Agentic Observability: Automated Alert Triage for Adobe E-Commerce
यह शोध पत्र एडोब के ई-कॉमर्स इंफ्रास्ट्रक्चर में तैनात एक एजेंटिक ऑब्जर्वेबिलिटी फ्रेमवर्क प्रस्तुत करता है जो डायनामिक लॉग विश्लेषण और कॉन्टेक्स्ट-अवेयर एक्शन प्लानिंग के माध्यम से नैदानिक सटीकता बनाए रखते हुए, री-एक्ट (ReAct) प्रतिमान का उपयोग करके स्वायत्त रूप से अलर्ट ट्राइएज करता है, जिससे मीन टाइम टू इनसाइट में 90% की कमी आती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक विशाल, उच्च-गति वाले ई-कॉमर्स स्टोर (जैसे कि एडोब द्वारा संचालित किया जाता है) की कल्पना करें जो एक विशाल, हलचल भरे शहर की तरह है। यह शहर हजारों छोटे, आपस में जुड़े हुए भवनों (माइक्रोसर्विस) से बना है जो ऑर्डर प्रोसेस करने, सब्सक्रिप्शन प्रबंधित करने और उत्पाद प्रदर्शित करने के लिए लगातार एक-दूसरे से बात करते हैं।
इस शहर में चीजें हमेशा गलत होती रहती हैं। कभी पाइप फट जाता है, कभी ट्रैफिक लाइट में गड़बड़ी आ जाती है, तो कभी बिजली की चमक कम-ज्यादा होती है। पुराने दिनों में, जब अलार्म बजता था, तो एक मानव "फायरफाइटर" (इंजीनियर) को यह करना पड़ता था:
- अलार्म की ओर दौड़ना।
- एक नक्शा (लॉग्स) उठाना।
- स्थिति की जांच करने के लिए पांच अलग-अलग इमारतों तक जाना।
- उस विशिष्ट इमारत के लिए मैनुअल देखने के लिए लाइब्रेरी को कॉल करना।
- अंत में, यह समझना कि क्या टूटा है और इसे कैसे ठीक किया जाए।
इस प्रक्रिया में काफी समय लगता था (लगभग 18 से 33 मिनट), और फायरफाइटर अक्सर बहुत सारे नक्शों और उपकरणों को एक साथ संभालने के कारण अभिभूत हो जाता था।
नया समाधान: "सुपर-डिटेक्टिव" टीम
यह पेपर एजेंटिक ऑब्जर्वेबिलिटी (Agentic Observability) नामक एक नई प्रणाली का परिचय देता है। इसे केवल एक रोबोट के रूप में नहीं, बल्कि एक विशेषज्ञ जासूस टीम के रूप में सोचें जो अलार्म बजते ही तुरंत काम में जुट जाती है। वे मानव के निर्देश का इंतजार नहीं करते; वे तुरंत कार्रवाई करते हैं।
यह टीम इस प्रकार संरचित है (एक सरल उपमा का उपयोग करते हुए):
- "द स्काउट" (स्प्लंक एजेंट): जैसे ही अलार्म बजता है, यह एजेंट घटनास्थल पर पहुँच जाता है। यह सटीक स्थान (लॉग्स) से विशिष्ट "क्राइम सीन फोटो" निकाल लेता है जहाँ त्रुटि हुई थी। यह शोर को हटा देता है और उन विशिष्ट सुरागों (त्रुटि संदेशों) को खोज निकालता है जो महत्वपूर्ण हैं।
- "द डिटेक्टिव" (टूल्स एजेंट): यह ऑपरेशन का मस्तिष्क है। यह उन सुरागों को देखता है जो स्काउट ने खोजे थे। यह पूछता है, "क्या हमने अभी प्लंबिंग बदली है? क्या बिजली ग्रिड में कोई समस्या है?" यह शहर के ब्लूप्रिंट (रनबुक्स) और हाल के बदलावों (कोड डिप्लॉयमेंट) के इतिहास का परामर्श लेता है ताकि यह पता चल सके कि क्यों ऐसा हुआ। फिर यह इसे ठीक करने के लिए एक चरण-दर-चरण योजना बनाता है।
- "द क्वालिटी कंट्रोल ऑफिसर" (रिफ्लेक्शन एजेंट): टीम द्वारा मानव बॉस को रिपोर्ट भेजने से पहले, यह एजेंट काम की दोबारा जांच करता है। यह पूछता है, "क्या हमने कुछ छोड़ दिया? क्या यह स्पष्टीकरण समझ में आता है? क्या सुधार सुरक्षित है?" यदि टीम 100% सुनिश्चित नहीं है, तो वे कुछ प्रयासों के बाद रुक जाते हैं और मानव को बताते हैं, "यह हमारा सबसे अच्छा अनुमान है, लेकिन हमें आपकी मदद की जरूरत है।"
वास्तविक जीवन में यह कैसे काम करता है
पेपर ने इस टीम का परीक्षण एक विशिष्ट समस्या पर किया: कंटेंट वैलिडेशन एरर्स (Content Validation Errors)। कल्पना करें कि वेबसाइट पर किसी उत्पाद के विवरण में कोई टाइपो (वर्तनी की गलती) या टूटा हुआ फॉर्मेट है। पुराने सिस्टम में, एक इंसान को टाइपो खोजने, यह पहचानने के लिए कि वह किस भाषा का संस्करण है, और उसे ठीक करने के लिए हजारों लाइनों के टेक्स्ट में मैन्युअल रूप से खोजना पड़ता था। इसमें प्रति त्रुटि लगभग 13 मिनट लगते थे।
नई AI टीम के साथ:
- अलार्म बजता है।
- स्काउट तुरंत वह विशिष्ट लॉग निकाल लेता है जिसमें टूटा हुआ टेक्स्ट दिखाया गया है।
- डिटेक्टिव पता लगाता है कि वास्तव में कौन सा उत्पाद और भाषा संस्करण टूटा हुआ है और त्रुटि की सटीक लाइन संख्या ढूंढ लेता है।
- क्वालिटी कंट्रोल ऑफिसर निष्कर्षों की जांच करता है।
- टीम मानव इंजीनियर को एक संदेश भेजती है: "त्रुटि फ्रेंच संस्करण के 'समर सेल' बैनर में, लाइन 42 पर है। यहाँ सुधार दिया गया है।"
मानव इंजीनियर को बस इसे ठीक करने के लिए "अप्लाई" बटन पर क्लिक करना होता है। इस पूरी प्रक्रिया में AI टीम को लगभग 1.8 मिनट लगे।
परिणाम
पेपर का दावा है कि यह नया सिस्टम तीन मुख्य कारणों से गेम-चेंजर है:
- गति: इसने समस्या खोजने के समय (मीन टाइम टू इनसाइट) को 90% तक कम कर दिया। 18 मिनट प्रतीक्षा करने के बजाय, उत्तर लगभग 2 मिनट में मिल जाता है।
- सटीकता: AI टीम सही कारण खोजने में विशेषज्ञ मानव इंजीनियरों के समान ही सक्षम (लगभग 88% सटीकता) थी, लेकिन बहुत तेज़ और अधिक सुसंगत थी।
- मानवों के लिए कम काम: इसने उन लगभग 65% से 75% चरणों को स्वचालित कर दिया जिन्हें मनुष्य मैन्युअल रूप से करते थे। इसका मतलब है कि इंजीनियर सुराग खोजने के बजाय वास्तव में शहर को ठीक करने पर अधिक समय बिताते हैं।
कमी (The Catch)
पेपर इसकी सीमाओं के बारे में ईमानदार है। "सुपर-डिटेक्टिव" टीम उतनी ही अच्छी है जितनी जानकारी तक उसकी पहुंच है।
- यदि "फोन लाइनें" (APIs) बहुत अधिक अलार्म के कारण जाम हो जाती हैं, तो टीम थोड़ी धीमी हो सकती है।
- टीम को नए प्रकार की इमारतों के लिए नियम (रनबुक्स) सिखाने के लिए मनुष्यों की आवश्यकता होती है। यह स्वयं नियम नहीं बना सकती; यह केवल उन्हीं नियमों का पालन करती है जो उसे दिए गए हैं।
- खतरनाक सुधारों (जैसे मुख्य पावर स्विच बंद करना) के लिए, सुरक्षा सुनिश्चित करने हेतु एक मानव को अंतिम "ओके" देना ही होगा।
सारांश
संक्षेप में, यह पेपर एक ऐसी प्रणाली का वर्णन करता है जो रिएक्टिव मॉनिटरिंग (यह समझने के लिए मानव का इंतजार करना कि क्या गलत हुआ है) को प्रोएक्टिव रीजनिंग (एक AI टीम जो अलार्म बजते ही तुरंत जांच करती है, तर्क देती है और सुधार का प्रस्ताव देती है) में बदल देती है। यह मानव की भूमिका को "डिटेक्टिव" से बदलकर "सुपरवाइजर" में स्थानांतरित कर देता है, जिससे उद्यम विफलताओं से बहुत तेज़ी से उबर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।