# نتفلیکس برای بررسی‌های هوش مصنوعی گراف دانش عملیاتی می‌سازد

> نتفلیکس رخدادها، استقرارها و زیرساخت را در یک مدل داده مشترک به هم پیوند می‌دهد تا مهندسان و عامل‌های هوش مصنوعی بتوانند مشکلات محیط عملیاتی را بررسی کنند.

Oossa · 2026-11-13 · https://oossa.com/fa/netflix-builds-an-operational-knowledge-graph-for-ai-investigations

نتفلیکس در حال توسعه یک گراف دانش عملیاتی است که برنامه‌ها، رخدادها، استقرارها، هشدارها و وابستگی‌های زیرساختی را به هم پیوند می‌دهد. این شرکت می‌گوید مهندسان ممکن است برای بررسی یک اختلال معمول در عملکرد برنامه، حدود چهار ساعت وقت صرف کنند؛ اغلب به این دلیل که باید ارتباط‌ها را از میان سامانه‌های جداگانه کنار هم بگذارند. گراف نتفلیکس مدلی مشترک از این ارتباط‌ها در اختیار کارشناسان و عامل‌های هوش مصنوعی قرار می‌دهد و از AutoRCA، سامانه داخلی نتفلیکس برای تحلیل ریشه‌ای علت‌ها، پشتیبانی می‌کند. نتفلیکس می‌گوید هدفش ارائه توضیح‌هایی رتبه‌بندی‌شده و مستند به شواهد است؛ اختیار تأیید راه‌حل‌های پیشنهادی همچنان در دست افراد خواهد بود.

## حقایق

- موتور هم‌بستگی نتفلیکس 13 نوع سیگنال عملیاتی را بررسی می‌کند.
- این گراف در QuipuDB، پایگاه داده توزیع‌شده RDF نتفلیکس، ذخیره می‌شود.

## چرا مهم است

برای مهندسان نتفلیکس، کنار هم قرار دادن سرنخ‌های عملیاتی در یک مدل می‌تواند از حجم کار بررسی دستی بکاهد؛ بااین‌حال، این شرکت نگفته است که این سامانه در حال حاضر چقدر در زمان صرفه‌جویی می‌کند.

## منابع و ارجاع‌ها

1. [Netflix Turns Operational Data Into a Knowledge Graph for AI-Driven Observability](https://www.infoq.com/news/2026/11/netflix-ai-driven-observability/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-11-13

آخرین به‌روزرسانی: 2026-11-13