تسريع الذكاء الاصطناعي لمعالجة مكتبات C++ في سجل XRP بفضل التعاون بين AWS و Ripple

منصة XRP Ledger (XRPL) تواجه تحديًا تقنيًا كبيرًا: كيف يمكن إدارة وتحليل كميات هائلة من البيانات الناتجة عن مكتبات C++ على مئات العقد حول العالم بكفاءة. لحل هذه المشكلة، تقوم Ripple و Amazon Web Services (AWS) بتجربة Amazon Bedrock — منصة ذكاء اصطناعي مصممة لتسريع عمليات المراقبة وتقليل زمن تحديد أسباب الأعطال إلى بضع دقائق بدلاً من يوم كامل.

التحدي من مكتبات C++ الضخمة في مراقبة XRPL

يعمل XRP Ledger كشبكة طبقة-1 لامركزية، مع مشغلي عقد مستقلين موزعين في مناطق مختلفة حول العالم. حاليًا، يمتلك XRPL أكثر من 900 عقدة تعمل على مكتبات C++ مفتوحة المصدر لدعم معدلات نقل عالية. ومع ذلك، فإن هذه المكتبات تخلق حجمًا هائلًا ومعقدًا من سجلات البيانات التي يصعب على المهندسين معالجتها بسرعة.

وفقًا لموظفي AWS، كل عقدة يمكن أن تنتج من 30 إلى 50 جيجابايت من السجلات يوميًا، ليصل الإجمالي إلى حوالي 2-2.5 بيتابايت من البيانات عبر الشبكة بأكملها. عند حدوث عطل، غالبًا ما يحتاج المهندسون إلى خبرة عميقة في مكتبات C++ لتتبع الأخطاء، وهذه العملية تستغرق وقتًا طويلاً وتعرض لخطر الفشل في بعض الأحيان. يمكن أن تستغرق العمليات التقليدية عدة أيام لإتمامها، في حين أن شبكة البلوكتشين تتطلب استجابة أسرع.

الحل بالذكاء الاصطناعي: Amazon Bedrock يحول البيانات الخام إلى إشارات قابلة للتحليل

يعمل Amazon Bedrock كطبقة تحويل، تساعد على تحويل السجلات الخام إلى إشارات يمكن البحث عنها وتحليلها. وفقًا للمهندس المعماري في AWS، Vijay Rajagopal، خلال مؤتمر تقني، فإن نماذج Bedrock قادرة على تفسير السجلات الناتجة عن مدققي وخوادم XRPL على نطاق واسع. يمكن للمهندس استعلام هذه النماذج للتحقق مما إذا كانت سلوكيات النظام تتوافق مع المعايير المتوقعة.

بفضل هذا التكامل، يمكن تقليل زمن مراجعة الأعطال من عدة أيام إلى 2-3 دقائق — خطوة مهمة للحفاظ على صحة الشبكة. حاليًا، تظهر التقييمات الداخلية من مهندسي AWS إمكانيات واضحة لهذا الحل.

خط أنابيب AWS لمعالجة السجلات: من S3 إلى CloudWatch

تبدأ العملية التقنية بنقل السجلات من عقد XRPL إلى Amazon S3 عبر GitHub و AWS Systems Manager. بعد استلام السجلات، يتم تفعيل أحداث trigger بواسطة Lambda لتحديد حدود التقسيم لكل ملف سجل.

ثم يتم دفع بيانات التعريف لهذه الأقسام إلى Amazon SQS للمعالجة المتزامنة. وظيفة Lambda أخرى تستخرج البيانات من S3 وتحدد خطوط السجل مع البيانات الوصفية، ثم ترسلها إلى CloudWatch للفهرسة. تم تصميم هذا النموذج استنادًا إلى الأحداث، باستخدام EventBridge و Lambda لمعالجة السجلات على نطاق واسع، مما يتيح تحليل كميات ضخمة من البيانات من مكتبات C++ دون تدخل يدوي.

كمثال، استخدم موظفو AWS حدث الاتصال الإقليمي لتوضيح فائدة التصنيف السريع. عندما أثرت مشكلة الكابل البحري الأحمر على الاتصال لمشغلي العقد في منطقة آسيا والمحيط الهادئ، كانت العمليات التقليدية تتطلب جمع السجلات من كل عقدة ومعالجة الملفات الكبيرة قبل بدء التحقيق في السبب الجذري. مع خط أنابيب AWS، تم تسريع هذه العملية بشكل كبير.

ربط رمز C++ ببيانات الحادث لتحديد السبب بسرعة أكبر

بالإضافة إلى خط أنابيب معالجة السجلات، تصف AWS أيضًا عملية موازية لإنشاء نسخة من مستودعات رمز C++ والمعايير التقنية لـ XRPL. تراقب هذه التدفقات المستودعات المهمة، وتجدول التحديثات عبر Amazon EventBridge، وتخزن لقطات الحالة وفقًا للإصدار في S3.

عند حدوث عطل، يمكن للنظام ربط توقيع سجل مع إصدار البرنامج والمواصفات ذات الصلة. هذا مهم جدًا، لأنه الاعتماد فقط على السجلات غالبًا لا يكفي لشرح سلوكيات بروتوكول غير معتادة. من خلال دمج تتبع السجلات مع مكتبات C++ للخادم والمواصفات التقنية، يمكن لوكيل الذكاء الاصطناعي ربط أي سلوك غير طبيعي بمسار الكود المناسب في قاعدة الشيفرة.

هدف هذه الطريقة هو تقديم إرشادات أسرع وأكثر اتساقًا للمشغلين عند حدوث انقطاع أو تدهور في أداء الشبكة.

التنفيذ والتطلعات المستقبلية

حاليًا، لا تزال جهود التعاون بين AWS و Ripple في مرحلة البحث والاختبار. لم تعلن أي شركة عن موعد الإطلاق الرسمي، وما زالت الفرق تقيّم دقة النماذج الذكية وسياسات إدارة البيانات. كما أن هذا يعتمد على مدى استعداد مشغلي العقد لمشاركة بيانات السجلات أثناء التحقيقات.

ومع ذلك، فإن هذا النهج يظهر بوضوح أن الذكاء الاصطناعي والأدوات السحابية يمكن أن تدعم مراقبة وتحليل البلوكتشين بشكل كبير، دون الحاجة إلى تعديل قواعد توافق XRPL. ويتزامن هذا الاتجاه مع جهود توسيع نظام XRPL البيئي، بما في ذلك ميزات الرموز الجديدة مثل Multi-Purpose Tokens، وتعديلات إصدار Rippled 3.0.0، والحماية الأمنية عبر XLS-86 Firewall. مع تحسين مراقبة وتحليل مكتبات C++، ستتحسن استقرار الشبكة وقابليتها للتوسع، مما يوفر أساسًا قويًا لنمو طويل الأمد.