El volumen es el número menos informativo de un flujo de logs
Los logs llegan a una tasa que nadie puede leer y se resumen en un conteo, y un conteo es el único número que no puede decirte si algo está mal. 90,000 errores por hora son normales para algunos sistemas y catastróficos para otros.
Lo que importa es la composición y el cambio: qué errores distintos están presentes, en qué proporción, y cuáles de ellos estaban ausentes ayer. Una clase de error nueva a bajo volumen es más urgente que una familiar en un pico.
Agrupar tiene que funcionar sobre la forma de un error, no sobre su texto, porque los identificadores, las marcas de tiempo y las referencias de usuario hacen única cada línea. Dos errores que difieren solo por un ID de solicitud son un error.
Hecho bien, noventa mil líneas se vuelven once grupos, tres de ellos nuevos, y los once se pueden leer.
Cómo se ejecuta el ActionFlow en el lienzo
Las líneas crudas de log llegan al flujo por un nodo HTTP Request contra tu almacén de logs, o un trigger Webhook las transmite en lotes.
Un nodo String normaliza cada línea, quita identificadores, marcas de tiempo y rutas para que las líneas que solo difieren por esos valores se colapsen juntas.
Un nodo Uniq reduce el conjunto normalizado, y un nodo Math cuenta ocurrencias por forma distinta antes de que cualquier modelo vea nada.
Contar antes de generar es lo que mantiene esto asequible. El modelo lee once formas distintas, no noventa mil líneas.
Un nodo Generate Object devuelve cada grupo con una descripción de lo que salió mal y el componente involucrado, y un nodo Text Classifier asigna la severidad contra tus definiciones, no las del logger.
Un nodo MongoDB sostiene el historial de formas, y un nodo If marca como nuevo cualquier cosa ausente de él.
Un nodo Sort ordena primero por nuevo, luego por cambio de volumen, no por el volumen mismo, y un nodo Generate Text escribe el resumen.
Un nodo Slack lo publica, y un nodo Linear abre un ítem por cualquier grupo nuevo por encima de tu umbral.
Nodos que usa este ActionFlow
- HTTP Request (Util) con Webhook (Triggers): el almacén de logs, o un flujo en lotes.
- String (Util): normaliza las líneas para que los identificadores dejen de hacer única a cada una.
- Uniq (Control) con Math (Util): formas distintas y sus conteos, antes de cualquier generación.
- Generate Object (AI Core): qué salió mal y qué componente, por grupo.
- Text Classifier (AI Custom): severidad contra tus definiciones, no las del logger.
- MongoDB (Data): el historial de formas, para poder detectar las nuevas.
- Sort (Data): primero las nuevas, luego el cambio de volumen, no el volumen.
- Linear (Integration): un ítem por grupo nuevo por encima de tu umbral.
Preguntas frecuentes
Empieza a crear flujos de IA
Crea una cuenta gratuita, abre una plantilla o un lienzo en blanco y ejecuta tu primer ActionFlow.
Boletín
Recibe actualizaciones del producto
Nodos nuevos, agents y notas de producto. Solo enviamos correo cuando merece la pena abrirlo.