Netflix تكشف عن رسم بياني للمعرفة بالقياس عن بعد مدعوم بالذكاء الاصطناعي لإدارة 38 million حدث في الثانية

في October 9, 2026، نشر مهندسا Netflix، Prasanna Vijayanathan وRenzo Sanchez-Silva، تفاصيل تطور معماري رئيسي في البنية التحتية للقياس عن بعد لدى عملاق البث التدفقي، حيث كشفا عن كيفية إدارة المنصة للمراقبة في الوقت الفعلي عبر 38 million حدث في الثانية. واستعرض الإصدار الفني التحول عن أطر المراقبة التفاعلية التقليدية نحو أنطولوجيا تشغيلية مدعومة بالذكاء الاصطناعي. ومن خلال توحيد المقاييس والأحداث والسجلات والتتبعات—المعروفة مجتمعة ببيانات MELT للقياس عن بعد—في رسم بياني للمعرفة قابل للاستعلام من البداية إلى النهاية، دمجت Netflix سير عمل الذكاء الاصطناعي الوكيل باستخدام نموذج Claude من شركة Anthropic إلى جانب معماريات قواعد البيانات الرسمية. ويهدف هذا النشر إلى تغيير طريقة تحديد إحدى أكبر العمليات السحابية الأصلية في العالم لتبعيات الأنظمة، وتشخيص الأسباب الجذرية، وإدارة أنماط الفشل المعقدة عبر آلاف الخدمات المصغرة.

## Key facts - قدم مهندسا Netflix، Prasanna Vijayanathan وRenzo Sanchez-Silva، المعمارية الجديدة لتقديم الرؤية الشاملة في الشركة في October 9, 2026. - تستوعب المنصة وتعالج بيانات القياس عن بعد بحجم يصل إلى 38 million حدث في الثانية عبر البنية التحتية العالمية لـ Netflix. - يجمع النظام بين الركائز الأربع الأساسية للقياس عن بعد—المقاييس والأحداث والسجلات والتتبعات (MELT)—في رسم بياني موحد للمعرفة قابل للاستعلام. - ينقل النموذج التشغيلي Netflix من المراقبة التفاعلية إلى أنطولوجيا مدعومة بالذكاء الاصطناعي باستخدام قواعد البيانات الرسمية وسير عمل الذكاء الاصطناعي الوكيل المدعوم بـ Claude. - يستهدف التحديث المعماري الاستدلال السياقي المؤتمت من البداية إلى النهاية لعزل الشذوذ التشغيلي عبر الخدمات الموزعة مترابطة الأجزاء بشدة.

## What happened وفقًا للتفاصيل التي نشرها المهندسان Prasanna Vijayanathan وRenzo Sanchez-Silva، أكملت Netflix إعادة تصميم أساسية لمعمارية تقديم الرؤية الشاملة في المؤسسة، معالجةً التعقيد التشغيلي المتمثل في التعامل مع 38 million حدث قياس عن بعد في الثانية. تاريخيًا، اعتمدت المنصات السحابية الضخمة على مجموعات مراقبة مجزأة حيث كانت المقاييس وسجلات الأحداث وتتبعات التطبيقات وأحداث النظام المنفصلة تُخزن في صوامع بيانات منفصلة، مما تطلب من المشغلين البشر الربط المتبادل يدويًا بين لوحات التحكم أثناء الأعطال التشغيلية.

وبموجب النموذج الجديد الذي وضحه Vijayanathan وSanchez-Silva، دمجت Netflix تدفقات القياس عن بعد المتباينة هذه—المقاييس والأحداث والسجلات والتتبعات (MELT)—في أنطولوجيا تشغيلية مركزية. وتقوم هذه الأنطولوجيا بنمذجة العلاقات والتبعيات وتدفق البيانات عبر كامل منظومة الخدمات المصغرة في المنصة. ومن خلال تمثيل مكونات البنية التحتية والتطبيقات البرمجية وتدفقات الشبكة كعقد وحواف داخل قاعدة بيانات رسمية متخصصة، ينشئ الإطار رسمًا بيانيًا حيًا للمعرفة من البداية إلى النهاية لبيئة تشغيل المنصة.

ولتفعيل هذا الرسم البياني على نطاق واسع، دمجت Netflix سير عمل الذكاء الاصطناعي الوكيل باستخدام نموذج اللغة Claude من Anthropic. وبدلاً من الاعتماد حصريًا على تنبيهات العتبات الثابتة أو الاستعلامات التي يطلقها العنصر البشري، ينشر النظام وكلاء ذكاء اصطناعي يستعلمون ذاتيًا عن الرسم البياني للمعرفة عند حدوث حالات شذوذ. وتجتاز هذه الوكلاء مسارات الشبكة، وتربط معرفات التتبع بطفور السجلات وانحرافات المقاييس، وتبني تفسيرات سياقية لإخفاقات النظام. ووفقًا للإصدار الفني، يُتيح هذا النهج الوكيل تحليلاً مؤتمتًا للأسباب الجذرية من خلال السماح لأنظمة الذكاء الاصطناعي بالاستدلال مباشرة عبر الطوبولوجيا الهيكلية المستمرة للبصمة الخدمية العالمية لـ Netflix.

## Why it matters يمثل التحول إلى رسم بياني لتقديم الرؤية الشاملة مدفوع بالأنطولوجيا تحولاً هيكليًا في كيفية صيانة أنظمة البرمجيات المؤسسية واسعة النطاق، مع تأثيرات مباشرة على معايير الهندسة السحابية، وممارسات هندسة موثوقية المواقع (SRE)، واستراتيجيات نشر الذكاء الاصطناعي في الشركات.

عند نطاق معالجة يبلغ 38 million حدث في الثانية، تواجه استجابة الحوادث التقليدية التي تشرك العنصر البشري في الحلقة حدودًا فيزيائية صارمة. ففي المعمارية السحابية الحديثة، يمكن لطلب مستخدم واحد أن يطلق مئات الاستدعاءات اللاحقة عبر خدمات مصغرة مسؤولة عن مصادقة المستخدمين، وخوارزميات التوصية، وترميز الفيديو، والبيانات الوصفية للفهرس، وشبكات توصيل المحتوى. وعند حدوث عطل، تتدفق عواصف التنبيهات غالبًا لتقصف مراكز العمليات بآلاف التحذيرات المتزامنة، مما يخلق مشكلة إشارة مقابل ضوضاء تؤخر متوسط وقت الإصلاح (MTTR).

ومن خلال استبدال مجموعات القواعد الثابتة برسم بياني موحد لمعرفة MELT واستدلال بالذكاء الاصطناعي الوكيل، تعالج Netflix التأخير الذاتي التشخيصي لدى البشر. إن قدرة وكيل الذكاء الاصطناعي، المدعوم بنماذج مثل Claude، على استعلام قاعدة بيانات رسمية حية برمجياً تعني أن رسم الخرائط السياقية للأسباب الجذرية يمكن أن يحدث في ثوانٍ بدلاً من ساعات. بالنسبة لمؤسسات برمجيات المشاريع، يجسد هذا تطبيقًا إنتاجيًا ملموسًا للذكاء الاصطناعي التوليدي يتجاوز واجهات روبوتات الدردشة، مما يثبت فائدة نماذج اللغة الكبيرة كمحركات استدلال تشغيلية قادرة على التنقل عبر طوبولوجيات الأنظمة المعقدة.

علاوة على ذلك، يضع هذا النشر معيارًا مرجعيًا لإدارة البنية التحتية السحابية. ومع إدارة المؤسسات في القطاعات المالية واللوجستية والاتصالات لبيئات سحابية متعددة تزداد تعقيدًا، من المرجح أن يصبح دمج أنطولوجيات القياس عن بعد الموحدة مع وكلاء الذكاء الاصطناعي المستقلين معمارية قياسية للأنظمة ذات التوافر العالي.

## The background ولفهم أهمية التحديث الفني لـ Netflix، من الضروري فحص تطور المعمارية السحابية الأصلية على مدار العقدين الماضيين. كانت Netflix رائدة مبكرة في الانتقال إلى السحابة، حيث نقلت منصة البث التدفقي الخاصة بها بالكامل بعيدًا عن مراكز البيانات الخاصة إلى Amazon Web Services (AWS) بين عامي 2008 و2016. وأثناء هذا الانتقال، جعلت Netflix معمارية الخدمات المصغرة واسعة الانتشار، مقسمة البرمجيات الأحادية إلى آلاف الخدمات المستقلة والمتخصصة التي تتواصل عبر واجهات برمجة تطبيقات الشبكة.

وبينماوفرت الخدمات المصغرة قابلية توسع وسرعة نشر غير مسبوقتين، فقد خلقت تعقيدًا تشغيليًا غير مسبوق. ففي التطبيق الأحادي التقليدي، يتضمن تصحيح الأخطاء تحليل مكدس استدعاء واحد وملف سجل محلي. أما في منظومة الخدمات المصغرة، فإن ارتفاعًا عابرًا في زمن الانتقال في مجموعة قواعد بيانات واحدة قد يمتد عبر العشرات من الخدمات التابعة، مما يؤدي إلى إخفاقات متتالية يصعب تتبع أصلها.

ولإدارة هذا التعقيد، طور قطاع البرمجيات إطار عمل MELT للقياس عن بعد: - المقاييس: تمثيلات عددية للبيانات المقاسة عبر فترات زمنية، مثل استخدام CPU، واستهلاك الذاكرة، أو عدد الطلبات في الثانية. - الأحداث: سجلات منفصلة وغير قابلة للتغيير لإجراءات محددة تحدث في نقطة زمنية، مثل نشر الشفرة البرمجية، أو إعادة تشغيل الخادم، أو تسجيل دخول المستخدم. - السجلات: مخرجات نصية مفصلة تصدرها التطبيقات البرمجية تحتوي على تفاصيل سياقية مختومة بطابع زمني يتعلق بالتنفيذ أثناء التشغيل. - التتبعات: سجلات من البداية إلى النهاية تتتبع دورة حياة طلب فردي أثناء تنقله عبر خدمات مصغرة متعددة وحدود الشبكة.

وعلى الرغم من اعتماد معايير MELT، احتفظت معظم بيئات المؤسسات بأنواع البيانات الأربعة هذه في قواعد بيانات معزولة—مثل مخازن السلاسل الزمنية للمقاييس، وفهارس البحث للسجلات، والمخازن الرسمية للتتبع الموزع. وكان على المهندسين الذين يحققون في الأعطال ربط الطوابع الزمنية يدويًا عبر هذه المنصات المتميزة.

وفي السنوات الأخيرة، اكتسب مفهوم الأنطولوجيات التشغيلية—وهي تمثيلات رسمية للمعرفة تحدد الكيانات والعلاقات داخل النظام—زخمًا كحل لتجزئة القياس عن بعد. ومن خلال رسم بيانات MELT في هيكل قاعدة بيانات رسمية، يمكن للأنظمة الحفاظ على طوبولوجيا في الوقت الفعلي لكيفية تفاعل الخدمات والخوادم وقواعد البيانات وأنابيب الشبكة. وقد وفر ظهور نماذج اللغة الكبيرة القادرة على الاستدلال، مثل Claude من شركة Anthropic، المكون التشغيلي المفقود: وكلاء مستقلون قادرون على استعلام الهياكل الرسمية باستخدام اللغة الطبيعية ومنطق المجال المهيكل، مما يردم الفجوة فعليًا بين جمع البيانات الخام والرؤى القابلة للتنفيذ.

## Reaction في حين لا تزال الردود الرسمية العامة من بائعي التكنولوجيا المؤسسية الخارجيين ومزودي الخدمات السحابية معلقة عقب النشر الأولي، تابع مجتمع هندسة البرمجيات عن كثب إعلانات المعمارية الخاصة بـ Netflix نظرًا للدور التاريخي للشركة كمبتكر في المجال مفتوح المصدر.

ومن المتوقع أن يقوم خبراء القطاع وهندسة موثوقية المواقع بتقييم الجدوى التشغيلية لتكرار معمارية الرسم البياني للمعرفة الخاصة بـ Netflix في بيئات أقل استهلاكًا للموارد. وتتمثل إحدى الموضوعات الرئيسية للنقاش بين مهندسي الأنظمة في العبء الحسابي والتكلفة المالية المرتبطة بتشغيل سير عمل وكيل مستمر مدعوم بنماذج لغة كبيرة تجارية إلى جانب قواعد بيانات رسمية عالية الإنتاجية بحجم يصل إلى 38 million حدث في الثانية.

ومن المتوقع أن يواجه بائعو برمجيات تقديم الرؤية الشاملة—بمن فيهم Datadog وDynatrace وNew Relic وGrafana Labs—ضغوطًا في السوق لإدماج أنطولوجيات قائمة على الرسم البياني وتحليل الحوادث بالذكاء الاصطناعي الوكيل في منصات البرمجيات كخدمة التجارية الخاصة بهم. ويأتوقع محللو القطاع أن يبحث قادة التكنولوجيا المؤسسية عن وثائق فنية تتعلق بكيفية إدارة Netflix لتطور مخطط الرسم البياني، وتكاليف استهلاك الرموز، وقيود زمن الانتقال عند دمج نماذج الذكاء الاصطناعي مثل Claude مباشرة في حلقات الاستجابة الآلية للحوادث عالية الخطورة.

## What we don't know yet لا تزال العديد من التفاصيل الفنية الحرجة المتعلقة بمنصة تقديم الرؤية الشاملة في Netflix غير معلنة في الإفصاح الأولي من قبل Vijayanathan وSanchez-Silva: - البنية التحتية لقاعدة البيانات الرسمية: لم يتم تحديد محرك قاعدة البيانات الرسمية المستخدم على وجه الخصوص—سواء كان حلاً ملكية داخلياً، أو منصة مفتوحة المصدر مثل Neo4j أو JanusGraph، أو خدمة سحابية مدارة مثل AWS Neptune. - آليات دمج النموذج: لم يتم توضيح التفاصيل المعمارية التي تحكم كيفية تفاعل Claude مع الرسم البياني للمعرفة—وتحديداً ما إذا كان الدمج يعتمد على واجهات برمجة تطبيقات النموذج، أو خطوط أنابيب التوليد المعزز بالاسترجاع (RAG) المخصصة، أو استدعاءات استخدام الأدوات الوكيلة الضبط. - العبء الاقتصادي والمواردي: لا تزال التكاليف التشغيلية، وعبء زمن الانتقال، واستهلاك الموارد الحسابية المطلوبة لإنشاء وحفظ أنطولوجيا حية عند 38 million حدث في الثانية غير محددة كمياً. - حدود المعالجة الذاتية: من غير الواضح حاليًا ما إذا كانت سير العمل الوكيلة المدعومة بـ Claude تقتصر صرامةً على تشخيص السبب الرئيسي والإخطار، أم أنها تمتلك إذناً لتنفيذ إجراءات علاجية مؤتمتة، مثل إعادة تشغيل الخدمات المصغرة أو إعادة توجيه حركة مرور الشبكة.

وسيكون توضيح هذه النقاط المفتوحة أمرًا أساسيًا لتقييم ما إذا كان يمكن تكييف هذا النموذج المدفوع بالأنطولوجيا بتكلفة فعالة من قبل فرق الهندسة المؤسسية القياسية.

## What to watch في الأشهر القادمة، ستكشف المراقبة الفنية والإفصاحات مفتوحة المصدر ومؤتمرات القطاع عن الأثر التشغيلي الأوسع للتحول المعماري لـ Netflix: - الأوراق البيضاء الفنية والإصدارات مفتوحة المصدر: سيراقب مراقبو القطاع ما إذا كانت Netflix ستصدر تحديثات مدونة هندسية مفصلة، أو أوراقًا بيضاء مراجعة من قبل الأقران، أو مستودعات برمجيات مفتوحة المصدر تفصل مخططات الأنطولوجيا التشغيلية وأنماط دمج وكيل Claude. - خارطة طريق بائعي تقديم الرؤية الشاملة للمؤسسات: من المرجح أن يعلن بائعو المراقبة الرئيسيون عن تحديثات لخارطة طريق منتجاتهم، مما يشير إلى ما إذا كان دمج MELT القائم على الرسم البياني وسير عمل وكيل LLM سيصبحان ميزتين تجاريتين قياسيتين. - العروض التقديمية في مؤتمرات القطاع: ستوفر العروض التوضيحية والجلسات الفنية التي يلقيها فريق الهندسة في Netflix في الفعاليات القادمة للهندسة السحابية وأنظمة الهندسة—مثل AWS re:Invent أو QCon أو SREcon—معايير تشغيلية أعمق بشأن تحسينات MTTR ونتائج توافر النظام. - معايير موثوقية البنية التحتية للذكاء الاصطناعي: ستتتبع التقارير الإضافية مقاييس الأداء المتعلقة بدقة سير العمل الوكيل المدعوم بـ Claude أثناء أعطال السحابة الحقيقية الرئيسية، مما يتيح أدلة تجريبية على موثوقية الذكاء الاصطناعي في إدارة الأنظمة في الوقت الفعلي.

يستند هذا التقرير إلى تقارير فنية نشرها مهندسا Netflix، Prasanna Vijayanathan وRenzo Sanchez-Silva.