Только что я обнаружил довольно интересный проект между AWS и Ripple. Они тестируют Amazon Bedrock AI, чтобы решить давно существующую проблему: анализ логов XRP Ledger быстрее.

В настоящее время при возникновении инцидента на XRPL проверка причин может занять несколько дней. Но с Bedrock это время можно сократить до всего 2-3 минут. Этот показатель довольно впечатляющий.

Почему всё это так сложно? XRPL — это децентрализованная сеть layer-1 с более чем 900 распределёнными узлами по всему миру. Каждый узел работает на C++ и создаёт 30-50 ГБ логов в день. В общей сложности эта сеть генерирует около 2-2.5 ПБ данных логов. Чтобы анализировать такие огромные объёмы данных, инженерам обычно нужны эксперты по C++, чтобы проследить каждую строку кода — это существенно замедляет реагирование на инциденты.

AWS и Ripple строят автоматизированный pipeline для обработки этой проблемы. Процесс начинается с загрузки логов с узлов в Amazon S3. Затем AWS Lambda разбивает эти файлы логов, а метаданные отправляются в Amazon SQS для параллельной обработки. Другая функция Lambda извлекает строки логов и отправляет их в CloudWatch для индексирования. Эта архитектура похожа на другие системы обработки логов большого масштаба, но оптимизирована для XRPL.

Но самое интересное — это то, как они связывают логи с исходным кодом и стандартами XRPL. Система отслеживает основные репозитории, создаёт снапшоты версий исходного кода и хранит их в S3. При возникновении инцидента Bedrock AI может сопоставить лог-подпись с соответствующей версией программного обеспечения и подходящей спецификацией. Это очень важно, потому что иногда одних логов недостаточно, чтобы объяснить особые случаи протокола. Объединяя логи с C++-библиотеками и структурой кода, AI может точнее сопоставлять аномалии с нужным участком кода.

Конечная цель — предоставить операторам узлов быстрые и согласованные инструкции при сбоях или снижении производительности. AWS привёл в качестве примера событие с кабелем Biển Đỏ: тогда связь некоторых узлов в Азиатско-Тихоокеанском регионе была затронута. Если бы существовала такая система, анализ был бы намного быстрее.

На данный момент это всё ещё находится на стадии исследования. Обе компании не объявили дату публичного запуска, и команды продолжают проверять точность модели, а также управление данными. Но такой подход показывает, что ИИ и облачные инструменты могут эффективно помогать в наблюдении за блокчейном без необходимости менять правила консенсуса. Это разумный шаг.