- Ripple i AWS testują Bedrock AI, aby skrócić czas przeglądu incydentów XRPL do kilku minut.
- Plan koncentruje się na ogromnych wolumenach logów C++ w globalnej sieci węzłów XRP Ledger.
- Pipeline AWS połączy logi z kodem i standardami, umożliwiając szybsze sprawdzanie źródła problemu.
Amazon Web Services i Ripple badają konfigurację Amazon Bedrock, która mogłaby przyspieszyć monitorowanie XRPL. Osoby zaznajomione z projektem twierdzą, że celem jest szybsza analiza logów systemowych XRP Ledger oraz zachowania sieci. Wewnętrzne oceny udostępnione przez pracowników AWS sugerują, że niektóre przeglądy incydentów mogą skrócić się z kilku dni do około dwóch-trzech minut.
XRP Ledger działa jako zdecentralizowana sieć warstwy pierwszej z niezależnymi operatorami na całym świecie, w wielu regionach. Ledger wykorzystuje bazę kodu C++, która zapewnia wysoką przepustowość, ale generuje również duże i złożone logi.
Amazon Bedrock rozwiązuje wąskie gardła logów XRPL
Ripple i AWS analizują, jak modele Bedrock mogą interpretować logi walidatorów i serwerów na dużą skalę. Wystąpienia konferencyjne przypisywane architektowi AWS, Vijayowi Rajagopalowi, opisywały Bedrock jako warstwę przekształcającą surowe wpisy w przeszukiwalne sygnały. Inżynierowie mogliby wyszukiwać w modelach, które odzwierciedlają oczekiwane zachowanie XRPL.
Ripple w dokumentach odniesionych w dyskusji określa sieć XRPL na ponad 900 węzłów w uniwersytetach i firmach. Te same materiały podają, że każdy węzeł może generować 30-50 GB logów, co daje łącznie około 2–2,5 PB. Inżynierowie często potrzebują specjalistów C++, aby prześledzić anomalie do kodu protokołu, co może spowalniać reakcję na incydenty.
Pipeline AWS do przenoszenia, dzielenia i indeksowania logów XRP Ledger
Proponowany przepływ pracy zaczyna się od przesyłania logów węzłów do Amazon S3 przy użyciu narzędzi GitHub i AWS Systems Manager. Po ich załadowaniu, wyzwalacze uruchamiają funkcje AWS Lambda, które określają granice fragmentów dla każdego pliku. Pipeline następnie przesyła metadane fragmentów do Amazon SQS w celu równoległego przetwarzania.
Kolejna funkcja Lambda pobiera odpowiednie zakresy bajtów z S3. Wyodrębnia linie logów i metadane, a następnie przekazuje je do CloudWatch w celu indeksowania. Dokumentacja AWS opisuje podobne wzorce sterowane zdarzeniami, które wykorzystują EventBridge i Lambda do przetwarzania logów na dużą skalę.
Pracownicy AWS wykorzystali regionalne zdarzenie związane z łącznością, aby pokazać korzyść z szybszej triage. Powiedzieli, że przecięcie podmorskiego kabla w Morzu Czerwonym wpłynęło na łączność niektórych operatorów węzłów w regionie Azji i Pacyfiku. Inżynierowie zbierali logi od operatorów i przetwarzali duże pliki dla każdego węzła, zanim mogli rozpocząć analizę źródła problemu.
Powiązane: Ripple wyklucza IPO, ponieważ prywatny kapitał napędza długoterminowy wzrost
Łączenie logów z kodem i standardami XRPL
Inżynierowie AWS opisali także równoległy proces wersjonowania kodu XRPL i dokumentacji standardów. Proces monitoruje kluczowe repozytoria, planuje aktualizacje przez Amazon EventBridge i przechowuje wersjonowane migawki w S3. Podczas incydentu system może powiązać sygnaturę logu z odpowiednim wydaniem oprogramowania i specyfikacją.
To powiązanie ma znaczenie, ponieważ same logi mogą nie wyjaśniać przypadków brzegowych protokołu. Łącząc ślady z oprogramowaniem serwera i specyfikacjami, agenci AI mogą odwzorować anomalię na prawdopodobną ścieżkę kodu. Celem jest szybsze i bardziej spójne wsparcie dla operatorów podczas awarii i obniżonej wydajności.
Prace te pojawiają się także w momencie, gdy ekosystem XRPL rozszerza funkcje tokenów i powierzchnię operacyjną. Dokumentacja XRPL opisuje Multi-Purpose Tokens jako projekt tokenów zamiennych nastawiony na wydajność i łatwiejszą tokenizację. Ripple podkreślił również nowe poprawki i ulepszenia w wydaniu Rippled 3.0.0.
Na razie jest to przedsięwzięcie badawcze, a nie publiczne wprowadzenie produktu. Żadna z firm nie ogłosiła daty wdrożenia, a zespoły nadal testują dokładność modeli i zarządzanie danymi. Zależy to również od tego, co operatorzy węzłów zdecydują się udostępnić podczas dochodzeń. Niemniej jednak, podejście to pokazuje, jak AI i narzędzia chmurowe mogą wspierać obserwowalność blockchaina bez zmiany zasad konsensusu XRPL.
