دراسة حالة · منصة لتحليل الفيديو · MYTEAM.ai
Avertix
منصة تحوّل تدفّقات الكاميرا إلى تنبيهات يستطيع المشغّل مراجعتها والإقرار بها وتوجيهها، مع عامل استدلال واحد مُجهَّز للسحابة ولأجهزة Jetson في الموقع.
- الدور
- قائد تقني ميداني
- السياق
- MYTEAM.ai؛ منتج وبحث تعاونيان
- التقنيات
- Python, FastAPI, PostgreSQL, React, TypeScript, Docker, Kubernetes, ArgoCD
- الحالة
- منصة الشركة؛ بيئة عرض تجريبية على GPU شغّلتُها؛ ومسار Jetson مُجهَّز
- الطبقات
- الواجهات، الأنظمة، النماذج، النشر
- بقيادتي
- خارج المنصة، أو تعاوني
- مصادر الكاميراتُضاف وتُضبط وتُشخَّص من لوحة التحكّمخارج المنصة
- عامل الاستدلالعامل واحد مُجهَّز لوحدات GPU السحابية ولأجهزة Jetson؛ ويُحدَّد نمط النشر لكل موقعبقيادتي
- مستوى التحكّمFastAPI على PostgreSQL؛ أحداث ثابتة ومُرقّمة الإصداراتبقيادتي
- إسقاطات التنبيهاتتُكتب في المعاملة نفسها؛ مع دورة إقراربقيادتي
- Avertix Controlلوحة تحكّم بـ React وTypeScript ووجهات التنبيهاتبقيادتي
ما يغذّي العامل
- نماذج الفيديوفرعا VideoMAE وI3D طُوِّرا في بحث تعاونيبحث تعاوني
- تشغيل النماذجتحميل كسول آمن بين الخيوط، وتسخين غير متزامن تُظهره الواجهةمن بنائي
نوعان من المشكلات الصعبة
لتحليل الفيديو نوعان من المشكلات الصعبة. الأول هو النموذج: أن يقرّر ما إذا كانت ثوانٍ قليلة من اللقطات تحتوي الحدث المهم. والثاني هو كل ما يحيط به: أين يُسمح بمعالجة الفيديو، وكيف يُخزَّن التنبيه ويُقَرّ به، وكيف يضبط المشغّل كاميراته ويرى ما الذي حدث من خطأ، وكيف يصل إصدار جديد إلى عقدة GPU أو إلى جهاز صغير في الموقع دون أن يُعطّل الإصدار القديم.
جاءت النماذج من بحث تعاوني شاركتُ فيه أيضاً (انظر عرض نماذج الفيديو). أقود المنصة المحيطة بها ميدانياً، فأكتب شيفرتها وأراجعها مع الفريق.
ستة أجزاء من المنصة
- 01 · الأنظمة
مخزن أحداث خلف كل تنبيه
تسجّل خدمة FastAPI على PostgreSQL الاكتشافات كأحداث ثابتة ومُرقّمة الإصدارات. والتنبيهات إسقاطات تُكتب في المعاملة نفسها، فلا يمكن أن يفترق عرض التنبيهات عن سجلّ الأحداث، ويعالج المشغّلون التنبيهات عبر دورة إقرار.
أقود مسار التكامل من التنبيهات إلى التطبيقات الخارجية: واجهة محوّلات محايدة تجاه المزوّدين، وخطافات ويب موقّعة، وصندوق صادر دائم مع إعادة المحاولة ومعالجة الرسائل المرفوضة وإعادة التشغيل. يتمّ الإيصال مرة واحدة على الأقل، مع مفاتيح عدم التكرار لمنع الازدواج. ويجب أن تجتاز المحوّلات فحوص المطابقة.
- 02 · النماذج
عامل واحد وهدفان
عامل الاستدلال هو الشيفرة نفسها، مُجهَّزة لعقدة GPU سحابية ولجهاز NVIDIA Jetson. وأنماط النشر (المتسلسل، والسحابي بالكامل، والطرفي بالكامل) عقد صريح، فتحدّد قيود الموقع على مكان معالجة الفيديو مكانَ تشغيل الاستدلال، دون تفريع الشيفرة.
أقود عامل بثّ بخيط التقاط واحد لكل كاميرا، وإطارات مُصغَّرة في مخزن مؤقت محدود تتشاركه مسارات النماذج للقراءة فقط. ويضبط أخذ العينات والخطوة الإيقاع؛ ويعرض Prometheus زمن الاستدلال عند المئين 95 والتغطية الزمنية.
- 03 · الواجهات
Avertix Control
لوحة تحكّم بـ React وTypeScript لضبط الكاميرات واختيار وجهة التنبيهات وتشخيص المصادر، مبنية على TanStack Query مع بيانات يتحقّق منها zod. يغطّي Vitest المكوّنات، ويُشغّل Playwright مسارات شاملة مع فحوص إمكانية الوصول بـ axe.
تمرّ استدعاءات الواجهة البرمجية عبر عميل مشترك يتحقّق من كل استجابة وفق مخطط zod، مع اختبار عقد حيّ عند حدود الواجهة البرمجية.
- 04 · النشر
بوابات عند كل دمج
يُجري CI فحص الأنواع بـ mypy وعقود طبقات الاستيراد ومجموعة الاختبارات. وتبحث مسارات عمل منفصلة عن الأسرار المسرّبة بـ gitleaks وعن التبعيات المعرّضة للثغرات بـ OSV. ولا تقبل بوابة الدمج أي تغيير إلا بعد مراجعة مستقلة وفحوص ناجحة على الالتزام نفسه.
- 05 · النشر
مسارات إلى السحابة والأجهزة الطرفية
ضبطتُ ملفات Kubernetes تُوفِّق حالتها ArgoCD؛ وإصدارات تدريجية بـ Argo Rollouts تنتقل من 25 إلى 50 ثم 100 بالمئة؛ ومجموعة عقد GPU تنكمش إلى الصفر عند الخمول؛ وتحديثات بالسحب لأجهزة Jetson عبر Rancher Fleet.
بنيتُ صورة arm64 للعامل على Jetson بتبعيات PyTorch متوافقة مع CUDA ومثبّتة الإصدارات، وضبطتُ فحوصاً سريعة محاكاة في CI. تغطي هذه الفحوص بناء الصورة؛ أما الاستدلال على الجهاز فما زال ينتظر القياس.
- 06 · النماذج
استدلال أول لا يبدو متجمّداً
في شيفرة العرض التجريبي، وضعتُ الواجهة الخلفية في حاويات بإعدادات GPU وCPU، وأضفتُ نمط استدلال داخل العملية يجمع نموذجَي VideoMAE وI3D، وجعلتُ تحميل النماذج كسولاً وآمناً بين الخيوط، وأضفتُ تسخيناً غير متزامن مع مؤشّر للحالة في الواجهة.
من نموذج بحثي إلى عامل مُتحقَّق منه
- 01 · النماذج
مجموعة نماذج بحثية، مُجهَّزة ومُتحقَّق منها
جهّزتُ مجموعة VideoMAE-MIL وI3D داخل عامل المنصة مع ملفات نماذج مزوّدة بمجاميع تحقّق. وتحقّقتُ من تطابق النتائج بين CUDA وCPU على عيّنة ثابتة، وقستُ الاستدلال بعد التسخين على وحدة RTX 4060 في حاسوب محمول. وقد حافظ على الإيقاع المختبَر لنوافذ مدتها ثانيتان دون تداخل؛ أما CPU فلم يحافظ عليه.
- 02 · النماذج
التحويل والتكميم، مع المفاضلة
صدّرتُ X3D-M إلى ONNX واختبرتُ تكميماً ساكناً بدقة INT8 باستخدام ONNX Runtime على وحدة T4. كان ملف INT8 أصغر بـ 3.5 مرات، بدقة أقل قليلاً ودون أي تسريع لكل مقطع فيديو. وبنيتُ أيضاً محرّكات TensorRT بدقة FP32 وFP16 وINT8. كانت هذه تجارب؛ وما زال العامل المنشور يستخدم PyTorch.
من تغيير مُراجَع إلى عقدة عاملة
- بقيادتي
- التغييرفرع خاص بالمهمة ومراجعة مستقلة
- بوابة الدمجالأنواع، وطبقات الاستيراد، والاختبارات، وفحص الأسرار والتبعيات، كلها ناجحة على الالتزام نفسه
- ArgoCDالحالة المُعلنة تُطبَّق على العنقود
- إصدار تدريجيزيادة حركة المرور من 25 إلى 50 ثم 100 بالمئة
- التشغيلمضبوط: مجموعة GPU تنكمش إلى الصفر؛ وتحديثات Jetson تُسحب عبر Fleet
كيف يُدمَج العمل
وضعتُ بروتوكول التسليم للمنصة: فروع لكل مهمة، ومراجعة مستقلة، ودمج مشروط بنجاح الفحوص على الالتزام نفسه. هذا يُبقي التغييرات صغيرة بما يكفي لمراجعتها، ويجعل الفرع الرئيسي شيئاً يمكن للنشر أن يثق به.
في شيفرة العرض التجريبي كنت القائد والمراجع الوحيد لطلبات الدمج التي قدّمها متدرّبان لميزات جديدة. وتنبع أنماط النشر مما يسمح العملاء بخروجه من مواقعهم، وهي تعيش في الشيفرة كعقد لا كعُرف.
ما هي بالضبط
الحالة. Avertix منصة للشركة. شغّلتُ لها بيئة عرض تجريبية على GPU. ويشمل العمل على Jetson صورة العامل وإعدادات نشره؛ أما الاستدلال على الجهاز فما زال ينتظر القياس، ولا أذكر أي أرقام عن زمن الاستجابة أو التوافر.
النطاق. Avertix بوصفه منتجاً جهدُ فريق، وقد جاءت نماذج الفيديو فيه من بحث تعاوني. وأقود شيفرة المنصة (مستوى التحكّم، والعامل، ولوحة التحكّم، وCI، والبنية التحتية) ميدانياً، تنفيذاً ومراجعةً.
