Bedrock AI يساعد في تحسين أداة مراقبة XRP Ledger من خلال معالجة مكتبات C++

XRP Ledger هو شبكة لطبقة-1 لامركزية تضم أكثر من 900 عقدة مستقلة على مستوى العالم، لكن مراقبة وتحليل الأعطال النظامية أصبحت أكثر تعقيدًا يومًا بعد يوم. التحدي الأكبر يأتي من مكتبات C++ المستخدمة في بنية XRPL التي تولد حجم سجلات ضخمة، مما يبطئ عملية التشخيص ومعالجة المشكلات. لحل هذه المشكلة، تقوم Amazon Web Services (AWS) وRipple بتجربة Amazon Bedrock - منصة ذكاء اصطناعي متقدمة - بهدف تسريع تحليل السجلات من عدة أيام إلى 2-3 دقائق فقط.

التحدي مع حجم سجلات C++ الضخم على شبكة XRPL

يعمل دفتر أستاذ XRP Ledger على منصة مفتوحة المصدر بلغة C++ مصممة لدعم معدلات نقل عالية. ومع ذلك، هذا يعني أن كل عقدة على الشبكة تنتج كمية هائلة من السجلات - من 30 إلى 50 جيجابايت لكل عقدة، بإجمالي حوالي 2 إلى 2.5 بيتابايت على الشبكة بأكملها. عادةً، يتطلب معالجة هذه البيانات خبرة متخصصة في C++ ليتمكن المهندسون من تتبع الأخطاء حتى رمز البروتوكول الأساسي.

في السابق، عند حدوث عطل، كانت عملية مراجعة السبب الجذري قد تستغرق أيامًا أو أكثر. وفقًا لتقييمات داخلية من موظفي AWS، فإن التعامل مع ملفات السجل الكبيرة من عقد مختلفة والبحث عن العلاقات بينها هو عمل يستغرق وقتًا طويلاً وعرضة للأخطاء. كمثال، حادثة كابل البحر الأحمر عام 2026، عندما تأثرت بعض العقد في منطقة آسيا-المحيط الهادئ، اضطر المهندسون لجمع السجلات من عدة مشغلين لبدء التحقيق.

الحلول التلقائية لمعالجة البيانات من AWS

تطوّر Ripple وAWS خط أنابيب تقني لأتمتة عملية معالجة سجلات XRPL بالكامل. تبدأ العملية بنقل السجلات من المدققين والخوادم إلى Amazon S3 عبر أدوات GitHub وAWS Systems Manager. عند استلام البيانات، يتم تفعيل أحداث مشغلة بواسطة AWS Lambda لتحديد حدود التقسيم لكل ملف.

يتم دفع بيانات التعريف الخاصة بالتقسيمات إلى Amazon SQS لمعالجتها بشكل متزامن، مما يعزز الأداء. بعد ذلك، تستخرج وظيفة Lambda أخرى البيانات ذات الصلة من S3، وتستخلص خطوط السجل مع البيانات الوصفية، ثم ترسلها إلى CloudWatch للفهرسة. يتم تنسيق كل هذه العمليات بواسطة EventBridge، مما يسمح بمعالجة السجلات على نطاق واسع بكفاءة. مع هذا البنية التحتية، تقول فرق AWS إن وقت تحليل السجلات قد انخفض بشكل كبير مقارنة بالطرق اليدوية السابقة.

دمج رمز المصدر ومعايير XRPL في نظام الذكاء الاصطناعي

العنصر الرئيسي الذي يجعل Amazon Bedrock فعالاً هو القدرة على ربط إشارات السجل مع رمز المصدر C++ ومعايير بروتوكول XRPL. وفقًا للخطة التي تم مشاركتها في ورشة عمل مهندس AWS Vijay Rajagopal، سيقوم النظام بمراقبة مستودعات رمز XRPL، وتجدول التحديثات عبر Amazon EventBridge، وتخزين لقطات الحالة حسب الإصدار في S3.

عند اكتشاف حالة غير طبيعية، يمكن لـ Bedrock ربط توقيع سجل مع إصدار البرنامج والمواصفات ذات الصلة. هذا مهم جدًا لأن خطوط السجل وحدها لا تكفي لشرح الحالات الخاصة للبروتوكول. من خلال دمج آثار السجلات مع برامج الخادم والمعايير، يمكن لوكيل الذكاء الاصطناعي ربط الحالة غير الطبيعية بمسار الكود الصحيح في مكتبات C++. النتيجة هي أن مشغلي العقد يتلقون إرشادات أسرع وأكثر اتساقًا عند حدوث انقطاع أو تدهور في الأداء.

الآفاق والحالة الحالية للمشروع

حاليًا، لا تزال جهود التعاون بين AWS وRipple في مرحلة البحث والتجريب. لم يتم الإعلان عن موعد رسمي للإطلاق، وما زالت الفرق تتحقق من دقة نموذج الذكاء الاصطناعي وعمليات إدارة البيانات. بالإضافة إلى ذلك، يعتمد التنفيذ على اختيار مشغلي العقد لمستوى مشاركة بيانات السجل الخاصة بهم.

بالإضافة إلى ذلك، يجري العمل في سياق توسع ميزات XRPL الجديدة. أصدرت Ripple مؤخرًا Rippled 3.0.0 مع تعديلات وتصحيحات مهمة، وتستعد لإعلان Multi-Purpose Tokens (XLS-86) - تصميم رموز متعدد الأغراض يهدف إلى زيادة الكفاءة وسهولة التوكنة. ومع ذلك، فإن النهج القائم على الذكاء الاصطناعي والأدوات السحابية يُظهر إمكانات فعالة لمراقبة البلوكتشين دون الحاجة إلى تعديل قواعد التوافق الأساسية لـ XRPL.