پس از اینکه مدل منبع باز عمومی شد، آنچه واقعاً شکننده است مسیر پیش فرض است

این سوال را به عنوان “آیا ایالات متحده را می توان مهر و موم کرد؟” و پاسخ معمولا کمتر نمایشی است. فایل های وزن لزوما از جهان ناپدید نمی شوند، اما مسیرهای پیش فرض را می توان به راحتی نادیده گرفت. تا زمانی که یک آدرس Hub، یک مقدار پیش‌فرض SDK، و یک ورودی استنتاج آنلاین به‌عنوان یک امر طبیعی استفاده شود، اتوماسیون بعدی شکننده خواهد بود.

از یک آدرس شروع کنید

مدل منبع باز فقط به عنوان یک آدرس شروع شد. بکشید، ارزیابی کنید، مستقر کنید، برگردانید، همه اقدامات به یک ورودی اشاره می کنند. وقتی بالادست تغییر نکرد، این مسیر «هموار» و حتی طبیعی به نظر می رسید. وقتی بالادست تغییر کرد، متوجه شدم که چیزی که به آن تکیه کردم، قابلیت مدل نیست، بلکه مسیر پیش‌فرض است.

رایج ترین نقطه شکست در پروژه این نیست که “اصلاً نمی توانم مدل را دریافت کنم”، بلکه “هنوز می توان آن را دریافت کرد، اما نه مدل اصلی”. همگام سازی آینه آهسته است، نام مستعار تغییر می کند، دسترسی منطقه ای محدود شده است، نسخه پیش فرض منتقل شده است، اما اسکریپت همچنان در آدرس قدیمی در حال اجرا است. هستی شناسی مدل هنوز وجود دارد، اما روند شروع به انحراف کرده است.

شکست ابتدا در اتوماسیون رخ می دهد

تعویض دستی تصاویر دشوار نیست، اما مشکل اینجاست که اتوماسیون به خودی خود آن را درک نمی کند. CI، ارزیابی زمان‌بندی‌شده، ساخت کانتینر، سوابق آزمایش، نمونه‌های سند، و اسکریپت‌های محلی همکاران ممکن است همگی همان مقدار پیش‌فرض را کپی کنند. تا زمانی که چیزی تغییر نکرده باشد، ورودی قدیمی همچنان ظاهر خواهد شد.

این همان جایی است که اصطلاح “مهر” بیشتر گمراه کننده است. تغییر واقعی اغلب این نیست که وزن ها پاک می شوند، بلکه این است که مقادیر پیش فرض بازنویسی می شوند. هنوز هم از بیرون به همین نام به نظر می رسد، اما ورودی، نسخه و وابستگی ها در داخل تغییر کرده اند. برای انسان ها، این فقط یک سوئیچ است. برای اتوماسیون، این یک رانش رفتاری گسترده است.

وزن را می توان منتقل کرد، اما مقدار پیش فرض را نمی توان منتقل کرد.

مزیت مهم مدل منبع باز این است که وزن ها را می توان کپی کرد، آینه کرد، فورک کرد و به صورت آفلاین ذخیره کرد. مشکل این است که فایل کپی شده است نه مسیر پیش فرض. تا زمانی که طرف مصرف کننده هنوز یک ورودی خارجی خاص را به عنوان تنها حقیقت در نظر می گیرد، مهم نیست که وزن چقدر باز باشد، روش کار همچنان تحت تأثیر قوانین خارجی خواهد بود.

چیزی که حتی دردسرسازتر است این است که این تغییر لزوماً ممکن است بلافاصله باعث خطا نشود. بسیاری از اوقات به نظر می رسد که هنوز هم می تواند اجرا شود، اما نتایج متفاوت است: مجموعه ای از ارزیابی ها بر روی آینه A ارائه شد، و مجموعه دیگری بر روی آینه B تکان داده شد. یک نسخه به صورت محلی در دسترس است، اما با رسیدن به خط لوله، به مجموعه پچ دیگری تبدیل می شود. تحت همین نام مدل، رفتار واقعی شروع به واگرایی کرده است.

در اینجا باید دو چیز را از هم تفکیک کرد. مشکل زنجیره تامین بیشتر شبیه مدیریت فایل و مدیریت نسخه است و مشکل مسیریابی پیش فرض بیشتر شبیه تصمیم گیری در زمان اجرا است. اولی به این اهمیت می دهد که آیا یک نسخه پشتیبان وجود دارد یا خیر، و دومی به این اهمیت می دهد که درخواست ابتدا کدام مسیر را باید طی کند. تا زمانی که مقدار پیش فرض به صورت خارجی نوشته شود، اقدامات خارجی می توانند مستقیماً گردش کار را لغو کنند.

چیزی که باید تکمیل شود پین، آینه و مسیر برگشتی است.

درمان ها پیچیده نیستند، اما افراد کمی آنها را به عنوان اولویت اول در نظر می گیرند.

این نسخه باید به یک commit، هش یا انتشار پاک پین شود و به نام‌هایی مانند جدیدترین که می‌توانند برای مدت طولانی درایو شوند، تکیه نکنید. بهترین کار این است که وزن‌ها، نشانه‌ها، پیکربندی‌ها و تصاویر استنباط را در انبار داخلی با هم قرار دهید، حداقل برای اطمینان از اینکه می‌توان آن‌ها را در هنگام قطع شبکه بازسازی کرد. ورودی پیش فرض باید دارای یک مسیر بازگشتی باشد و نمی تواند تنها یک آدرس آنلاین داشته باشد. نمونه های ارزیابی و نتایج قدیمی نیز باید در پرونده نگهداری شوند، در غیر این صورت حتی “چقدر تغییر کرده” نیز مشخص نخواهد شد.

همه این چیزها شبیه جزئیات عملیات و تعمیر و نگهداری هستند، اما در واقع کنترل را از پیش فرض های خارجی پس می گیرند. بدون این لایه بسته، منبع باز فقط “ظاهر آزادی” را به ارمغان می آورد اما “قابلیت کنترل واقعی” را نخواهد داشت.

پس از اینکه مدل منبع باز عمومی شد، آنچه واقعاً شکننده است خود وزن نیست، بلکه مسیر پیش‌فرض است. تا زمانی که ورودی همچنان توسط مقادیر پیش‌فرض افراد دیگر کنترل می‌شود، با باز شدن مجدد مدل، گردش کار همچنان متزلزل می‌شود.