কেন এটি গুরুত্বপূর্ণ

অপারেশন দলগুলো ডেটায় ডুবে থাকে। একটি আধুনিক সেবা প্রতিদিন লক্ষ লক্ষ লগ লাইন, হাজার হাজার মেট্রিক এবং শত শত সতর্কবার্তা নির্গত করে। মানুষ সবটা পড়তে পারে না, তাই কী দেখবে ঠিক করতে সীমা ও নিয়ম বসায়। নিয়ম বাড়ে, পরস্পরের সঙ্গে মিথস্ক্রিয়া করে এবং ক্ষয় হয়। বেশিরভাগ সতর্কবার্তা কোলাহল হয়ে যায়, আর কিছু আসল সমস্যা তাদের মাঝে লুকিয়ে থাকে।

এআইঅপস, বিশ্লেষক সংস্থা Gartner-এর 2010-এর দশকের মাঝামাঝি "algorithmic IT operations" থেকে গড়া একটি শব্দ যা এখন সাধারণত "আইটি অপারেশনের জন্য এআই" হিসেবে পড়া হয়, সাহায্যের প্রতিশ্রুতি দেয়। এটি মেশিন লার্নিং ব্যবহার করে স্বাভাবিক কী তা শিখতে, কিছু অস্বাভাবিক হলে লক্ষ করতে, সম্পর্কিত সতর্কবার্তা একটি ঘটনায় গুচ্ছবদ্ধ করতে এবং কারণ কোথায় থাকতে পারে প্রস্তাব করতে। Wikipedia এআইঅপসকে আইটি অপারেশন উন্নত করতে কৃত্রিম বুদ্ধিমত্তার প্রয়োগ হিসেবে বর্ণনা করে। ভেন্ডররা এটি জোরালো ভাষায় উপস্থাপন করে। চর্চাকারীরা কিছু ব্যবহারে, যেমন কোলাহল কমানোয়, বাস্তব লাভ এবং অন্যগুলোয়, যেমন সম্পূর্ণ স্বয়ংক্রিয় রোগনির্ণয়ে, হতাশার কথা জানান।

সেবা ব্যবস্থাপনার জন্য প্রশ্নটি ব্যবহারিক: এআইঅপসের কোন অংশ নির্ভরযোগ্য মূল্য দেয়, আপনি তা কীভাবে যাচাই করবেন, এবং কীভাবে মানুষকে নিয়ন্ত্রণে রাখবেন? এই বিষয়টি প্রধান কৌশল, তাদের সাধারণ ব্যর্থতার ধরন এবং গ্রহণের একটি বিবেচ্য পথ বর্ণনা করে। এটি মনিটরিং (বিষয় 3.10 — মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট) ও পর্যবেক্ষণযোগ্যতার (বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি) ওপর গড়া, এবং ইনসিডেন্ট ম্যানেজমেন্ট (বিষয় 3.2 — ইনসিডেন্ট ম্যানেজমেন্ট) ও রানবুক অটোমেশনের (বিষয় 6.6 — রানবুক অটোমেশন ও স্বয়ংক্রিয় প্রতিকার) সঙ্গে ওভারল্যাপ করে।

মূল ধারণা

এআইঅপস। অসঙ্গতি শনাক্ত, ইভেন্ট সংযোগ, মূল কারণের প্রস্তাব ও পূর্বাভাসের মতো কাজ সমর্থন করতে অপারেশনের ডেটায় এআই কৌশল, প্রধানত মেশিন লার্নিং ও পরিসংখ্যান, ব্যবহার। এটি কৌশলের একটি সেট, একক পণ্য নয়, এবং সক্ষমতা ব্যাপকভাবে ভিন্ন।

অসঙ্গতি শনাক্তকরণ। প্রত্যাশিত থেকে ভিন্ন ডেটা বিন্দু বা ধরন খুঁজে বের করা। Wikipedia অসঙ্গতি শনাক্তকরণ ও তার পদ্ধতি বর্ণনা করে। অপারেশনে একটি মডেল অনুরোধের স্বাভাবিক দৈনিক ও সাপ্তাহিক ধরন শিখে বিচ্যুতি চিহ্নিত করতে পারে। স্বাভাবিক ধ্রুব নয়: Wikipedia-য় বর্ণিত ঋতুভিত্তিকতার অর্থ সোমবার সকাল রবিবার রাত থেকে আলাদা দেখায়। ভালো শনাক্তকারী তা বিবেচনায় নেয়।

সময় ধারা। সময়ের সঙ্গে রেকর্ড করা ডেটা, যেমন সাড়ার সময় বা ত্রুটির গণনা। Wikipedia সময় ধারা বিশ্লেষণ বর্ণনা করে। বেশিরভাগ অপারেশন মেট্রিক সময় ধারা, এবং এআইঅপস কৌশল সেগুলোর মডেলিং ও পূর্বাভাসের পদ্ধতির ওপর গড়া।

ইভেন্ট সংযোগ ও কোলাহল হ্রাস। একটি কারণ থেকে আসা সতর্কবার্তা একটি ঘটনায় একত্র করা, এবং নকল ও জানা কোলাহল দমন করা। Wikipedia ইভেন্ট সংযোগ বর্ণনা করে। Wikipedia-য় ক্লাস্টার বিশ্লেষণ হিসেবে বর্ণিত গুচ্ছবদ্ধ করার কৌশল আইটেমকে সাদৃশ্য অনুযায়ী ভাগ করে। একটি ভালো সংযোগ দুইশো সতর্কবার্তাকে একটিতে পরিণত করে, সম্ভাব্য উৎসের নামসহ।

মূল কারণের প্রস্তাব। একটি ত্রুটি সম্ভবত কোথায়, তা প্রস্তাব করতে টপোলজি, পরিবর্তনের রেকর্ড, লগ ও অতীতের ইনসিডেন্ট ব্যবহার। প্রস্তাব হলো অনুমান। এগুলো সবচেয়ে কাজের যখন একটি সাম্প্রতিক পরিবর্তন বা নির্ভরতার দিকে নির্দেশ করে, আর সবচেয়ে কম নির্ভরযোগ্য যখন কারণ নতুন।

ভবিষ্যদ্বাণীমূলক অপারেশন। সমস্যা ঘটার আগে পূর্বাভাস, যেমন তিন দিনে ভরে যাবে এমন একটি ডিস্ক বা ব্যর্থ হওয়ার সম্ভাবনা থাকা একটি উপাদান। Wikipedia ভবিষ্যদ্বাণীমূলক রক্ষণাবেক্ষণ ও ভবিষ্যদ্বাণীমূলক বিশ্লেষণ বর্ণনা করে। ভবিষ্যদ্বাণী সম্ভাবনা, এবং প্রতিটির ভুয়া সতর্কবার্তা ও মিসের একটি খরচ আছে। দেখুন বিষয় 7.5 — ভবিষ্যদ্বাণীমূলক বিশ্লেষণ ও পূর্বাভাস।

লগ বিশ্লেষণ। লগে ধরন, যেমন নতুন বার্তার ধরন বা ঘনত্বের পরিবর্তন, খুঁজতে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ ও পরিসংখ্যানের কৌশল ব্যবহার। Wikipedia লগ বিশ্লেষণ বর্ণনা করে।

অপারেশনে জেনারেটিভ এআই। বৃহৎ ভাষা মডেল ইনসিডেন্ট টাইমলাইনের সারসংক্ষেপ, সতর্কবার্তাকে সহজ ভাষায় রূপান্তর, রানবুক ধাপ খসড়া এবং পরিবেশ নিয়ে প্রশ্নের উত্তর দিতে পারে। এগুলো নমনীয়তা এবং বানানো বিষয়বস্তুর ঝুঁকি যোগ করে। দেখুন বিষয় 5.4 — ইনসিডেন্ট, জ্ঞান ও পরিবর্তনের জন্য জেনারেটিভ এআই।

নির্ভুলতা, পুনরুদ্ধার ও ত্রুটির খরচ। একটি শনাক্তকারী দুই উপায়ে ভুল হতে পারে: ভুয়া সতর্কবার্তা (মিথ্যা ইতিবাচক) বা প্রকৃত সমস্যা মিস (মিথ্যা নেতিবাচক)। Wikipedia দুটি ত্রুটির ধরন এবং নির্ভুলতা ও পুনরুদ্ধারের মাপকাঠি বর্ণনা করে। একটি কমাতে টিউন করলে অন্যটি বাড়ে। সঠিক ভারসাম্য নির্ভর করে প্রতিটির খরচের ওপর, এবং ভিন্ন সেবা ভিন্ন সেটিং-এর যোগ্য।

ধারণার সরণ। মডেল অতীতের ডেটা থেকে শেখে, আর জগৎ বদলায়: নতুন রিলিজ, নতুন ট্রাফিকের ধরন, নতুন অবকাঠামো। Wikipedia ধারণার সরণ বর্ণনা করে, যেখানে যা পূর্বাভাস করা হচ্ছে তার পরিসংখ্যানগত বৈশিষ্ট্য সময়ের সঙ্গে বদলায়। জানুয়ারিতে নির্ভুল একটি মডেল জুনে বিভ্রান্তিকর হতে পারে, যদি না তা মনিটর ও পুনঃপ্রশিক্ষণ করা হয়।

ব্যাখ্যাযোগ্যতা। সাড়াদানকারীরা একটি পরামর্শে বেশি ভরসা করবেন, এবং আরও কাজের উপায়ে সংশোধন করবেন, যদি কেন তা দেওয়া হয়েছে দেখতে পান: কোন মেট্রিক সরেছে, কোন ইভেন্ট গুচ্ছবদ্ধ হয়েছে, কোন পরিবর্তন বদলের আগে ঘটেছে। Wikipedia ব্যাখ্যাযোগ্য কৃত্রিম বুদ্ধিমত্তা ও কালো বাক্সের সমস্যা বর্ণনা করে। অপারেশনের জন্য যে পদ্ধতি প্রমাণ দেখায় তাকে পছন্দ করুন।

ডেটার মান ও আচ্ছাদন। এআইঅপসের ভালো ডেটা দরকার: সম্পূর্ণ, সঙ্গত, সঠিক টাইমস্ট্যাম্পযুক্ত, এবং সেবা ও মালিকের লেবেলসহ। অনুপস্থিত বা অসঙ্গত ডেটা মিস হওয়া সংকেত ও ভুয়া সংযোগ তৈরি করে। দেখুন বিষয় 4.4 — কনফিগারেশন ব্যবস্থাপনা এবং বিষয় 7.2 — তথ্যের ভিত্তি ও তথ্য শাসন।

স্বায়ত্ত ও স্ব-সারানোর ধারণা। নিজের ত্রুটি শনাক্ত ও সারানো ব্যবস্থার দীর্ঘদিনের লক্ষ্য, Wikipedia-য় স্বায়ত্ত কম্পিউটিং হিসেবে বর্ণিত। অংশ আজ ব্যবহারিক, যেমন একটি ব্যর্থ প্রক্রিয়া পুনরায় চালু। বিস্তৃত স্ব-সারানো অনেক কঠিন। দেখুন বিষয় 6.6 — রানবুক অটোমেশন ও স্বয়ংক্রিয় প্রতিকার।

মানব তত্ত্বাবধান। সাড়াদানকারী জবাবদিহিকারী থাকেন। এআইঅপসের আউটপুট একটি মানব সিদ্ধান্তের ইনপুট, যদি না একটি সংকীর্ণভাবে সংজ্ঞায়িত কাজ স্বয়ংক্রিয়ভাবে চলার জন্য পরীক্ষিত ও অনুমোদিত হয়। দেখুন বিষয় 5.5 — এজেন্টিক এআই ও মানব তত্ত্বাবধান।

দৃষ্টিকোণগুলো কীভাবে খাপ খায়। এআইঅপস সেবা ব্যবস্থাপনার অপারেশন অংশের জন্য এআই ও বিশ্লেষণ একত্র করে। এজাইল অনুশীলন অন-কল কর্মীদের ফিডব্যাকসহ একটি সেবায় ছোট পরীক্ষা প্রস্তাব করে। অটোমেশন এআইঅপসের আউটপুট ব্যবহার করে, যেমন একটি টিকিট খোলা বা নিরাপদ যাচাই চালানো।

সেরা অনুশীলন

  1. একটি স্পষ্ট কষ্ট দিয়ে শুরু করুন। একটি সমস্যা বাছুন, যেমন একক সেবায় অনেক বেশি সতর্কবার্তা, এবং একটি মাপকাঠি, যেমন প্রতি শিফটে পেজের সংখ্যা। সেখানে এআইঅপস পরীক্ষা করুন।
  2. আগে ডেটা গোছান। যাচাই করুন লগ ও মেট্রিক সম্পূর্ণ, টাইমস্ট্যাম্প সঙ্গত, এবং সেবা ও মালিক লেবেল করা। মডেলকে দোষ দেওয়ার আগে ফাঁক সারান।
  3. অতীতের ইনসিডেন্টের বিপরীতে পরীক্ষা করুন। টুলের মধ্য দিয়ে ঐতিহাসিক ডেটা আবার চালান, এবং জিজ্ঞাসা করুন সে কী চিহ্নিত, গুচ্ছবদ্ধ বা প্রস্তাব করত। ভুয়া সতর্কবার্তা ও মিস গুনুন।
  4. সরল পদ্ধতির সঙ্গে তুলনা করুন। স্থির সীমা ও মৌলিক নিয়মের সঙ্গে তুলনা করুন। সরল পদ্ধতি সমান ভালো করলে তা ব্যবহার করুন। কিছু যোগ করে না এমন জটিলতার জন্য অর্থ দেবেন না।
  5. ব্যাখ্যাযোগ্য আউটপুট পছন্দ করুন। যে টুল একটি সতর্কবার্তা বা প্রস্তাবিত কারণের পেছনের প্রমাণ দেখায় তা বাছুন। দাবি করুন সাড়াদানকারীরা তা দেখতে ও চ্যালেঞ্জ করতে পারেন।
  6. পরামর্শমূলক মোডে শুরু করুন। টুলকে প্রস্তাব করতে দিন, মানুষকে সিদ্ধান্ত নিতে দিন। কোনো স্বয়ংক্রিয় পদক্ষেপ দেওয়ার আগে কয়েক সপ্তাহ প্রস্তাবগুলো আসলে যা ঘটেছে তার বিপরীতে পর্যালোচনা করুন।
  7. স্বয়ংক্রিয় পদক্ষেপ সীমিত করুন। শুধু সংকীর্ণ, ভালো-বোঝা, ফেরানো যায় এমন পদক্ষেপ অনুমোদন করুন, হার সীমা, লগ ও হাতে থামানোর উপায়সহ। চালুর আগে প্রতিটি শ্রেণির পদক্ষেপ পর্যালোচনা করুন।
  8. মডেল মনিটর করুন। ভুয়া সতর্কবার্তা, মিস এবং কাজের প্রস্তাবের অংশ ট্র্যাক করুন। বড় রিলিজের পর সরণ লক্ষ করুন এবং দরকারে পুনঃপ্রশিক্ষণ বা পুনঃকনফিগার করুন।
  9. অন-কল মানুষদের জড়িত রাখুন। টুলে প্রস্তাব রেটিং করতে বলুন, এবং তাঁদের ফিডব্যাক সাপ্তাহিক পর্যালোচনা করুন। তাঁরাই উপযোগিতার সেরা বিচারক।
  10. কী দমন করা হয়েছে লিখে রাখুন। ব্যবস্থা যে সতর্কবার্তা লুকিয়েছে বা একত্র করেছে তার একটি লগ রাখুন, এবং নিয়মিত নমুনা পর্যালোচনা করুন। দমনেই সবচেয়ে খারাপ ব্যর্থতা ঘটে।

দলের সঙ্গে আলোচনার প্রশ্ন

কোন সতর্কবার্তা আমাদের অন-কল সময়ের সবচেয়ে বেশি অপচয় করে, এবং কোনো এআইয়ের আগে ভালো নিয়ম কি সেগুলো সারাত? ডেটা দিয়ে শুরু করুন। অনেক কোলাহলের সমস্যা সরল সংশোধনে মেটে। কয়েকটি নিয়ম বেশিরভাগ কোলাহলের কারণ আশা করুন। পরবর্তী ধাপে সেগুলো সারান, তারপর এআই কী যোগ করতে পারে আবার মূল্যায়ন করুন।

টুলটি আমাদের শেষ তিনটি ইনসিডেন্টের সময় চললে আমাদের কী বলত, এবং তা কি সাহায্য করত? পুনরায় চালান বা সিমুলেট করুন। মিশ্র ফল আশা করুন। জিজ্ঞাসা করুন সে কী মিস করত। পরবর্তী ধাপে টুলটি যে ইনসিডেন্টের ধরনে সবচেয়ে আশাপ্রদ মনে হয় তা বাছুন।

টুলটি একটি আসল সতর্কবার্তা দমন করেছে আমরা কীভাবে জানব? এটি তত্ত্বাবধান যাচাই করে। "আমরা জানব না" আশা করুন। পরবর্তী ধাপে দমন করা ইভেন্টের একটি লগ, একটি নিয়মিত নমুনা এবং কখনো দমন না করার একটি নিয়মে সম্মত হোন।

একটি স্বয়ংক্রিয় পদক্ষেপ ভুল হলে কে জবাবদিহি করেন, এবং তার সীমা কী? একজন মালিকের নাম দিন এবং অনুমোদিত পদক্ষেপের তালিকা করুন। অস্পষ্ট উত্তর আশা করুন। পরবর্তী ধাপে অনুমোদন ছাড়া অনুমোদিত পদক্ষেপের একটি ছোট তালিকা লিখুন, প্রতিটির রোলব্যাকসহ।

একটি বড় রিলিজ বা ট্রাফিকের পরিবর্তনের পর মডেল সরে গেছে আমরা কীভাবে শনাক্ত করব? পরিকল্পনা চান। কিছুই নেই আশা করুন। পরবর্তী ধাপে ভুয়া সতর্কবার্তার হারের মতো সূচক এবং প্রতিটি বড় রিলিজের পর একটি পর্যালোচনার তারিখ বাছুন।

অন-কল কর্মীরা এই টুল থেকে কী চাইবেন, এবং কী তাঁদের ভরসা বন্ধ করাবে? তাঁদের সরাসরি জিজ্ঞাসা করুন। প্রেক্ষাপট ও ভুয়া সতর্কবার্তা নিয়ে ব্যবহারিক উত্তর আশা করুন। পরবর্তী ধাপে উত্তরগুলোকে পরীক্ষার গ্রহণযোগ্যতার মানদণ্ডে পরিণত করুন।

বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ

একটি জাতীয় আবহাওয়া সেবার অপারেশন দল অন-প্রিমিসেস ও ক্লাউড ব্যবস্থার মিশ্র সম্পদে পূর্বাভাস পাইপলাইন ও একটি পাবলিক API চালায়। অন-কল কর্মীরা দিনে প্রায় 300টি সতর্কবার্তা পান, বেশিরভাগ কয়েকটি কোলাহলপূর্ণ উৎস থেকে। একজন ভেন্ডর স্বয়ংক্রিয় সংযোগ ও মূল কারণ প্রস্তাবসহ একটি এআইঅপস প্ল্যাটফর্মের প্রস্তাব দেয়।

অপারেশন প্রধান শর্তসহ একটি পরীক্ষায় সম্মত হন। প্রথমত, দল সবচেয়ে কোলাহলপূর্ণ 12টি নিয়ম পরিষ্কার করে, যা প্রায় অর্ধেক পরিমাণ সরায়। দ্বিতীয়ত, এটি 14টি ইনসিডেন্টসহ ছয় মাসের ডেটা পরামর্শমূলক মোডে প্ল্যাটফর্মের মধ্য দিয়ে আবার চালায়। রিপ্লেতে প্ল্যাটফর্ম সতর্কবার্তা ভালোভাবে গুচ্ছবদ্ধ করে: গড় ইনসিডেন্ট, যা 80টি সতর্কবার্তা তৈরি করেছিল, তিনটি গুচ্ছ হিসেবে দেখা দেয়। এটি 14টির মধ্যে নয়টিতে প্রথম লক্ষণ সঠিকভাবে চিহ্নিত করে, তিনটি মিস করে যেখানে প্রথম লক্ষণ ছিল একটি লগে, এবং নিয়মিত রাতের পুনঃপ্রক্রিয়ায় ভুয়া সতর্কবার্তা তোলে, যার একটি ধরন সে এখনো শেখেনি।

দল দুই মাস একটি পাইপলাইনে পরামর্শমূলক মোডে এটি চালু করে, অন-কল কর্মীরা প্রতিটি প্রস্তাব কাজের, নিরপেক্ষ বা ভুল রেটিং করে। প্রায় 55 শতাংশ কাজের এবং 15 শতাংশ ভুল রেট হয়, সাধারণত যেখানে কারণ একটি সাম্প্রতিক অলিখিত পরিবর্তন। তারপর প্ল্যাটফর্মকে গুচ্ছবদ্ধ ইনসিডেন্টের জন্য স্বয়ংক্রিয়ভাবে টিকিট খুলতে দেওয়া হয়, আর কিছু নয়। দল দমন করা সতর্কবার্তার সাপ্তাহিক পর্যালোচনা রাখে এবং একটি বড় রিলিজের পর দেখে ট্রাফিকের জন্য মডেলের ভিত্তিরেখা এখন ভুল ও তা পুনঃপ্রশিক্ষণ করতে হবে।

যা বদলায়: অন-কল কর্মীরা অনেক কম, ভালো-গুচ্ছবদ্ধ সতর্কবার্তা পান। যা এখনো কঠিন: প্ল্যাটফর্মের প্রস্তাব নির্ভুল পরিবর্তনের রেকর্ডের ওপর নির্ভর করে, যা অসম্পূর্ণ; এটি নতুন ধরনের ব্যর্থতায় কম সাহায্য করে; এবং ভেন্ডরের মূল্য ডেটার পরিমাণের সঙ্গে বাড়ে, তাই দল কী ঢোকায় তা সীমিত করে। প্রধান মিস নিয়ে আরও একটি পর্যালোচনার পরই পরীক্ষাটি অন্য একটি পাইপলাইনে বিস্তৃত করার পরিকল্পনা করেন।

চারটি দৃষ্টিকোণ

পণ্য ও ডেলিভারি দল

ভালো টেলিমেট্রি নির্গত করুন: সঙ্গত লগ, সেবার লেবেলসহ মেট্রিক এবং ডিপ্লয়মেন্ট ও পরিবর্তনের রেকর্ড। নকশার জ্ঞান অপারেশন দলের সঙ্গে ভাগ করুন, এবং আপনার সেবা সম্পর্কে টুলের প্রস্তাব যাচাই করতে সাহায্য করুন।

সেবা ও অপারেশন দল

টুলকে সহকারী হিসেবে ব্যবহার করুন: প্রস্তাব রেটিং করুন, দমন করা আইটেম পর্যালোচনা করুন এবং মিস জানান। যেখানে কাজ করে সেখানে নিয়ম সরল রাখুন, এবং সিদ্ধান্ত ও পদক্ষেপের মালিকানা রাখুন।

নেতৃত্ব ও শাসন

ডেমোর নয়, রিপ্লে পরীক্ষা ও একটি পরীক্ষার ফল চান। স্বয়ংক্রিয় পদক্ষেপে সীমা ঠিক করুন। ডেটার মান ও প্রশিক্ষণে অর্থ দিন। সম্পূর্ণ স্বয়ংক্রিয় অপারেশনের দাবি নিয়ে সতর্ক থাকুন।

গ্রাহক ও ব্যবহারকারী

আপনার কম ও ছোট বিঘ্ন লক্ষ করা উচিত, সমস্যা আপনাকে কীভাবে জানানো হয় তাতে পরিবর্তন নয়। আপনি লক্ষ করার আগে কোনো ইনসিডেন্ট মিস হলে সরবরাহকারীকে জানান।

এজাইল, এআই, অটোমেশন ও বিশ্লেষণ

এজাইল

অন-কল কর্মীদের ঘন ঘন ফিডব্যাকসহ একটি সেবায় পরীক্ষা করুন, তারপর ধাপে ধাপে বিস্তৃত করুন। প্রতিটি ইনসিডেন্টের পর মিস পর্যালোচনা করুন এবং সমন্বয় করুন। সতর্কতা: পরিবর্তন না লিখে ক্রমাগত একটি মডেল টিউন করলে আচরণ অপূর্বানুমেয় হয়; একটি পরিবর্তন লগ রাখুন।

এআই

টুলটি নিজেই একটি এআই ব্যবস্থা, যার মালিক, পরীক্ষার ডেটা ও পর্যালোচনা আছে। অন্য যেকোনোটির মতো দেখুন: এটি কী করতে পারে লিখুন, মনিটর করুন এবং হালনাগাদের পর পরীক্ষা করুন। সতর্কতা: ভেন্ডর নোটিশ ছাড়া মডেল বদলাতে পারে; পরিবর্তন কীভাবে ঘোষণা করে জিজ্ঞাসা করুন এবং নিয়মিত পরীক্ষা করুন। দেখুন বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি।

অটোমেশন

এআইঅপসের আউটপুট সংকীর্ণ, পরীক্ষিত স্বয়ংক্রিয় পদক্ষেপের সঙ্গে যুক্ত করুন, যেমন টিকিট তৈরি, রোগনির্ণয় সংগ্রহ এবং জানা ব্যর্থ প্রক্রিয়া পুনরায় চালু, সীমা ও লগসহ। সতর্কতা: অনিশ্চিত পূর্বাভাস থেকে বাছা স্বয়ংক্রিয় পদক্ষেপ ইনসিডেন্ট খারাপ করতে পারে; উচ্চ আস্থা ও রোলব্যাক দাবি করুন। দেখুন বিষয় 6.6 — রানবুক অটোমেশন ও স্বয়ংক্রিয় প্রতিকার।

বিশ্লেষণ

সতর্কবার্তার পরিমাণ, কাজের অংশ, ভুয়া সতর্কবার্তা, ইনসিডেন্ট পর্যালোচনায় পাওয়া মিস, শনাক্তের সময় এবং রোগনির্ণয়ের সময় মাপুন। সতর্কতা: আসল সতর্কবার্তা লুকিয়ে সতর্কবার্তার পরিমাণ কমানো যায়; সবসময় ইনসিডেন্ট ও মিসের বিপরীতে তুলনা করুন। দেখুন বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি এবং Service Management Metrics বই।

সাধারণ ব্যর্থতার ধরন

  • একটি প্রতিশ্রুতি কেনা। ভেন্ডরের ডেমোকে প্রমাণ ধরা হয়। আপনার নিজের ডেটায় রিপ্লে ও পরীক্ষা দিয়ে যাচাই করুন।
  • দুর্বল ডেটা। মডেল অসঙ্গত লগ ও লেবেল থেকে শেখে। আগে ডেটা সারান।
  • পর্যালোচনা ছাড়া দমন। আসল সতর্কবার্তা লুকিয়ে যায়। যা দমন করা হয় তা লগ ও নমুনা করুন।
  • অস্বচ্ছ প্রস্তাব। সাড়াদানকারীরা বিচার করতে পারেন না। প্রমাণ দেখায় এমন টুল পছন্দ করুন।
  • অকাল অটোমেশন। ভুল পদক্ষেপ গতিতে ঘটে। পরামর্শমূলক দিয়ে শুরু করুন এবং পদক্ষেপ সীমিত করুন।
  • মডেলের সরণ উপেক্ষা। নির্ভুলতা নীরবে নামে। পরিবর্তনের পর মনিটর ও পুনঃপ্রশিক্ষণ করুন।
  • লাভ ছাড়া জটিলতা। একটি সরল নিয়ম যথেষ্ট ছিল। সরল পদ্ধতির সঙ্গে তুলনা করুন।

পরিপক্বতা মডেল

মাত্রা সূচনা বিকাশ মানসম্মতকরণ ব্যবস্থাপনা সমন্বয়
ডেটার ভিত্তি অসঙ্গত প্রধান উৎস সংগৃহীত সঙ্গত, লেবেলযুক্ত ও মালিকানাযুক্ত টেলিমেট্রি ডেটার মান মাপা ও উন্নত ডেটা শাসনসহ দল ও সরবরাহকারী জুড়ে ভাগ করা
এআই-এর ব্যবহার ভেন্ডরের দাবি একটি সেবায় পরীক্ষা রিপ্লে ও ফিডব্যাকসহ পরামর্শমূলক ব্যবহার ফল মাপা ও তার ওপর কাজ করা তত্ত্বাবধানসহ অপারেশন জুড়ে একীভূত এআই
অটোমেশন নেই টিকিট তৈরি সীমাসহ সংকীর্ণ, অনুমোদিত পদক্ষেপ পদক্ষেপ পর্যালোচিত ও উন্নত মানব নিয়ন্ত্রণসহ ঝুঁকি অনুযায়ী বিস্তৃততর অটোমেশন
মডেলের যত্ন নেই যখন-তখন টিউনিং সরণ ও ত্রুটি মনিটরিং পুনঃপ্রশিক্ষণ পরিবর্তনের সঙ্গে যুক্ত টুল জুড়ে ধারাবাহিক মূল্যায়ন

চেকলিস্ট

  • আমরা একটি পরীক্ষার জন্য একটি নির্দিষ্ট সমস্যা ও মাপকাঠি বেছেছি।
  • আমরা আগে সরল নিয়মে আমাদের সবচেয়ে খারাপ সতর্কবার্তার কোলাহল সারিয়েছি।
  • আমরা ঐতিহাসিক ইনসিডেন্টে টুল পরীক্ষা করেছি এবং মিস ও ভুয়া সতর্কবার্তা গুনেছি।
  • আমরা সরল পদ্ধতির সঙ্গে তুলনা করেছি।
  • আউটপুট সাড়াদানকারীদের কাছে ব্যাখ্যাযোগ্য।
  • কোনো পদক্ষেপ অনুমোদনের আগে আমরা পরামর্শমূলক মোডে চালাই।
  • স্বয়ংক্রিয় পদক্ষেপ সংকীর্ণ, লগ করা, হার-সীমিত এবং ফেরানো যায়।
  • আমরা সরণের জন্য মনিটর করি এবং দমন করা সতর্কবার্তা পর্যালোচনা করি।

এআই প্রম্পট

রিপ্লের ফল যাচাই করুন।

Here are the results of replaying [number] past incidents through our AIOps tool: for each, the first real symptom, what the tool flagged and when, and what it suggested: [paste].
Compute for each incident whether the tool flagged the problem before the first page, and list false alarms and misses. Summarize counts and note incidents where the data is unclear. Do not rate the tool overall.
List what you are unsure of.

দমন করা সতর্কবার্তা পর্যালোচনা করুন।

Here is a sample of alerts that the system suppressed or merged last week, with details: [paste sample].
For each, say whether the details suggest it was noise, a duplicate of another alert, or possibly a real problem, and give your reason. Mark those you cannot judge.
List what you are unsure of.

একটি পরীক্ষার গ্রহণযোগ্যতার মানদণ্ড খসড়া করুন।

Our service: [describe]. Our current pain: [describe, with numbers if known]. Our constraints: [list].
Draft acceptance criteria for a two-month pilot of an AIOps tool: measures, thresholds we should agree beforehand, what would make us stop, and what automatic actions are not allowed. Do not state vendor claims as facts.
List what you are unsure of.

এআই স্কিল

  • anomaly-analysis: অপারেশনের ডেটায় অস্বাভাবিক ধরন পরীক্ষা করতে ব্যবহার করুন।
  • trend-analysis: সময়ের সঙ্গে মেট্রিক কীভাবে বদলায় দেখতে ব্যবহার করুন।
  • data-quality: এআইঅপস যে ইনপুটের ওপর নির্ভর করে তা যাচাই করতে ব্যবহার করুন।
  • mlops: ব্যবহারে থাকা মডেল মনিটর ও রক্ষণাবেক্ষণ করতে ব্যবহার করুন।
  • root-cause-analysis: প্রমাণের বিপরীতে প্রস্তাবিত কারণ পরীক্ষা করতে ব্যবহার করুন।

মূল সূত্র

  • Betsy Beyer and others (eds.), Site Reliability Engineering (2016), বিতরিত ব্যবস্থা মনিটরিং নিয়ে অধ্যায়, sre.google-তে বিনামূল্যে: যে ভিত্তির ওপর এআইঅপস গড়া।
  • PeopleCert, ITIL certification pages: মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট অনুশীলন সম্পর্কে মালিকের বর্ণনা।
  • Wikipedia, "AIOps" ও "Anomaly detection": শব্দ ও কৌশলের পরিচিতি।
  • Wikipedia, "Concept drift": সময়ের সঙ্গে মডেল খারাপ হওয়ার প্রধান কারণ।

তথ্যসূত্র

  1. AIOps — Wikipedia — https://en.wikipedia.org/wiki/AIOps
  2. Anomaly detection — Wikipedia — https://en.wikipedia.org/wiki/Anomaly_detection
  3. Event correlation — Wikipedia — https://en.wikipedia.org/wiki/Event_correlation
  4. Time series — Wikipedia — https://en.wikipedia.org/wiki/Time_series
  5. Seasonality — Wikipedia — https://en.wikipedia.org/wiki/Seasonality
  6. Cluster analysis — Wikipedia — https://en.wikipedia.org/wiki/Cluster_analysis
  7. Precision and recall — Wikipedia — https://en.wikipedia.org/wiki/Precision_and_recall
  8. Type I and type II errors — Wikipedia — https://en.wikipedia.org/wiki/Type_I_and_type_II_errors
  9. Concept drift — Wikipedia — https://en.wikipedia.org/wiki/Concept_drift
  10. Explainable artificial intelligence — Wikipedia — https://en.wikipedia.org/wiki/Explainable_artificial_intelligence
  11. Predictive maintenance — Wikipedia — https://en.wikipedia.org/wiki/Predictive_maintenance

সেবা ব্যবস্থাপনা নির্দেশিকা — এজাইল, এআই, অটোমেশন ও বিশ্লেষণসহ সেবা ব্যবস্থাপনা।

উৎস ও অবদান: github.com/service-management-guide. যা দিয়ে তৈরি Lily Design System™.

প্রতিষ্ঠাতা Joel Parker Henderson.