AgentSentinel: A Multi-Agent Framework for Autonomous Root Cause Analysis and Self-Healing in Distributed Systems
यह शोध पत्र एजेंटसेंटिनल (AgentSentinel) को प्रस्तुत करता है, जो एक स्वायत्त मल्टी-एजेंट फ्रेमवर्क है जो वितरित प्रणालियों में विसंगतियों का पता लगाने, मूल कारणों की पहचान करने और स्वयं-सुधार (self-healing) मरम्मत निष्पादित करने के लिए लार्ज लैंग्वेज मॉडल्स और एक विशिष्ट फीडबैक तंत्र का लाभ उठाता है, जो एक नियंत्रित व्यवहार्यता अध्ययन में शून्य गलत सकारात्मकता (zero false positives) के साथ उच्च-गति पहचान और उपचार प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://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
आधुनिक सॉफ़्टवेयर सूक्ष्म-सेवाओं (माइक्रोसर्विसेज) के एक विशाल, परस्पर जुड़े नेटवर्क पर चलते हैं, जिन्हें छोटे प्रोग्रामों का एक जाल कहा जाता है। ये घटक आपस में लगातार संवाद करते हैं, डेटा और अनुरोधों को एक रिले रेस की तरह एक से दूसरे तक पहुँचाते हैं। जब इनमें से एक हिस्सा विफल होता है, तो समस्या बाहर की ओर फैल सकती है, जिससे अन्य सेवाएँ लड़खड़ाने लगती हैं और अंततः पूरे सिस्टम को गिरा सकती हैं। वर्षों से, इन प्रणालियों की निगरानी करने वाले उपकरण अलार्म बजाने में उत्कृष्ट रहे हैं। वे देख सकते हैं कि कोई सर्वर अत्यधिक गर्म हो रहा है या कोई डेटाबेस घुट रहा है, और वे एक मानव इंजीनियर को संदेश भेज सकते हैं। लेकिन जैसे ही अलार्म बजता है, ऑटोमेशन रुक जाता है। फिर एक व्यक्ति को जागना पड़ता है, लॉग इन करना पड़ता है, हज़ारों लाइनों के भ्रमित करने वाले टेक्स्ट लॉग्स को पढ़ना पड़ता है, यह पता लगाना पड़ता है कि कौन सा विशिष्ट घटक टूटा है, और इसे मैन्युअल रूप से ठीक करना पड़ता है। यह प्रक्रिया धीमी है, मानवीय त्रुटियों की संभावना से भरी है, और हर उस घंटे के लिए कंपनियों को करोड़ों डॉलर का नुकसान करा सकती है जब सिस्टम डाउन रहता है। शोधकर्ता यह सवाल पूछ रहे थे कि क्या एक मशीन न केवल अलार्म सुन सकती है, बल्कि उसके पीछे की कहानी को समझ भी सकती है और मानव के हस्तक्षेप की आवश्यकता से पहले ही समस्या को ठीक कर सकती है।
शोधकर्ताओं की एक टीम ने उस प्रश्न का उत्तर देने के लिए 'एजेंटसेंटिनल' (AgentSentinel) नामक एक प्रोटोटाइप सिस्टम बनाया है। यह कोई एकल प्रोग्राम नहीं है, बल्कि तीन विशिष्ट डिजिटल श्रमिकों की एक टीम है जो एक क्लोज्ड लूप में मिलकर काम करती है। पहला कार्यकर्ता, 'ऑब्जर्वर' (Observer), लगातार सिस्टम के स्वास्थ्य की निगरानी करता है। यह परेशानी के चार प्रमुख संकेतों की जाँच करता है: कितनी कंप्यूटिंग शक्ति का उपयोग किया जा रहा है, कितनी मेमोरी भरी हुई है, त्रुटियाँ कितनी बार होती हैं, और अनुरोधों को प्रतिक्रिया मिलने में कितना समय लगता है। यदि ये संकेत एक निश्चित सीमा को पार कर जाते हैं, तो ऑब्जर्वर अलार्म बजाता है और मामला दूसरे कार्यकर्ता, 'रीज़निंग एजेंट' (Reasoning Agent) को सौंप देता है। यह एजेंट एक लार्ज लैंग्वेज मॉडल द्वारा संचालित है, जो कृत्रिम बुद्धिमत्ता (AI) का एक प्रकार है जो प्राकृतिक भाषा और जटिल पैटर्न को समझने में सक्षम है। केवल नंबरों को देखने के बजाय, रीज़निंग एजेंट त्रुटि लॉग्स को पढ़ता है और इस बात का मानचित्र (मैप) देखता है कि विभिन्न सॉफ़्टवेयर भाग एक-दूसरे से कैसे जुड़े हैं। यह मानचित्र अत्यंत महत्वपूर्ण है क्योंकि यह एआई को विफलता के वास्तविक कारण और बाद में दिखने वाले लक्षणों के बीच अंतर करने में मदद करता है। उदाहरण के लिए, यदि कोई डेटाबेस विफल हो जाता है, तो कई अन्य सेवाएँ तुरंत क्रैश होने लगती हैं। बिना मानचित्र के, एआई क्रैश होने वाली किसी सेवा को दोष दे सकता है; मानचित्र के साथ, एआई जानता है कि समस्या के वास्तविक स्रोत के रूप में डेटाबेस की ओर वापस देखना है।
एक बार जब रीज़निंग एजेंट अपराधी की पहचान कर लेता है, तो वह तीसरे कार्यकर्ता, 'रिपेयर एजेंट' (Repair Agent) को एक योजना सौंपता है। यह कार्यकर्ता वह है जो कार्रवाई करता है, लेकिन वह इसे अत्यधिक सावधानी के साथ करता है। लाइव सिस्टम को छूने से पहले, यह अनुमत कार्यों की एक सख्त सूची की जाँच करता है, जैसे कि किसी विशिष्ट सेवा को पुनरारंभ करना, मेमोरी कैश को साफ़ करना, या भार को संभालने के लिए अधिक कंप्यूटिंग शक्ति जोड़ना। इसे किसी भी ऐसे कमांड को अस्वीकार करने के लिए प्रोग्राम किया गया है जो डेटा को नष्ट कर सकता है या स्थिति को बदतर बना सकता है। यदि कार्रवाई सुरक्षित है, तो रिपेयर एजेंट इसे चलते हुए सिस्टम पर निष्पादित करता है। सुधार लागू होने के बाद, सिस्टम बारीकी से देखता है कि क्या समस्या वास्तव में दूर हो गई है। यदि मेट्रिक्स सामान्य हो जाते हैं, तो घटना को एक सफलता के रूप में दर्ज किया जाता है, और सिस्टम वापस निगरानी पर चला जाता है। यदि समस्या बनी रहती है, तो टीम एक अलग दृष्टिकोण आज़माती है, और यदि तीन प्रयास विफल हो जाते हैं, तो यह एक मानव ऑपरेटर को सूचित करती है। यह पूरा चक्र, दोष प्रकट होने के क्षण से लेकर ठीक होने के क्षण तक, बिना किसी मानवीय हस्तक्षेप के स्वचालित रूप से होता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण एक नियंत्रित वातावरण में किया जो एक छोटे व्यवसाय के सॉफ़्टवेयर सेटअप की नकल करता था। उन्होंने जानबूझकर सिस्टम को पाँच अलग-अलग तरीकों से खराब किया: मेमोरी को क्रैश होने तक भरना, एक सेवा को अचानक बंद करना, प्रोसेसर पर ओवरलोड डालना, डेटाबेस कनेक्शन को काटना, और नेटवर्क ट्रैफ़िक को धीमा करना। हर एक मामले में, सिस्टम ने समस्या का पता लगाया, मूल कारण का पता लगाया और उसे अपने आप ठीक कर दिया। समस्या का पता लगाने में लगने वाला औसत समय दो सेकंड से थोड़ा कम था, और इसे ठीक करने में लगने वाला औसत समय लगभग साढ़े पांच सेकंड था। उन अवधियों के दौरान जब सिस्टम सामान्य रूप से चल रहा था, इसने एक भी गलत अलार्म नहीं उठाया। ये परिणाम बताते हैं कि तीव्र पहचान को बुद्धिमान तर्क और सुरक्षित, स्वचालित मरम्मत के साथ जोड़ना सॉफ़्टवेयर इंफ्रास्ट्रक्चर को प्रबंधित करने का एक व्यवहार्य तरीका है। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह एक छोटे, सरल टेस्टबेड पर चलाया गया एक 'प्रूफ ऑफ कॉन्सेप्ट' था। उन्होंने अभी तक इस प्रणाली का बड़े, जटिल नेटवर्क पर परीक्षण नहीं किया है, जिनका उपयोग प्रमुख कंपनियाँ करती हैं, जहाँ हज़ारों सेवाएँ अप्रत्याशित तरीकों से परस्पर क्रिया करती हैं।
अध्ययन इस "स्मृति" (मेमोरी) के महत्व को भी रेखांकित करता है जिसे सिस्टम रखता है। एक सफल मरम्मत के बाद, सिस्टम विवरण सुरक्षित करता है कि क्या हुआ था और इसे कैसे ठीक किया गया था। यदि बाद में समान समस्या आती है, तो सिस्टम उस पिछले समाधान को याद कर सकता है और उसे तेज़ी से लागू कर सकता है, बिल्कुल वैसे ही जैसे एक मैकेनिक यह याद रखता है कि उसने पहले इंजन की किसी विशिष्ट समस्या को कैसे ठीक किया था। जबकि शोधकर्ताओं ने इस मेमोरी फीचर को बनाया है, उन्होंने अभी तक सटीक रूप से यह नहीं मापा है कि यह भविष्य की मरम्मत को कितना तेज़ बनाता है। वे यह भी स्वीकार करते हैं कि उनके वर्तमान परीक्षण में ऐसे परिदृश्य शामिल नहीं थे जहाँ एक ही समय में कई विफलताएं होती हैं, जो वास्तविक दुनिया की आपदाओं में आम है। यह कार्य प्रदर्शित करता है कि आर्किटेक्चर नियंत्रित सेटिंग में काम करता है, लेकिन यह अभी उत्पादन वातावरण (प्रोडक्शन एनवायरनमेंट) की अराजकता के लिए तैयार नहीं है। टीम के अगले चरणों में यह सुनिश्चित करने के लिए इस परीक्षण को कई बार और अधिक बार चलाना शामिल है कि परिणाम सुसंगत हों, बड़े नेटवर्क पर सिस्टम का परीक्षण करना, और मेमोरी सिस्टम को परिष्कृत करना है ताकि यह देखा जा सके कि क्या यह वास्तव में अपनी पिछली गलतियों से सीखता है। फिलहाल, एजेंटसेंटिनल एक कामकाजी प्रदर्शन के रूप में खड़ा है कि मशीनों को न केवल परेशानी के लिए देखने के लिए, बल्कि उसे समझने और हल करने के लिए भी सिखाया जा 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।