साक्षात्कार
चैरिटी मेजर्स, हनीकॉम्ब के सीटीओ और सह-संस्थापक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
चैरिटी एक ऑप्स इंजीनियर और हनीकॉम्ब में दुर्भाग्यपूर्ण स्टार्टअप संस्थापक हैं। इससे पहले उन्होंने पार्स, फेसबुक और लिंडेन लैब में इन्फ्रास्ट्रक्चर और डेवलपर टूल्स पर काम किया था, और उन्हें अक्सर डेटाबेस चलाने के लिए मिला था। वह ओ’रेली की डेटाबेस रिलायबिलिटी इंजीनियरिंग की सह-लेखिका हैं, और उन्हें मुफ्त भाषण, मुफ्त सॉफ्टवेयर, और सिंगल माल्ट स्कॉच पसंद है। (META )
आप फेसबुक (अब मेटा) में 2 साल से अधिक समय तक प्रोडक्शन इंजीनियरिंग मैनेजर थे, इस अवधि से आपके कुछ हाइलाइट्स क्या थे और इस अनुभव से आपके कुछ मुख्य निष्कर्ष क्या थे?
मैंने पार्स पर काम किया, जो मोबाइल ऐप्स के लिए एक बैकएंड था, जैसे कि मोबाइल के लिए हेरोकु। मैंने कभी भी बड़ी कंपनी में काम करने में रुचि नहीं ली थी, लेकिन हम फेसबुक द्वारा अधिग्रहित किए गए थे। मेरे द्वारा दी जाने वाली सलाह यह है कि यदि आप अधिग्रहित किए जा रहे हैं, तो सुनिश्चित करें कि आपके पास एक कार्यकारी प्रायोजक है, और सोचें कि क्या आपके पास रणनीतिक संरेखण है। फेसबुक ने इंस्टाग्राम को पार्स के अधिग्रहण से पहले ही अधिग्रहित कर लिया था, और इंस्टाग्राम का अधिग्रहण बिल्कुल भी आसान नहीं था, लेकिन यह अंततः बहुत सफल रहा क्योंकि उन्होंने रणनीतिक संरेखण और एक मजबूत प्रायोजक किया था।
क्या आप हनीकॉम्ब लॉन्च करने के पीछे की उत्पत्ति की कहानी साझा कर सकते हैं?
बिल्कुल। आर्किटेक्चर के दृष्टिकोण से, पार्स अपने समय से आगे था – हम माइक्रोसervices का उपयोग कर रहे थे जब माइक्रोसervices नहीं थे, हमारे पास एक बड़े पैमाने पर शार्डेड डेटा लेयर थी, और एक मंच के रूप में जो एक मिलियन से अधिक मोबाइल ऐप्स की सेवा कर रहा था, हमारे पास कई जटिल बहु-किरायेदारी समस्याएं थीं। हमारे ग्राहक डेवलपर थे, और वे लगातार नई कोड स्निपेट्स और नए क्वेरी लिख रहे थे जो … विविध गुणवत्ता वाले थे – और हमें बस इसे लेना था और इसे काम करना था, कुछ भी हो।
जो पाठक अनजान हैं, उनके लिए विशिष्ट रूप से क्या है एक पर्यवेक्षण मंच और यह पारंपरिक निगरानी और मेट्रिक्स से कैसे भिन्न है?
पारंपरिक निगरानी के तीन स्तंभ हैं: मेट्रिक्स, लॉग और ट्रेस। आपको आमतौर पर अपनी जरूरतों को पूरा करने के लिए कई उपकरण खरीदने होते हैं: लॉगिंग, ट्रेसिंग, एपीएम, आरयूएम, डैशबोर्डिंग, विज़ुअलाइजेशन, आदि। प्रत्येक इसके लिए अनुकूलित है एक अलग उपयोग के मामले में एक अलग प्रारूप में। एक इंजीनियर के रूप में, आप इन सभी के बीच बैठे हैं, उनमें से सभी को समझने की कोशिश कर रहे हैं। आप डैशबोर्ड के माध्यम से स्किम करते हैं दृश्य पैटर्न की तलाश में, आप लॉग से ट्रेस में और वापस आईडी की प्रतिलिपि बनाते हैं। यह बहुत प्रतिक्रियात्मक और टुकड़े-टुकड़े है, और आमतौर पर आप इन उपकरणों का उल्लेख करते हैं जब आपके पास एक समस्या है – वे आपके कोड को संचालित करने और बग और त्रुटियों को खोजने में आपकी मदद करने के लिए डिज़ाइन किए गए हैं।
आप जानते हैं कि पर्यवेक्षण एकल स्रोत की सच्चाई प्रदान करता है इंजीनियरिंग वातावरण में। इस संदर्भ में एआई कैसे एकीकृत होता है और इसके लाभ और चुनौतियां क्या हैं?
पर्यवेक्षण जैसे कि आप फ्रीवे पर जाने से पहले अपना चश्मा लगा रहे हैं। टेस्ट-ड्रिवन डेवलपमेंट (टीडीडी) ने 2000 के दशक की शुरुआत में सॉफ्टवेयर को क्रांतिकारी बनाया, लेकिन टीडीडी की प्रभावशीलता खो रही है जितना अधिक जटिलता हमारे सॉफ्टवेयर के बजाय हमारे सिस्टम में स्थित है। यदि आप टीडीडी से जुड़े लाभ प्राप्त करना चाहते हैं, तो आपको वास्तव में अपने कोड को इंस्ट्रुमेंट करना होगा और कुछ ऐसा करना होगा जो पर्यवेक्षण-संचालित विकास, या ओडीडी के समान है, जहां आप जैसे ही आगे बढ़ते हैं इंस्ट्रुमेंटेशन लिखते हैं, तेजी से तैनात करते हैं, फिर अपने कोड को उत्पादन में देखते हैं जिस इंस्ट्रुमेंटेशन आप अभी लिख रहे हैं और खुद से पूछते हैं: “क्या यह वही कर रहा है जो मुझे उम्मीद थी और क्या कुछ और दिखाई दे रहा है … अजीब?”
क्या आप बता सकते हैं कि एआई ने आपकी टीम को कैसे प्रभावित किया है और इसके क्या लाभ हैं?
हमारे इंजीनियर अंदरूनी तौर पर एआई का बहुत उपयोग करते हैं, विशेष रूप से को-पायलट। हमारे जूनियर इंजीनियरों का कहना है कि वे हर दिन चैटजीपीटी का उपयोग प्रश्नों का उत्तर देने और सॉफ्टवेयर को समझने में मदद करने के लिए करते हैं जो वे बना रहे हैं। हमारे वरिष्ठ इंजीनियरों का कहना है कि यह सॉफ्टवेयर लिखने के लिए बहुत अच्छा है जो बहुत उबाऊ या परेशान करने वाला होगा, जैसे कि जब आपके पास एक बड़ा यामल फाइल भरना होता है। यह स्निपेट को कोड में बदलने के लिए भी उपयोगी है जो आप आमतौर पर उपयोग नहीं करते हैं, या एपीआई प्रलेखन से।
क्या आप बता सकते हैं कि आपके प्रश्न सहायक या स्लैक एकीकरण जैसी एआई-संचालित सुविधाओं के उदाहरण कैसे टीम सहयोग में सुधार करते हैं?
हाँ, बिल्कुल। हमारा प्रश्न सहायक एक अच्छा उदाहरण है। क्वेरी बिल्डर्स का उपयोग करना जटिल और कठिन है, यहां तक कि शक्तिशाली उपयोगकर्ताओं के लिए भी। यदि आपके पास अपनी टेलीमेट्री में सैकड़ों या हजारों आयाम हैं, तो आप हमेशा याद नहीं रख सकते कि सबसे मूल्यवान लोगों को क्या कहा जाता है। और यहां तक कि शक्तिशाली उपयोगकर्ता भी विभिन्न प्रकार के ग्राफ़ बनाने के तरीके के विवरण को भूल जाते हैं।
हनीकॉम्ब तेजी से घटना के समाधान का वादा करता है। क्या आप बता सकते हैं कि लॉग, मेट्रिक्स और ट्रेस को एकीकृत करने से तेजी से डीबगिंग और समस्या समाधान में कैसे मदद मिलती है?
सब कुछ जुड़ा हुआ है। आपको अनुमान लगाने की जरूरत नहीं है। इसके बजाय, डेटा जुड़ा हुआ है। आपको अनुमान लगाने की जरूरत नहीं है, आप बस पूछ सकते हैं।
पर्यवेक्षण में सुधार कैसे बेहतर व्यावसायिक परिणामों में अनुवाद करता है?
यह पिछली पीढ़ी से नए जनरेशन के पर्यवेक्षण टूलिंग में एक और बड़ा बदलाव है। पिछले में, सिस्टम, एप्लिकेशन और व्यवसाय डेटा अलग-अलग टूल में अलग थे। यह अविश्वसनीय है – आधुनिक सिस्टम के बारे में पूछने के लिए हर दिलचस्प प्रश्न में तीनों के तत्व होते हैं।
पर्यवेक्षण केवल बग, डाउनटाइम, या आउटेज के बारे में नहीं है। यह सुनिश्चित करने के बारे में है कि हम सही चीजों पर काम कर रहे हैं, हमारे उपयोगकर्ता एक अच्छा अनुभव कर रहे हैं, हम व्यावसायिक परिणामों को प्राप्त कर रहे हैं जिनके लिए हम लक्ष्य बना रहे हैं। यह मूल्य बनाने के बारे में है, न कि केवल संचालित करने के बारे में। यदि आप नहीं देख सकते कि आप कहां जा रहे हैं, तो आप बहुत तेजी से आगे नहीं बढ़ सकते हैं और आप बहुत तेजी से पाठ्यक्रम नहीं बदल सकते हैं। आपके उपयोगकर्ता के साथ क्या हो रहा है, इसके बारे में आपको जितनी अधिक दृश्यता मिलेगी, उतना ही बेहतर और मजबूत इंजीनियर आप हो सकते हैं।
आप पर्यवेक्षण के भविष्य को कहां देखते हैं, विशेष रूप से एआई विकास के संबंध में?
पर्यवेक्षण तेजी से टीमों को तेज, तेज प्रतिक्रिया लूप हुक करने में सक्षम बनाने के बारे में है, ताकि वे उत्पादन में विश्वास के साथ तेजी से विकसित कर सकें और कम समय और ऊर्जा बर्बाद कर सकें।
यह व्यावसायिक परिणामों और तकनीकी तरीकों के बीच डॉट्स को जोड़ने के बारे में है।
और यह सुनिश्चित करने के बारे में है कि हम सॉफ्टवेयर को समझते हैं जो हम दुनिया में डाल रहे हैं। जैसे-जैसे सॉफ्टवेयर और सिस्टम जटिल होते जा रहे हैं, और विशेष रूप से जब एआई मिश्रण में होता है, तो यह अधिक महत्वपूर्ण है कि हम खुद को मानव मानक की समझ और प्रबंधनीयता के लिए जवाबदेह ठहराएं।
पर्यवेक्षण के दृष्टिकोण से, हम डेटा पाइपलाइन में बढ़ती जटिलता के स्तर को देखने जा रहे हैं – मशीन लर्निंग और जटिल नमूनाकरण तकनीकों का उपयोग करके मूल्य बनाम लागत को संतुलित करने के लिए, महत्वपूर्ण घटनाओं और महत्वपूर्ण घटनाओं के बारे में विवरण को बनाए रखने के लिए और शेष का सारांश सस्ते में संग्रहीत करने के लिए।
एआई विक्रेता अपने सॉफ्टवेयर को बेहतर ढंग से समझने और अपने मानवों को कार्रवाई करने के लिए क्या बताने के बारे में बहुत अधिक दावे कर रहे हैं। मैंने जो कुछ भी देखा है, यह एक महंगा सपना है। झूठे सकारात्मक परिणाम बहुत महंगे हैं। अपने सिस्टम और डेटा को समझने का कोई विकल्प नहीं है। एआई आपके इंजीनियरों की मदद कर सकता है! लेकिन यह आपके इंजीनियरों को प्रतिस्थापित नहीं कर सकता है।
