GPU‑වල නිවැරදි ක්රියාකාරිත්වය තහවුරු කිරීම සඳහා සාමාන්ය CI/CD පයිප්ලයින් පමණක් නොහැක. මෘදුකාංග වෙනස්කම් එකක් සාර්ථකව සංග්රහ කර, ඒකක පරීක්ෂණ පසුතැවීමෙන් පසුද, නව GPU පරීක්ෂණයක් නොකළහොත් ගැටළුවක් පෙනෙන්න පුළුවන්.
මෙවැනි ගැටළු පෙනෙන්නේ විශේෂ GPU පරම්පරාවක, නියම driver, firmware, OS හෝ graphics API එකක පමණක්. එමනිසා, සාම්ප්රදායික CI/CD පයිප්ලයින් එකකට GPU රන්නර් එකක් එකතු කිරීම පමණක් ප්රයෝජනවත් නොවේ. GPU සම්පත් සීමිතය, මිල අධිකය, එබැවින් සම්පත් සැලසුම්, පරීක්ෂණ ආවරණය, අසමත්කම වර්ගීකරණය, සහ සාක්ෂි‑අධාරිත ගුණාත්මක දොරටු (quality gates) යන සියලුම අංග එකට ක්රියාත්මක විය යුතුය.
සාමාන්ය CI/CD පයිප්ලයින් එකක් මෙසේ පෙනේ:
Commit → Build → Unit Tests → Integration Tests → Deployment.
GPU පරීක්ෂණයක් සඳහා එය වඩා සංකීර්ණ වේ:
Code change → Build artifacts → Affected GPU configs හඳුනා ගැනීම → හෝඩ්වෙයා වෙන් කිරීම → Driver/Runtime සැකසීම → Functional, stability, performance පරීක්ෂණ → ලොග්, trace, metric එකතු කිරීම → අසමත්කම් වර්ගීකරණය → Merge/Release තීරණය.
TRACE ආකෘතිය මේ සංකීර්ණතා සරල කරයි. එහි පදනම T‑R‑A‑C‑E යන පහේ අංග වේ:
- Test planning – වෙනස්කම් අනුව පරීක්ෂණ සැලැස්වීම. වෙනස් වූ ගොනු, බලපෑම් ගත් GPU පරම්පරාව, driver/firmware අවශ්යතා, හා ඉතිහාසික අසමත්කම් වාර්තා යන දත්ත මත පදනම්ව ස්වයංක්රීය සැලැස්වීම.
- Resource matching – සීමිත GPU සම්පත් අතර සුදුසු හෝඩ්වෙයා තෝරා වෙන් කිරීම. වර්තමාන ධාරිතාවය, බලය, OS වර්ගය යන කරුණු සැලකිල්ලට ගනී.
- Artifact traceability – සෑදුනු driver, firmware, සහ සොෆ්ට්වෙයා artifacts වල සම්පූර්ණ පථය ලියා තබා, කුමන සංස්කරණය කුමන පරීක්ෂණයට යොදා ගත්තා කියා සොයා ගැනීම සලස්වයි.
- Classification and coverage – පරීක්ෂණ ප්රතිඵල අසමත්කම් වර්ගීකරණය කර, පූර්ව නියමිත baseline සමඟ සසඳයි. මෙයින් අඩු‑දෝෂ, අන්තර්mitt, performance drop වැනි ප්රශ්න ඉක්මනින් හඳුනාගත හැක.
- Evidence‑based quality gates – අවශ්ය සාක්ෂි ප්රමාණය සපුරා ගත නොවේ නම්, code merge හෝ release අත්හරිනු ලැබේ. එමඟින් ඉන්ජිනියරින් තීරණ ගැනීමට විශ්වාසදායී දත්ත ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
GPU‑අවශ්ය මූලික AI, රියදුරු‑අපේක්ෂිත, සහ ග්රාෆික්‑ගණනය යන ක්ෂේත්රවල ශ්රී ලංකාවේ ඉගෙනුම් හා ව්යාපාරික සංවර්ධනයට මෙය විශාල වාසියක් ගෙනදෙයි.
- ශ්රී ලංකාවේ විශ්වවිද්යාල සහ තාක්ෂණික පාඨමාලාවල GPU‑සම්බන්ධ පර්යේෂණ සඳහා අඩු‑වියදම්, වේගවත් පරීක්ෂණ පද්ධතියක් ලබාදේ.
- දේශීය සොෆ්ට්වෙයා සංවර්ධකයින්ට GPU‑අවශ්ය ඇප්ලිකේෂන් (AI මොඩල, රියදුරු‑අපේක්ෂිත) නිර්මාණය කිරීමේදී නවතම CI/CD ක්රමවේදයන්ගෙන් ප්රයෝජන ගත හැක.
- ව්යාපාරික සමාගම් සඳහා GPU‑මූලික සේවා (cloud rendering, deep learning) විශ්වාසදායීව, අඩු‑වැරදි සමඟ ඉදිරිපත් කළ හැකි වේ.
සාරාංශය ලෙස, TRACE‑ආකෘතිය GPU පරීක්ෂණ සඳහා අවශ්ය සම්පත්, කාලය, සහ නිවැරදිත්වය අතර සුරක්ෂිත සමතුලිතතාවයක් සපයයි. මේ නිසා, ඉදිරි තාක්ෂණික ව්යාපෘතිවල නවීන ගුණාත්මක මට්ටමක් රැක ගැනීමට හැකි වේ.
