AWS Bedrock может ускорить мониторинг и анализ XRP Ledger

Источник: CryptoTale Оригинальный заголовок: Aws Bedrock Could Speed Xrp Ledger Monitoring And Analysis Оригинальная ссылка:

• Ripple и AWS тестируют Bedrock AI, чтобы сократить время проверки инцидентов XRPL до минут.
• План нацелен на обработку огромных объемов логов C++ по всей глобальной сети узлов XRP Ledger.
• Поток AWS соединит логи с кодом и стандартами для более быстрого определения причины.

Amazon Web Services и Ripple исследуют настройку Amazon Bedrock, которая может ускорить мониторинг XRPL. Люди, знакомые с работой, сообщили, что цель — более быстрое анализирование системных логов XRP Ledger и поведения сети. Внутренние оценки, предоставленные сотрудниками AWS, предполагают, что некоторые проверки инцидентов могут сократиться с дней до примерно двух-трех минут.

XRP Ledger работает как децентрализованная сеть уровня 1 с независимыми операторами по всему миру в различных регионах. Леджер использует кодовую базу на C++, которая поддерживает высокую пропускную способность, однако генерирует большие и сложные логи.

Amazon Bedrock нацелен на узкие места логов XRPL

Ripple и AWS изучают, как модели Bedrock могут интерпретировать логи валидаторов и серверов в масштабах. В выступлении на конференции, приписанном архитектору AWS Вижаю Раджагопалу, описывалось, что Bedrock — это слой, превращающий необработанные записи в поисковые сигналы. Инженеры смогут запрашивать модели, отражающие ожидаемое поведение XRPL.

Документы Ripple, упомянутые в обсуждении, указывают, что сеть XRPL насчитывает более 900 узлов по университетам и компаниям. В тех же материалах говорится, что каждый узел может генерировать 30-50 ГБ логов, что в сумме составляет примерно 2-2,5 ПБ. Инженерам часто нужны специалисты по C++, чтобы проследить аномалии до протокольного кода, что может замедлить реагирование на инциденты.

Поток AWS для перемещения, сегментации и индексирования логов XRP Ledger

Предлагаемый рабочий процесс начинается с перемещения логов узлов в Amazon S3 с помощью инструментов GitHub и AWS Systems Manager. После загрузки триггеры запускают функции AWS Lambda, которые определяют границы сегментов для каждого файла. Затем поток передает метаданные сегментов в Amazon SQS для параллельной обработки.

Другая функция Lambda извлекает соответствующие диапазоны байтов из S3. Она собирает строки логов и метаданные, затем передает их в CloudWatch для индексирования. Документация AWS описывает похожие событийно-ориентированные шаблоны, использующие EventBridge и Lambda для обработки логов в масштабах.

Сотрудники AWS использовали региональное событие связи для демонстрации преимущества более быстрого реагирования. Они сообщили, что повреждение подводного кабеля в Красном море повлияло на связь некоторых операторов узлов в Азиатско-Тихоокеанском регионе. Инженеры собирали логи у операторов и обрабатывали большие файлы для каждого узла, прежде чем начать проверку причины.

Связь логов с кодом и стандартами XRPL

Инженеры AWS также описали параллельный процесс, который версионирует документацию по коду и стандартам XRPL. Этот поток отслеживает ключевые репозитории, планирует обновления через Amazon EventBridge и сохраняет версии снимков в S3. Во время инцидента система может сопоставить подпись лога с правильным релизом программного обеспечения и спецификациями.

Эта связь важна, потому что одних логов может быть недостаточно для объяснения крайних случаев протокола. Совмещая трассировки с серверным программным обеспечением и спецификациями, агенты ИИ могут связать аномалию с вероятным путем кода. Цель — более быстрое и последовательное руководство для операторов во время сбоев и ухудшения производительности.

Работа также происходит на фоне расширения экосистемы XRPL, которая добавляет новые функции токенов и расширяет операционную поверхность. Документация XRPL описывает Многоцелевые Токены как фьючербл-токен, ориентированный на эффективность и упрощение токенизации. Ripple также подчеркнул новые поправки и исправления в релизе Rippled 3.0.0.

На данный момент усилия остаются исследовательскими, а не публичным запуском продукта. Ни одна из компаний не объявила дату внедрения, и команды все еще тестируют точность моделей и управление данными. Это также зависит от того, что решат делиться операторы узлов во время расследований. Тем не менее, подход показывает, как ИИ и облачные инструменты могут поддерживать наблюдаемость блокчейна без изменения правил консенсуса XRPL.