Observabilidad con diagnostics_channel y AsyncLocalStorage

This ad is not shown to multipass and full ticket holders
JSNation US
JSNation US 2025
November 17 - 20, 2025
New York, US & Online
See JS stars in the US biggest planetarium
Learn More
In partnership with Focus Reactive
Upcoming event
JSNation US 2025
JSNation US 2025
November 17 - 20, 2025. New York, US & Online
Learn more
Bookmark
Rate this content

Los productos de trazado modernos funcionan combinando diagnostics_channel con AsyncLocalStorage. Construyamos juntos un trazador para ver cómo funciona y qué puedes hacer para hacer que tus aplicaciones sean más observables.

This talk has been presented at Node Congress 2023, check out the latest edition of this JavaScript Conference.

FAQ

Diagnostics Channel es un canal de eventos global de alto rendimiento en Node.js diseñado para transmitir datos sobre la ejecución actual de manera pasiva. Está optimizado para ser económico en recursos cuando no se está escuchando activamente.

Se crea un canal llamando a la función del canal y proporcionando un nombre para el mismo en la parte superior de su archivo JavaScript. Estos canales comparten un espacio de nombres global que permite adquirir el mismo canal en cualquier parte de la aplicación.

El almacenamiento local asíncrono es una técnica en Node.js que permite propagar un valor a través de las llamadas de función sin necesidad de pasarlo explícitamente como argumento. Sigue la ruta de llamada en lugar del ámbito de definición, lo que facilita la gestión de estados en operaciones asíncronas.

Los canales de Diagnostics Channel permiten publicar y suscribirse a eventos específicos, lo que ayuda a observar y monitorear el comportamiento de los módulos en una aplicación Node.js sin necesidad de una conexión explícita entre módulos.

Cada canal debe tener una estructura de objeto única y consistente. Si los conjuntos de datos varían en su estructura, es recomendable usar canales separados. Además, es importante documentar bien los nombres y estructuras de los canales para evitar confusiones.

El almacenamiento local asíncrono automáticamente propaga valores a través de las llamadas, devoluciones de llamada y continuaciones de promesas. Para iniciar, se usa el método 'run' que configura el valor en la tienda y cualquier actividad asíncrona dentro del alcance también contendrá ese valor.

Un span es un contenedor que almacena datos sobre un bloque específico de ejecución, incluidos metadatos como el inicio y el final de la acción. En trazado, los spans ayudan a identificar y correlacionar diferentes partes de la ejecución en una aplicación Node.js.

Stephen Belanger
Stephen Belanger
21 min
17 Apr, 2023

Comments

Sign in or register to post your comment.
Video Summary and Transcription
La observabilidad con Diagnostics Channel y async local storage permite el seguimiento de eventos de alto rendimiento y la propagación de valores a través de llamadas, devoluciones de llamada y continuaciones de promesas. El trazado involucra cinco eventos y canales separados para cada evento, capturando errores y valores de retorno. El objeto span en async local storage almacena datos sobre la ejecución actual y se informa al trazador cuando se activa el final.

1. Introducción a Diagnostics Channel

Short description:

Hablemos de observabilidad con Diagnostics Channel y almacenamiento local asíncrono. Diagnostics Channel es un canal de eventos global de alto rendimiento diseñado para ser de bajo costo cuando no se está escuchando activamente. Los canales se crean en el nivel superior de su archivo JavaScript y se pueden suscribir desde cualquier lugar de la aplicación. Cada canal de diagnóstico debe tener una estructura de objeto única y se pueden suscribir a canales de módulos que nunca se cargan. Se proporciona un ejemplo para demostrar cómo usar el canal y publicar datos en él.

Entonces hablemos de observabilidad con Diagnostics Channel y almacenamiento local asíncrono. Hola a todos. Soy Steven. He estado involucrado en el núcleo de Node.js en un grupo de trabajo de diagnóstico durante muchos años. Trabajo en Datadog construyendo herramientas de diagnóstico y mis pronombres son él-él.

Primero que nada, ¿qué es Diagnostics Channel? Diagnostics Channel es un canal de eventos global de alto rendimiento para transmitir de manera pasiva datos sobre la ejecución actual. Es muy parecido a un emisor de eventos, pero está diseñado específicamente para ser lo más económico posible cuando no se está escuchando activamente. La idea es que los usuarios se sientan cómodos transmitiendo muchas cosas sin preocuparse por el costo, si la mayoría de las veces no se va a observar.

Los canales se crean en el nivel superior de su archivo JavaScript llamando a la función del canal y proporcionando un nombre para su canal. Comparten un espacio de nombres global para permitir adquirir el mismo canal en cualquier lugar de la aplicación sin necesidad de compartir explícitamente el objeto del canal, y generalmente se debe incluir el nombre de su módulo en el nombre para evitar colisiones con canales de otras cosas. Una vez que tenga el objeto del canal, puede comenzar a publicar en él. Esto es similar a la función emit en un emisor de eventos, pero al crear objetos de canal con anticipación permite varias optimizaciones, como evitar buscar el identificador por nombre cada vez que ocurre un evento, y hacer una llamada de publicación lo más económica posible cuando no hay oyentes.

Cada canal de diagnóstico debe seguir una convención de tener una estructura de objeto única por canal, y si tiene conjuntos de datos con formas diferentes para comunicarse, es probable que esos deberían ser canales separados. Al menos documente los nombres y formas de sus canales. En cualquier lugar de la aplicación, puede llamar al canal nuevamente con el mismo nombre para adquirir el mismo canal y luego suscribirse a él. El orden de las llamadas al canal no importa. El lugar que lo llame primero creará el canal y cada llamada posterior lo recuperará. Incluso puede suscribirse a canales de módulos que nunca se cargan y, por lo tanto, nunca tienen eventos publicados. Esto permite el desacoplamiento completo del código, lo que permite que productos de trazado observen de manera pasiva el comportamiento de su módulo sin necesidad de ninguna conexión explícita entre módulos.

Veamos un ejemplo. Comenzamos definiendo nuestro canal con nombre en la parte superior del archivo. Luego escribimos nuestra función, que queremos transmitir algunos datos sobre. Normalmente, cuando se llama, como cuando completa su setImmediate interno y llama a su devolución de llamada, transmitirá los datos al canal con la función de publicación. Esto podría ser útil para muchas cosas. Por ejemplo, es posible que desee capturar métricas de cuántas veces hizo una cosa lo que se suponía que debía hacer. Incluso se podría capturar con el tiempo de finalización para trazar la actividad a lo largo del tiempo. Ninguno de estos necesita ser específicamente compatible con DoA Thing, ya que el suscriptor puede decidir por sí mismo qué hacer con el mensaje o si desea capturar alguna información de tiempo. La publicación no tiene ningún efecto a menos que haya suscriptores. No tiene ningún costo a menos que haya suscriptores. A veces, la construcción del mensaje en sí puede ser costosa si la cosa se ejecuta muy frecuentemente, por lo que el hecho de que haya suscriptores se puede usar para omitir completamente la construcción del mensaje en situaciones críticas de rendimiento.

2. Understanding Async Local Storage

Short description:

El almacenamiento local asíncrono es como el ámbito léxico pero sigue la ruta de llamada en lugar del ámbito de definición. Nos permite propagar valores a través de llamadas, devoluciones de llamada y continuaciones de promesas sin necesidad de pasarlos como parámetros. Para usar el almacenamiento local asíncrono, llamamos al método run en la tienda para pasar el valor y luego lo recuperamos más tarde con el método get store.

Entonces, ¿qué es el almacenamiento local asíncrono? Es como el ámbito léxico pero sigue la ruta de llamada en lugar del ámbito de definición. El ámbito léxico nos permite recuperar data desde el ámbito fuera de la función en sí. Estamos haciendo eso aquí cuando a llama a b, sin embargo, definimos thing en un ámbito interno y no hay forma de alcanzarlo en b. Lo obvio que hacer en este caso particular es pasarlo como parámetro a b. Nada es accesible dentro de b. Pero, ¿qué pasa en situaciones más complicadas, como cuando no controlamos los pasos intermedios entre donde hemos definido la variable y donde queremos acceder a ella? Obtenemos b desde algún otro módulo y toma un emisor de eventos para desencadenar un evento en él. No hay forma de pasar thing a través de su interfaz, ¿puedes descubrir cómo obtener thing en ese controlador de eventos de algo? Tal vez puedas guardarlo en una variable global o adjuntarlo al objeto emisor. ¿Qué pasa con la concurrencia? En ambos casos, podría ser reemplazado por el valor incorrecto si ocurre otra llamada antes de que se emita el evento. Con el almacenamiento local asíncrono, el valor se propaga automáticamente a través de las llamadas sin necesidad de agregarlo a los argumentos y fluye en las devoluciones de llamada y continuaciones de promesas, de ahí el `asíncrono` en su nombre.

3. Understanding Async Local Storage and Tracing

Short description:

Esto significa que el almacenamiento local asíncrono permite que los valores se propaguen a través de llamadas, devoluciones de llamada y continuaciones de promesas. Un módulo para servir archivos estáticos puede usar el almacenamiento local asíncrono para almacenar un ID y correlacionarlo con mensajes de registro. El rastreo de una acción única implica cinco eventos, incluyendo eventos de inicio y finalización, eventos de inicio y finalización asíncronos para devoluciones de llamada y un evento de error. Cada evento se asigna a un canal separado y comparten un objeto de mensaje. El rastreo de código asíncrono o sincrónico proporciona un alcance para atribuir actividad a un mensaje. Se capturan errores y valores de retorno, y el rastreo de devoluciones de llamada incluye eventos de error y ejecución con alcance mediante eventos de inicio y finalización asíncronos.

Esto significa que no importa cuánta complejidad haya entre los dos puntos, siempre y cuando se pueda trazar una ruta de llamada, devolución de llamada o continuación entre los dos, el valor debería estar disponible. Para comenzar a pasar el valor, llame al método run en la tienda y llamará a la función dada con ese valor como estado actual de la tienda hasta que la función finalice. Cualquier actividad asíncrona desencadenada dentro de ese alcance también contendrá ese valor. Luego, para recuperar el valor de la tienda, puede llamar al método get store más tarde.

Aquí tenemos un módulo para servir archivos estáticos, por lo que toma la carpeta para servir de manera análoga a una función. Observa que devuelve una función controladora de solicitudes para ser llamada más tarde. Está diseñado para ser llamado en el nivel superior fuera de la solicitud para producir el controlador, por lo que no hay nada que pasar a través de una identidad de solicitud o de ninguna manera cambiarlo para diferenciar las solicitudes concurrentes. Sería muy difícil identificar en el registro qué mensaje de carga se corresponde con qué mensaje de descarga si la ruta es la misma. Con el almacenamiento local asíncrono, podemos almacenar un ID que podemos recuperar en la función de registro que proporcionamos, aunque la función de registro esté definida fuera de la solicitud. Ahora podemos marcar el ID de la solicitud en cada mensaje para poder correlacionar la solicitud exacta con cada mensaje de registro.

Ahora pongamos las dos cosas juntas. Esta próxima parte es un poco densa, pero es un enfoque manual de nivel inferior que se está simplificando y lo explicaré en un momento. El rastreo de una acción única se puede expresar con cinco eventos. Cuando comienza y termina la llamada, hay eventos de inicio y finalización asíncronos equivalentes alrededor de las devoluciones de llamada y un evento para errores. Los prefijos de rastreo y los sufijos de los nombres de eventos que se pueden ver en los nombres son importantes. La parte central puede ser cualquier cosa que desee, como se mencionó anteriormente, es una buena idea incluir el nombre de su módulo y el nombre del canal, por lo que `módulo.función` es un patrón de nomenclatura razonable, pero puede seguir cualquier patrón de nomenclatura que desee, siempre y cuando sea consistente y esté documentado claramente. Cada uno de estos eventos se asigna a un canal separado, lo que permite escuchar selectivamente solo los eventos relevantes para el caso de uso particular. Y todos los eventos dentro de una sola acción comparten un solo objeto de mensaje para permitir compartir datos entre los controladores de eventos, por lo que el evento de finalización recibirá el mismo objeto de mensaje que el evento de inicio si ambos provienen de la misma llamada rastreada. Si se produce un error, se agregará una propiedad de error al mensaje y se publicará en el canal de errores. Y también se agrega una propiedad de resultado a la finalización sincrónica o al inicio asíncrono. El rastreo de código asíncrono o sincrónico proporciona un alcance en el que cualquier actividad sincrónica o asíncrona se atribuirá al mensaje dado. En el caso del rastreo sincrónico, no es necesario asociar la actividad asíncrona, pero proporcionará un objeto de mensaje compartido, lo que facilita la correlación de los eventos de una sola acción rastreable. Si la función de rastreo genera un error, se agregará al objeto de mensaje y se publicará un evento de error. Y el valor de retorno también se almacena en el objeto de mensaje y se puede ver en el evento de finalización.

4. Understanding Tracing and Span Lifecycle

Short description:

Se activa inmediatamente. Debido a la naturaleza encadenable infinita de las promesas, no hay un punto final distinto para la promesa, por lo que el final asíncrono se activa de inmediato. Esto tiene sentido de todos modos, ya que las promesas están destinadas a modelar un gráfico asíncrono, resolviendo y fusionando nuevamente, como se expresa con async await. Entonces, al almacenar trazas, ahora que estamos publicando trazas en canales de rastreo, necesitamos transformar esos datos en algo que represente de manera significativa esa colección de eventos del ciclo de vida. El objeto span se almacena en el almacenamiento local asíncrono utilizando enter with para que esté disponible en la actividad asíncrona descendente como el enlace principal mostrado en el evento de inicio y se restaure en el evento de finalización. Los rastreadores generalmente tienen un marcador de finalización para cuando el span finaliza, pero varía cuándo sucede eso. Algunos rastreadores considerarán, una vez que se haya completado el procesamiento de la tarea asíncrona en sí, entonces lo marcarán como finalizado, pero algunos considerarán que son propietarios de su devolución de llamada y, por lo tanto, cualquier cosa que ocurra dentro de la devolución de llamada y que descienda desde ella también es propiedad, por lo que podría activar el evento de finalización en el final asíncrono o el inicio asíncrono, o incluso podría pasarlo a través de todo un gráfico y no completar el span hasta que se completen todos los árboles de spans.

Aunque es semánticamente idéntico al inicio asíncrono en este caso. Se activa inmediatamente. Debido a la naturaleza encadenable infinita de las promesas, no hay un punto final distinto para la promesa, por lo que el final asíncrono se activa de inmediato. Esto tiene sentido de todos modos, ya que las promesas están destinadas a modelar un gráfico asíncrono, resolviendo y fusionando nuevamente, como se expresa con async await. No habría nada que descienda internamente como lo hacen las devoluciones de llamada, por lo que el gráfico se habría fusionado de nuevo en el código en espera. Entonces, al almacenar trazas, ahora que estamos publicando trazas en canales de rastreo, necesitamos transformar esos datos en algo que represente de manera significativa esa colección de eventos del ciclo de vida. Esto se llama típicamente un span, que contiene los metadatos que marcan el inicio y el final lógicos desde la perspectiva del rastreador, y captura cualquier metadato que necesite para identificar lo que la aplicación estaba haciendo que produjo esto. Por ejemplo, un span para una solicitud HTTP probablemente contendría el método y la URL. Aquí simplemente estamos pasando el mensaje tal cual. Pero en realidad, un rastreador haría algún procesamiento adicional. El objeto span se almacena en el almacenamiento local asíncrono utilizando enter with para que esté disponible en la actividad asíncrona descendente como el enlace principal mostrado en el evento de inicio y se restaure en el evento de finalización. El uso de este método enter with no es realmente recomendado, pero así es como tenemos que hacer las cosas en este momento. Vienen cosas mejores, de las que hablaré en un momento. Pero entre los eventos de inicio y finalización asíncronos, marcando el ámbito de la devolución de llamada, el span almacenado en el mensaje se puede restaurar como el span actual. Esto no sería realmente necesario ya que el almacenamiento local asíncrono está destinado a manejar esto, pero puede ser útil. Hay casos en los que se puede perder el contexto, por lo que esto puede permitir restaurar manualmente el contexto si es necesario. Los rastreadores generalmente tienen un marcador de finalización para cuando el span finaliza, pero varía cuándo sucede eso. Algunos rastreadores considerarán, una vez que se haya completado el procesamiento de la tarea asíncrona en sí, entonces lo marcarán como finalizado, pero algunos considerarán que son propietarios de su devolución de llamada y, por lo tanto, cualquier cosa que ocurra dentro de la devolución de llamada y que descienda desde ella también es propiedad, por lo que podría activar el evento de finalización en el final asíncrono o el inicio asíncrono, o incluso podría pasarlo a través de todo un gráfico y no completar el span hasta que se completen todos los árboles de spans.

5. Understanding Spans and Tracers

Short description:

Un span es un contenedor para almacenar los datos sobre la ejecución actual junto con IDs para formar un gráfico. Mantener un objeto span padre directamente puede causar fugas de memoria y complicar la transmisión de eventos, por lo que generalmente se prefiere usar IDs para la correlación. Cuando se activa el final, el span se informa al rastreador.

El span se mantiene hasta que se completen todos los árboles de spans. Un span es un contenedor para almacenar los datos sobre la ejecución actual junto con IDs para formar un gráfico. Normalmente, los spans tienen su propio ID único y luego un ID único separado para su gráfico para correlacionarlos más tarde. Mantener un objeto span padre directamente puede causar fugas de memoria y complicar la transmisión de eventos, por lo que generalmente se prefiere usar IDs para la correlación. Cuando se activa el final, el span se informa al rastreador. Como dije antes, dependiendo de la implementación del rastreador, esto puede agregarse a un objeto de traza localmente y enviarse cuando se complete la solicitud, o puede transmitir los spans individuales de inmediato. Depende del implementador. Sin embargo, se está volviendo más fácil. Por lo tanto, administrar todos esos canales y garantizar un comportamiento correcto es complicado. Por lo tanto, hay una API de nivel superior que se encarga de eso internamente. Construye y expone los canales con los nombres correctos para ti, pero también proporciona varias funciones para envolver la funcionalidad de trazado en una interfaz mucho más amigable. Echemos un vistazo. Primero, tenemos TraceSync. Maneja automáticamente los eventos de inicio y error, y es bastante fácil de usar. Le das una función y la invocará de inmediato con los eventos de inicio y finalización, antes y después. También puedes pasarle un valor para 'this' y cualquier argumento que desees pasar, lo cual es útil para evitar cierres innecesarios, y también capturará y pasará el valor de retorno, lo que te permite reemplazar directamente una llamada de función existente por una envuelta en eventos de trazado. A continuación, tenemos TraceCallback, que, además de manejar los eventos de inicio, finalización y error, también activa automáticamente los eventos de inicio y finalización asíncronos alrededor de la devolución de llamada y captura los errores y resultados de la devolución de llamada, por lo que se debe proporcionar la posición de la devolución de llamada y puede ser indexada positivamente desde cero o negativamente desde el final de la lista de argumentos, pero el valor predeterminado es menos uno para seguir el patrón típico de devolución de llamada en Node.js. Al igual que con TraceSync, 'this' y la lista de argumentos se pasan como valores de retorno. Las API basadas en devoluciones de llamada generalmente no tienen un valor de retorno real. Y un canal de trazado para promesas, por último, tenemos TracePromise, al igual que TraceCallback, todos los eventos se manejan automáticamente. Las entradas y salidas se pasan de la misma manera que otras funciones de trazado. Y al igual que en el ejemplo manual mostrado anteriormente, el final asíncrono se publica inmediatamente después del inicio asíncrono, ya que no hay un final claro para la continuación de la promesa. Y luego, para vincular el canal de diagnóstico o estos nuevos canales de trazado al almacenamiento local asíncrono, también hay bindStore y runStores que vendrán pronto. El método runStores se utiliza para sugerir que las tiendas pueden establecer su estado a partir de los datos proporcionados durante la función proporcionada. Se utiliza en un canal con nombre de la misma manera que se publicaría y también publicaremos los datos de entrada en ese canal después de establecer el estado en cualquier tienda vinculada. Y el método bindStore se puede utilizar para aceptar esos datos sugeridos, transformándolos opcionalmente de alguna manera antes de establecerlos en el estado de la tienda dada durante la duración de la función proporcionada a runStores. Como en este ejemplo, la tienda de URL contendrá la URL que se pasa en ese objeto durante runStores. Por lo tanto, la combinación de los dos permite coordinar la decisión de almacenar datos de contexto en una tienda en particular o en cualquier número de tiendas a través del canal de diagnóstico en lugar de tener que pasar tiendas a través de editores de eventos. Otra forma de abordar esta API sería hacer que tu módulo tenga una función a la que debas llamar para pasar una tienda y eso solo requiere un esfuerzo adicional y es complicado si deseas tener multiinquilinato y todas esas cosas. Esto te lo proporciona de forma gratuita. Y todas las funciones de trazado en un canal de trazado también envuelven la ejecución de sus funciones dadas con runStores, lo que permite almacenar automáticamente un objeto span para cada traza. Esto es útil porque si bien los canales de trazado en objetos de contexto están disponibles en el código directo, es posible que no estén disponibles en el código al que la función trazada llama. Por lo tanto, puede ser útil utilizar el almacenamiento local asíncrono para propagar los objetos de contexto o un span producido a partir de él a cualquier ejecución anidada. Sí, así es como se ve el futuro del trazado de aplicaciones Node.js. Gracias por escuchar y por favor, habla conmigo si tienes preguntas sobre cómo agregar canales de trazado aquí en los módulos.

Check out more articles and videos

We constantly think of articles and videos that might spark Git people interest / skill us up or help building a stellar career

TensorFlow.js 101: Aprendizaje automático en el navegador y más allá
ML conf EU 2020ML conf EU 2020
41 min
TensorFlow.js 101: Aprendizaje automático en el navegador y más allá
TensorFlow.js enables machine learning in the browser and beyond, with features like face mesh, body segmentation, and pose estimation. It offers JavaScript prototyping and transfer learning capabilities, as well as the ability to recognize custom objects using the Image Project feature. TensorFlow.js can be used with Cloud AutoML for training custom vision models and provides performance benefits in both JavaScript and Python development. It offers interactivity, reach, scale, and performance, and encourages community engagement and collaboration between the JavaScript and machine learning communities.
Transformers.js: Machine Learning de Última Generación para la Web
JSNation 2025JSNation 2025
27 min
Transformers.js: Machine Learning de Última Generación para la Web
Joshua introduces Transformers JS and Hugging Face, emphasizing community collaboration and pre-trained models. Transformers JS evolution led to 1.4 million monthly users, supporting 155 architectures. The library's browser-based capabilities offer real-time processing, cost-efficiency, and scalability. Integration enhancements include native web GPU execution and React Native implementation. Web ML implementation focuses on Onyx Runtime for device execution and web GPU for resource optimization. Browser-based ML applications cover vision, speech recognition, and text-to-speech. Advanced implementations include multimodal applications and educational tools. Interactive AI demonstrations showcase semantic search and conversational AI scenarios. Model licensing transitions to ECMAScript for efficiency and model redownloading factors are discussed.
Registro Multihilo con Pino
JSNation Live 2021JSNation Live 2021
19 min
Registro Multihilo con Pino
Top Content
Today's Talk is about logging with Pino, one of the fastest loggers for Node.js. Pino's speed and performance are achieved by avoiding expensive logging and optimizing event loop processing. It offers advanced features like async mode and distributed logging. The use of Worker Threads and Threadstream allows for efficient data processing. Pino.Transport enables log processing in a worker thread with various options for log destinations. The Talk concludes with a demonstration of logging output and an invitation to reach out for job opportunities.
Uso de MediaPipe para Crear Aplicaciones de Aprendizaje Automático Multiplataforma con React
React Advanced 2021React Advanced 2021
21 min
Uso de MediaPipe para Crear Aplicaciones de Aprendizaje Automático Multiplataforma con React
Top Content
MediaPipe is a cross-platform framework that helps build perception pipelines using machine learning models. It offers ready-to-use solutions for various applications, such as selfie segmentation, face mesh, object detection, hand tracking, and more. MediaPipe can be integrated with React using NPM modules provided by the MediaPipe team. The demonstration showcases the implementation of face mesh and selfie segmentation solutions. MediaPipe enables the creation of amazing applications without needing to understand the underlying computer vision or machine learning processes.
Observabilidad para Microfrontends
DevOps.js Conf 2022DevOps.js Conf 2022
31 min
Observabilidad para Microfrontends
Premium
Microfrontends follow the microservices paradigm and observability is crucial for debugging runtime production issues. Error boundaries and tracking errors help identify and resolve issues. Automation of alerts improves incident response. Observability can help minimize the time it takes to understand and resolve production issues. Catching errors from the client and implementing boundaries can be done with tools like OpenTelemetry.

Workshops on related topic

¿Pueden los LLM aprender? Personalicemos un LLM para chatear con tus propios datos
C3 Dev Festival 2024C3 Dev Festival 2024
48 min
¿Pueden los LLM aprender? Personalicemos un LLM para chatear con tus propios datos
WorkshopFree
Andreia Ocanoaia
Andreia Ocanoaia
Sientes las limitaciones de los LLMs? Pueden ser creativos, pero a veces carecen de precisión o se basan en información desactualizada. En esta masterclass, desglosaremos el proceso de construir y desplegar fácilmente un sistema de Generación con Recuperación Mejorada. Este enfoque te permite aprovechar el poder de los LLMs con el beneficio adicional de precisión factual e información actualizada.
Aprovechando LLMs para Construir Experiencias de IA Intuitivas con JavaScript
JSNation 2024JSNation 2024
108 min
Aprovechando LLMs para Construir Experiencias de IA Intuitivas con JavaScript
Workshop
Roy Derks
Shivay Lamba
2 authors
Hoy en día, todos los desarrolladores están utilizando LLMs en diferentes formas y variantes, desde ChatGPT hasta asistentes de código como GitHub CoPilot. Siguiendo esto, muchos productos han introducido capacidades de IA integradas, y en este masterclass haremos que los LLMs sean comprensibles para los desarrolladores web. Y nos adentraremos en la codificación de tu propia aplicación impulsada por IA. No se necesita experiencia previa en trabajar con LLMs o aprendizaje automático. En su lugar, utilizaremos tecnologías web como JavaScript, React que ya conoces y amas, al mismo tiempo que aprendemos sobre algunas nuevas bibliotecas como OpenAI, Transformers.js
Deja que la IA sea tu Documentación
JSNation 2024JSNation 2024
69 min
Deja que la IA sea tu Documentación
Workshop
Jesse Hall
Jesse Hall
Únete a nuestro masterclass dinámico para crear un portal de documentación impulsado por IA. Aprende a integrar ChatGPT de OpenAI con Next.js 14, Tailwind CSS y tecnología de vanguardia para ofrecer soluciones de código e resúmenes instantáneos. Esta sesión práctica te equipará con el conocimiento para revolucionar la forma en que los usuarios interactúan con la documentación, convirtiendo las búsquedas tediosas en descubrimientos eficientes e inteligentes.
Aspectos destacados:
- Experiencia práctica en la creación de un sitio de documentación impulsado por IA.- Comprensión de la integración de la IA en las experiencias de usuario.- Habilidades prácticas con las últimas tecnologías de desarrollo web.- Estrategias para implementar y mantener recursos de documentación inteligente.
Tabla de contenidos:- Introducción a la IA en la documentación- Configuración del entorno- Construcción de la estructura de documentación- Integración de ChatGPT para documentación interactiva
Prácticas con TensorFlow.js
ML conf EU 2020ML conf EU 2020
160 min
Prácticas con TensorFlow.js
Workshop
Jason Mayes
Jason Mayes
Ven y descubre nuestro masterclass que te guiará a través de 3 recorridos comunes al usar TensorFlow.js. Comenzaremos demostrando cómo usar uno de nuestros modelos predefinidos, clases de JS muy fáciles de usar para trabajar rápidamente con ML. Luego veremos cómo volver a entrenar uno de estos modelos en minutos utilizando el aprendizaje por transferencia en el navegador a través de Teachable Machine y cómo se puede usar en tu propio sitio web personalizado. Finalmente, terminaremos con un hola mundo escribiendo tu propio código de modelo desde cero para hacer una regresión lineal simple y predecir los precios ficticios de las casas en función de sus metros cuadrados.
Escalando Bases de Datos para Aplicaciones Globales sin Servidor
Node Congress 2022Node Congress 2022
83 min
Escalando Bases de Datos para Aplicaciones Globales sin Servidor
Workshop
Ben Hagan
Ben Hagan
Este masterclass discute los desafíos que enfrentan las empresas al escalar la capa de datos para admitir implementaciones multi-región y entornos sin servidor. Las funciones de borde sin servidor y la orquestación de contenedores livianos permiten que las aplicaciones y la lógica empresarial se implementen fácilmente a nivel mundial, dejando a menudo la base de datos como el cuello de botella de latencia y escalabilidad.
Únase a nosotros para comprender cómo PolyScale.ai resuelve estos desafíos de escalabilidad, almacenando en caché de manera inteligente los datos de la base de datos en el borde, sin sacrificar la transaccionalidad o la consistencia. Aprenda a implementar, observar consultas y realizar pruebas de latencia global con funciones de borde utilizando PolyScale.
Tabla de contenidos        - Introducción a PolyScale.ai        - Gravedad de los datos empresariales        - Por qué es difícil escalar los datos        - Opciones para escalar la capa de datos        - Observabilidad de la base de datos        - Gestión de caché con IA        - Aprenda a utilizar PolyScale.ai
La Guía del Autoestopista de la Galaxia de Ingeniería de Aprendizaje Automático
ML conf EU 2020ML conf EU 2020
112 min
La Guía del Autoestopista de la Galaxia de Ingeniería de Aprendizaje Automático
Workshop
Alyona Galyeva
Alyona Galyeva
¿Eres un Ingeniero de Software al que se le asignó la tarea de implementar un modelo de aprendizaje automático o aprendizaje profundo por primera vez en tu vida? ¿Te preguntas qué pasos seguir y cómo se diferencia el software impulsado por IA del software tradicional? Entonces este es el masterclass adecuado al que asistir.
Internet ofrece miles de artículos y cursos gratuitos que muestran lo fácil que es entrenar e implementar un modelo de IA simple. Al mismo tiempo, en la realidad es difícil integrar un modelo real en la infraestructura actual, depurarlo, probarlo, implementarlo y monitorearlo correctamente. En este masterclass, te guiaré a través de este proceso compartiendo consejos, trucos y herramientas de código abierto favoritas que te facilitarán mucho la vida. Así que al final del masterclass, sabrás por dónde empezar tu viaje de implementación, qué herramientas utilizar y qué preguntas hacer.