چگونه یک هوش مصنوعی برای سرویس Analytics می سازم

در این مقاله می‌خواهم تجربه خود را در زمینه توسعه یک سرویس هوش مصنوعی برای یک پلتفرم تجزیه و تحلیل وب به نام Swetrix به اشتراک بگذارم.

هدف من توسعه یک مدل یادگیری ماشینی بود که ترافیک وب سایت آینده را بر اساس داده های نمایش داده شده در تصویر زیر پیش بینی کند.

شکل 1 - پروژهشکل 1 - پروژه

هدف نهایی، داشتن چشم‌انداز روشنی برای مشتری از ترافیکی است که در آینده در وب‌سایت آنها ظاهر می‌شود، در نتیجه به آنها اجازه می‌دهد بینش بهتری داشته باشند و به طور کلی برنامه‌ریزی تجاری را ارتقا دهند.

2. الزامات و معماری

در طول برنامه ریزی، تصمیم گرفته شد که معماری Microservice با واسطه پیام RabbitMQ برای ارتباط بین خدمات هوش مصنوعی و API ادامه یابد.

شکل 2 - معماریشکل 2 - معماری

اول از همه، ما باید داده ها را با یک کار cron ساعتی در یک پایگاه داده جداگانه جمع آوری کنیم. ما تصمیم گرفتیم یک ClickHouse را انتخاب کنیم، زیرا داده های اصلی وب سایت های Swetrix در آن ذخیره می شود. جزئیات در مورد فرمت در بخش های بعدی پوشش داده خواهد شد.

RabbitMQ به دلیل سادگی به عنوان واسطه پیام انتخاب شد و ما نیاز به برقراری ارتباط بین خدمات هوش مصنوعی و API داریم. بیایید همه چیز را تجزیه کنیم و منطق اصلی را بررسی کنیم

سرویس Swetrix-API:

  • آمار داده ها را هر ساعت از طریق Cron Task جمع آوری می کند و داده های خام را به سرویس هوش مصنوعی ارسال می کند.
  • داده های از پیش پردازش شده را از ClickHouse درج و دریافت می کند.

Swetrix-AI…

Source link