实用 MLOps

第 6 章. 监控和日志记录

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

作者：阿尔弗雷多-德萨

不仅，大脑解剖结构是双重的，不仅一个半球足以产生意识这一点毋庸置疑，而且，胼胝体切除术后的两个半球已被证明可以同时和独立地产生意识。正如纳格尔在谈到分裂脑时所说的那样："右半球自己所能做的事情太精细、太有目的性、在心理上也太容易理解，不能仅仅被视为无意识自动反应的集合。

约瑟夫-博根博士

日志记录和监控是 DevOps 原则的核心支柱，对于强大的 ML 实践至关重要。有用的日志记录和监控很难做到位，尽管您可以利用云服务来处理繁重的工作，但还是要由您来决定并提出合理的策略。大多数软件工程师倾向于编写代码，而将测试、文档等其他任务抛在脑后，日志记录和监控往往也是如此。

如果听到有人提出可以 "解决日志记录问题 "的自动化解决方案，请不要感到惊讶。彻底思考手头的问题，使产生的信息可用，才有可能打下坚实的基础。当你面对无用信息（无助于叙述故事）或隐晦信息（太难理解）时，我所描述的艰苦工作和坚实基础的理想就会变得非常清晰。这种情况的一个完美例子就是我在 2014 年打开的一个软件问题，它捕捉到了关于该产品的在线聊天中的以下问题：

"谁能帮我解释一下这句话：

7fede0763700  0 -- :/1040921 >> 172.16.17.55:6789/0 pipe(0x7feddc022470 \
sd=3 :0 s=1 pgs=0 cs=0 l=1 c=0x7feddc0226e0).fault

当时我已经使用这个软件产品快两年了，但我不知道这意味着什么。你能想到可能的答案吗？一位知识渊博的工程师给出了完美的翻译："您所在的机器无法与位于 172.16.17.55 的监视器取得联系"。我百思不得其解，不知道日志的意思是什么。为什么不能改成这样说呢？截至本文撰写时，2014 年记录此问题的票单仍未处理完毕。更令人不安的是，工程部在该票中回复说 "日志信息没有问题"。

日志记录和监控是一项艰苦的工作，因为需要付出努力才能产生有意义的输出，帮助我们了解程序的状态。

我曾说过，掌握有助于我们叙述故事的信息至关重要。监控和日志记录都是如此。几年前，我在一个大型工程小组工作，该小组交付了世界上最大的基于 Python 的 CMS（内容管理系统）之一。在提议为应用程序添加度量指标后，大家普遍认为内容管理系统并不需要。监控已经到位，运营团队有各种与警报阈值相关的实用工具。工程经理为了奖励工程师的卓越表现，会给他们时间参与任何相关项目（而不是像某些著名科技公司那样只参与 20%的项目）。在参与相关项目之前，工程师必须向整个管理团队提出自己的想法，以获得认同。当我的机会来临时，我当然选择在应用程序中添加度量设施。

"阿尔弗雷多，我们已经有了衡量标准，我们知道磁盘使用情况，每台服务器都有内存警报。我们不明白这一举措能给我们带来什么好处"。站在一个庞大的高级管理团队面前，试图说服他们相信自己不相信的东西是很难的。我的解释从网站上最重要的按钮开始：订阅按钮。订阅按钮负责产生付费用户，对业务至关重要。我解释说："如果我们部署的新版本存在 JavaScript 问题，导致这个按钮无法使用，有什么指标或警报可以告诉我们这是一个问题？"当然，磁盘使用率会保持不变，内存使用率可能也不会有任何变化。然而，应用程序中最重要的按钮却在无法使用的状态下被忽视了。在这种特殊情况下，度量指标可以捕捉到该按钮每小时、每天和每周的点击率。最重要的是，它可以帮助说明网站今天的收入比去年同月的收入多（或少！）。服务器的磁盘使用率和内存消耗值得关注，但这并不是 ...