرور. والابتكار الحاسم هنا هو "حلقة التغذية الراجعة". فبعد إجراء الإصلاح، لا يكتفي النظام بالمضي قدماً فحسب، بل يعيد حساب معدلات الفشل والتعافي فوراً بناءً على نتيجة هذا الإصلاح المحدد. إذا نجح الإصلاح بشكل جيد، يتعلم النظام أن هذه الاستراتيجية فعالة لهذا النوع من المشكلات. وإذا لم تنجح، يقوم النموذج بالتعديل. ومع مرور الوقت، يخلق هذا نظاماً ذاتي التصحيح يتعلم أي استراتيجيات التعافي تحافظ على الاستقرار طويل الأمد.

أظهرت نتائج الدراسة، التي اختُبرت في بيئة موزعة مكونة من اثنتي عشرة خدمة مصغرة وأربعة مسارات عمل طويلة الأمد، فوائد واضحة. فقد قلل إطار العمل الجديد متوسط الوقت اللازم لحل الحوادث إلى 9.8 دقيقة، مقارنة بـ 12.4 دقيقة للأتمتة القائمة على القواعد القياسية و18.6 دقيقة للتعافي اليدوي. والأهم من ذلك، ارتفع التوافر الإجمالي للنظام، أو النسبة المئوية للوقت الذي ظل فيه قيد التشغيل، إلى 0.988، مقارنة بـ 0.976 للأتمتة القائمة على القواعد و0.964 للتعافي اليدوي. ورغم أن هذه الأرقام قد تبدو صغيرة، إلا أن تحسناً ولو بجزء من المائة في نظام واسع النطاق يترجم إلى ساعات من وقت التوقف المحفوظ على مدار العام. علاوة على ذلك، انخفضت وتيرة الإخفاقات المتكررة بشكل كبير، حيث أظهر النظام انخفاضاً بنسبة 18 بالمائة في التكرار بعد عدة دورات من التعلم.

يقر الباحث بأن نتائجهم تأتي من بيئة محكومة. فقد كانت بيئة الاختبار أصغر وأكثر قابلية للتنبؤ من الأنظمة الضخمة والفوضوية التي تستخدمها الشركات العالمية، حيث تتفاعل آلاف الخدمات تحت أحمال حركة مرور غير متوقعة. كما يفترض النموذج أنماطاً أبسط نسبياً للفشل والتعافي، بينما يمكن للأنظمة الواقعية أن تشهد أعطالاً معقدة ومتزامنة. وبالرغم من هذه القيود، توفر الدراسة دليلاً قوياً على أن دمج نمذجة الموثوقية في الاستجابة للحوادث يغير قواعد اللعبة؛ فهو ينقل التركيز من مجرد إطفاء الحرائق إلى بناء نظام يصعب احتراقه بطبيعته.

في نهاية المطاف، يوضح هذا العمل أن الموثوقية والاستجابة للحوادث لا ينبغي معاملتهما كطبقات منفصلة من الإدارة. فمن خلال نسج الفهم الرياضي لكيفية فشل الأنظمة مباشرة في الأدوات التي تصلحها، يمكن للمهندسين إنشاء أنظمة موزعة ليست فقط أسرع في التعافي، بل أيضاً أكثر متانة في مواجهة التحديات المستقبلية. وتشير الدراسة إلى أن الطريق نحو خدمات عبر الإنترنت موثوقة حقاً يكمي في تعليم هذه الأنظمة التعلم من أخطائها، وتعديل سلوكها في الوقت الفعلي للحفاظ على الاستقرار على المدى الطويل.