Netflix กำลังพัฒนา knowledge graph ที่ขับเคลื่อนด้วย ontology เพื่อเร่งการตรวจสอบปัญหาการผลิตและให้ AI agents มีความเข้าใจร่วมกันเกี่ยวกับสภาพแวดล้อมการทำงานของตนเอง แพลตฟอร์มนี้เชื่อมโยงข้อมูลเกี่ยวกับแอปพลิเคชัน, เหตุการณ์, การติดตั้งใช้งาน, การแจ้งเตือน และการพึ่งพิงโครงสร้างพื้นฐาน ซึ่งช่วยแก้ปัญหาที่วิศวกรต้องใช้เวลาหลายชั่วโมงในการรวบรวมข้อมูลจากหลายระบบ
แม้ว่าโครงสร้างพื้นฐานของ Netflix จะรองรับการสตรีมพร้อมกันกว่า 65 ล้านครั้งในระหว่างการแข่งขัน Jake Paul-Mike Tyson แต่การตรวจสอบการถดถอยของแอปพลิเคชันทั่วไปอาจใช้เวลาถึงสี่ชั่วโมง ซึ่งส่วนใหญ่หมดไปกับการสร้างความสัมพันธ์ระหว่างระบบ แทนที่จะวิเคราะห์ข้อมูลพื้นฐาน
Netflix ใช้มาตรฐานที่กำหนด เช่น RDF, OWL, SHACL และ SPARQL และจัดเก็บ knowledge graph ใน QuipuDB ซึ่งเป็น distributed RDF database ที่สร้างบน redb storage engine ของ Rust
Correlation engine ของบริษัทตรวจสอบสัญญาณ 13 ประเภท รวมถึง log errors, metric anomalies, traces, alerts, incidents, deployments, configuration changes, experiments และ code changes ทำให้การวิเคราะห์เชิงความหมายของสัญญาณเหล่านี้คงอยู่และเข้าถึงได้ทั้งสำหรับวิศวกรและเครื่องจักร
ที่มา: infoq.com