දැනටමත් AI ඇප්ලිකේෂන් වලට අධික ප්රතිචාරයක් ලැබෙන්නා වූ තත්ත්වයක, අහඹු බග් එකක් නිසා සර්වර් එකේ CPU පරිභෝගය 390% දක්වා ඉහල ගියේය. මෙය හෙළිවෙන්නේ, එක් පරිශීලකයෙකු 106 පිටු PDF එකක් උඩුගත කර “Ask this book” බොත්තම ඔබා දැමූ විටය.
අදාල ඉල්ලීම සාර්ථකව ක්රියාත්මක වුවත්, පද්ධතිය “Preparing… 0/0” කියා පැහැදිලිව පෙන්වීමත් සමඟ, කිසිදු දෝෂයක්, අසාර්ථක ඉල්ලීමක් හෝ ලොග් එකේ අමතර තොරතුරක් නොපෙනුණි. නමුත් CPU පරිභෝගය අධිකව වැඩිවීමත්, 4 කෝරයක් පුරා 390% පමණක් තැබීමත් පෙනී ගියේය. එම කාලය තුළ OpenAI හි ඩැෂ්බෝර්ඩ් එකේ කිසිදු ත්රැෆික් එකක් නොපෙනුණු නිසා, වැඩේ සත්යයෙන්ම දේශීය Ollama කන්ටේනරයක් තුළ CPU මත සිදු වුණා.
මෙම සිදුවීමේ මූලික හේතුව, API සහ Worker ක්රියාවලීන් සඳහා වෙනම appsettings.json ගොනු භාවිතා කිරීමයි. API එකේ “pdf.parse” රූට් එක OpenAI‑PDF ලෙස සකසා තිබුණද, Worker ගොනුවේ ඒ සකස් කිරීම අතුරුදන් වූ නිසා, පද්ධතිය fallback ක්රමය භාවිතා කර, CPU‑පදනම් වූ මොඩලයක් වෙත පණිවුඩය යවා තිබුණි. එම නිසා 106 පිටු PDF එකක් පාරිභෝගිකව පරිගණකයට 42 තත්පරයකින් පසු පරිගණකය 74 මිනිත්තු පුරා බර පටුන.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික සංවර්ධනයේ ඉදිරියට යාමට මෙම සිදුවීමෙන් පෙනෙන්නේ:
- සැකසුම් කළමනාකරණය: එක් පද්ධතියක් තුළ බහු සේවා සඳහා එකම රූට් සටහන පවත්වා ගැනීම වැදගත්.
- මොනිටරින් සහ ඇලට්ස්: බාහිර සේවා (OpenAI වැනි) භාවිතා කරන විට, “ඇමතුම් නොමැති” තත්ත්වය සඳහා ඇලට් එකක් සකස් කිරීම අත්යවශ්ය.
- වියදම් පාලනය: CPU‑පදනම් AI මොඩල භාවිතා කිරීමේදී, අධික පාවිච්චියෙන් සම්පත් හා මුදල් වියදම් ඉහළ යාමක් සිදු විය හැක.
- දේශීය දැනුම: මෙවැනි බග් අධ්යයනයෙන්, ශ්රී ලාංකීය ඩිවෙලපර්ලාට DevOps, Cloud, AI ඒකාබද්ධ කිරීමේ වැදගත්කම තේරුම් ගත හැක.
අවසන් වශයෙන්, නිවැරදි සකස් කිරීමක් එක් කිරීමෙන්, CPU පරිභෝගය 390% සිට නිදහස් වූ අතර, OpenAI ට්රැෆික් නැවත පැමිණි නිසා, PDF එක මිනිත්තු කිහිපයක් තුළ සාර්ථකව ඉන්ඩෙක්ස් කරගත්තා. මෙම අවස්ථාවෙන් පෙනෙන්නේ, “ඇලට් නොලැබෙන” බග් එකක් පවා ව්යාපාරික පද්ධතියේ වැඩි පිරිවැයක් ගෙන එන්න පුළුවන් බවයි.
ඔබේ පද්ධතියේ සැකසුම්, මොනිටරින්, හා fallback ක්රමයන් පරීක්ෂා කර, අනාගතයේ මෙවැනි සිදුවීම් වලට පිළිතුරු සකස් කරගන්න.
