wehub-resource-sync
46 KiB
46 KiB
সেরা অনুশীলন এবং অপ্টিমাইজেশন
🎯 এই ল্যাবটি কী কভার করে
এই ক্যাপস্টোন ল্যাবটি শক্তিশালী, স্কেলেবল এবং সুরক্ষিত MCP সার্ভার তৈরির জন্য সেরা অনুশীলন, অপ্টিমাইজেশন প্রযুক্তি এবং উৎপাদন নির্দেশিকাগুলো সংহত করে ডাটাবেস ইন্টিগ্রেশনের সাথে। আপনি বাস্তব অভিজ্ঞতা এবং শিল্প মান থেকে শিখবেন যাতে আপনার বাস্তবায়নটি উৎপাদন-সজ্জিত হয়।
ওভারভিউ
সফল MCP সার্ভার তৈরি করা কেবল কোড কাজ করানো নয়। এই ল্যাবটি প্রমাণ-সংকল্প বাস্তবায়ন থেকে উৎপাদন-সজ্জিত সিস্টেম পৃথক করার জন্য মৌলিক অনুশীলনগুলোকে কভার করে, যা স্কেল করতে পারে, নির্ভরযোগ্যভাবে কাজ করে এবং নিরাপত্তা মান বজায় রাখে।
এই সেরা অনুশীলনগুলো বাস্তব বাস্তবায়ন, কমিউনিটি প্রতিক্রিয়া এবং এন্টারপ্রাইজ বাস্তবায়ন থেকে শেখা পাঠ থেকে আহৃত।
শেখার উদ্দেশ্য
এই ল্যাবটি শেষ করার পর, আপনি সক্ষম হবেন:
- প্রয়োগ করা MCP সার্ভার এবং ডাটাবেসের জন্য কর্মক্ষমতা অপ্টিমাইজেশন কৌশল
- বাস্তবায়ন করা বিস্তৃত নিরাপত্তা শক্তিকরণ ব্যবস্থা
- ডিজাইন করা উৎপাদন পরিবেশের জন্য স্কেলেবল আর্কিটেকচার প্যাটার্ন
- প্রতিষ্ঠাপিত করা পর্যবেক্ষণ, রক্ষণাবেক্ষণ এবং অপারেশনাল পদ্ধতি
- অপ্টিমাইজ করা খরচ কার্যকারিতা বজায় রেখে কর্মক্ষমতা এবং নির্ভরযোগ্যতা
- অংশগ্রহণ করা MCP কমিউনিটি এবং ইকোসিস্টেমে
🚀 কর্মক্ষমতা অপ্টিমাইজেশন
ডাটাবেস কর্মক্ষমতা
সংযোগ পুল অপ্টিমাইজেশন
# অপ্টিমাইজ করা কানেকশন পুল কনফিগারেশন
POOL_CONFIG = {
# সাইজ কনফিগারেশন
"min_size": max(2, cpu_count()), # ন্যূনতম ২, সিপিইউ এর সাথে স্কেল করুন
"max_size": min(20, cpu_count() * 4), # যুক্তিসঙ্গত সর্বোচ্চ সীমা বজায় রাখুন
# টাইমিং কনফিগারেশন
"max_inactive_connection_lifetime": 300, # ৫ মিনিট
"command_timeout": 30, # ৩০ সেকেন্ড
"max_queries": 50000, # কানেকশন রোটেট করুন
# পোস্টগ্রেসকিউএল সেটিংস
"server_settings": {
"application_name": "mcp-server-prod",
"jit": "off", # সামঞ্জস্যের জন্য নিষ্ক্রিয় করুন
"work_mem": "8MB", # কোয়েরির জন্য অপ্টিমাইজ করুন
"shared_preload_libraries": "pg_stat_statements",
"log_statement": "mod", # শুধুমাত্র পরিবর্তনগুলি লগ করুন
"log_min_duration_statement": "1s", # ধীর কোয়েরিগুলি লগ করুন
}
}
কোয়েরি অপ্টিমাইজেশন প্যাটার্ন
class QueryOptimizer:
"""Database query optimization utilities."""
def __init__(self):
self.query_cache = {}
self.slow_query_threshold = 1.0 # সেকেন্ড
async def execute_optimized_query(
self,
query: str,
params: tuple = None,
cache_key: str = None,
cache_ttl: int = 300
):
"""Execute query with optimization and caching."""
# প্রথমে ক্যাশ চেক করুন
if cache_key and cache_key in self.query_cache:
cache_entry = self.query_cache[cache_key]
if time.time() - cache_entry['timestamp'] < cache_ttl:
return cache_entry['result']
# মনিটরিং সহ কার্যকর করুন
start_time = time.time()
try:
async with db_provider.get_connection() as conn:
# কোয়েরি কার্যকরকরণ অপ্টিমাইজ করুন
await conn.execute("SET enable_seqscan = off") # ইনডেক্স শ্রেষ্ঠ বিবেচনা করুন
await conn.execute("SET work_mem = '16MB'") # এই কোয়েরির জন্য আরো মেমরি
result = await conn.fetch(query, *params if params else ())
duration = time.time() - start_time
# ধীর কোয়েরি লগ করুন
if duration > self.slow_query_threshold:
logger.warning(f"Slow query detected: {duration:.2f}s", extra={
"query": query[:200],
"duration": duration,
"params_count": len(params) if params else 0
})
# সফল ফলাফল ক্যাশ করুন
if cache_key and len(result) < 1000: # বড় ফলাফল ক্যাশ করবেন না
self.query_cache[cache_key] = {
'result': result,
'timestamp': time.time()
}
return result
except Exception as e:
logger.error(f"Query optimization failed: {e}")
raise
# ইনডেক্স সুপারিশসমূহ
RECOMMENDED_INDEXES = [
# মূল ব্যবসায়িক ইনডেক্সসমূহ
"CREATE INDEX CONCURRENTLY idx_orders_store_date ON retail.orders (store_id, order_date DESC);",
"CREATE INDEX CONCURRENTLY idx_order_items_product ON retail.order_items (product_id);",
"CREATE INDEX CONCURRENTLY idx_customers_store_email ON retail.customers (store_id, email);",
# বিশ্লেষণাত্মক ইনডেক্সসমূহ
"CREATE INDEX CONCURRENTLY idx_orders_date_amount ON retail.orders (order_date, total_amount);",
"CREATE INDEX CONCURRENTLY idx_products_category_price ON retail.products (category_id, unit_price);",
# ভেক্টর অনুসন্ধান অপ্টিমাইজেশন
"CREATE INDEX CONCURRENTLY idx_embeddings_vector ON retail.product_description_embeddings USING ivfflat (description_embedding vector_cosine_ops) WITH (lists = 100);",
]
অ্যাপ্লিকেশন কর্মক্ষমতা
অ্যাসিঙ্ক প্রোগ্রামিং সেরা অনুশীলন
import asyncio
from asyncio import Semaphore
from typing import List, Any
class AsyncOptimizer:
"""Async operation optimization patterns."""
def __init__(self, max_concurrent: int = 10):
self.semaphore = Semaphore(max_concurrent)
self.circuit_breaker = CircuitBreaker()
async def batch_process(
self,
items: List[Any],
process_func: callable,
batch_size: int = 100
):
"""Process items in optimized batches."""
async def process_batch(batch):
async with self.semaphore:
return await asyncio.gather(
*[process_func(item) for item in batch],
return_exceptions=True
)
# সিস্টেমের উপর অতিরিক্ত চাপ এড়াতে ব্যাচে প্রক্রিয়াকরণ করুন
results = []
for i in range(0, len(items), batch_size):
batch = items[i:i + batch_size]
batch_results = await process_batch(batch)
results.extend(batch_results)
# রিসোর্সের অপচয় এড়াতে ব্যাচগুলির মধ্যে ছোট বিলম্ব
if i + batch_size < len(items):
await asyncio.sleep(0.1)
return results
@circuit_breaker_decorator
async def resilient_operation(self, operation: callable, *args, **kwargs):
"""Execute operation with circuit breaker protection."""
return await operation(*args, **kwargs)
# সার্কিট ব্রেকারের বাস্তবায়ন
class CircuitBreaker:
"""Circuit breaker for external service calls."""
def __init__(self, failure_threshold: int = 5, recovery_timeout: int = 60):
self.failure_threshold = failure_threshold
self.recovery_timeout = recovery_timeout
self.failure_count = 0
self.last_failure_time = None
self.state = "CLOSED" # CLOSED, OPEN, HALF_OPEN
async def call(self, func, *args, **kwargs):
"""Execute function with circuit breaker protection."""
if self.state == "OPEN":
if time.time() - self.last_failure_time > self.recovery_timeout:
self.state = "HALF_OPEN"
else:
raise Exception("Circuit breaker is OPEN")
try:
result = await func(*args, **kwargs)
# সফল হলে রিসেট করুন
if self.state == "HALF_OPEN":
self.state = "CLOSED"
self.failure_count = 0
return result
except Exception as e:
self.failure_count += 1
self.last_failure_time = time.time()
if self.failure_count >= self.failure_threshold:
self.state = "OPEN"
raise
ক্যাশিং কৌশল
import redis
import pickle
from typing import Union, Optional
class SmartCache:
"""Multi-level caching system."""
def __init__(self, redis_url: Optional[str] = None):
self.memory_cache = {}
self.redis_client = redis.Redis.from_url(redis_url) if redis_url else None
self.max_memory_items = 1000
async def get(self, key: str) -> Optional[Any]:
"""Get from cache with fallback levels."""
# স্তর ১: মেমরি ক্যাশ
if key in self.memory_cache:
return self.memory_cache[key]['value']
# স্তর ২: রেডিস ক্যাশ
if self.redis_client:
try:
cached_data = self.redis_client.get(key)
if cached_data:
value = pickle.loads(cached_data)
# মেমরি ক্যাশে উন্নীত করুন
self._set_memory_cache(key, value)
return value
except Exception as e:
logger.warning(f"Redis cache error: {e}")
return None
async def set(
self,
key: str,
value: Any,
ttl: int = 300,
cache_level: str = "both"
):
"""Set cache value at specified levels."""
if cache_level in ["memory", "both"]:
self._set_memory_cache(key, value, ttl)
if cache_level in ["redis", "both"] and self.redis_client:
try:
self.redis_client.setex(
key,
ttl,
pickle.dumps(value)
)
except Exception as e:
logger.warning(f"Redis set error: {e}")
def _set_memory_cache(self, key: str, value: Any, ttl: int = 300):
"""Set value in memory cache with LRU eviction."""
# LRU অপসারণ বাস্তবায়ন করুন
if len(self.memory_cache) >= self.max_memory_items:
oldest_key = min(
self.memory_cache.keys(),
key=lambda k: self.memory_cache[k]['timestamp']
)
del self.memory_cache[oldest_key]
self.memory_cache[key] = {
'value': value,
'timestamp': time.time(),
'ttl': ttl
}
# ক্যাশ কীগeneration
def generate_cache_key(query: str, user_context: str, params: dict = None) -> str:
"""Generate consistent cache keys."""
key_components = [
query.strip().lower(),
user_context,
json.dumps(params, sort_keys=True) if params else ""
]
key_string = "|".join(key_components)
return hashlib.sha256(key_string.encode()).hexdigest()
🔒 নিরাপত্তা শক্তিকরণ
প্রমাণীকরণ এবং অনুমোদন
from azure.identity import DefaultAzureCredential, ClientSecretCredential
from azure.keyvault.secrets import SecretClient
import jwt
from typing import Dict, List
class SecurityManager:
"""Comprehensive security management."""
def __init__(self):
self.key_vault_client = self._setup_key_vault()
self.token_blacklist = set()
def _setup_key_vault(self) -> SecretClient:
"""Initialize Azure Key Vault client."""
credential = DefaultAzureCredential()
vault_url = os.getenv("AZURE_KEY_VAULT_URL")
if vault_url:
return SecretClient(vault_url=vault_url, credential=credential)
return None
async def validate_request(self, request_headers: Dict[str, str]) -> Dict[str, Any]:
"""Comprehensive request validation."""
# প্রমাণীকরণ বের করুন এবং যাচাই করুন
auth_token = request_headers.get("authorization", "").replace("Bearer ", "")
if not auth_token:
raise AuthenticationError("Missing authentication token")
# টোকেন যাচাই করুন
user_context = await self._validate_token(auth_token)
# রেট সীমা পরীক্ষা করুন
await self._check_rate_limit(user_context["user_id"])
# RLS প্রেক্ষাপট যাচাই করুন
rls_user_id = request_headers.get("x-rls-user-id")
if not self._validate_rls_access(user_context, rls_user_id):
raise AuthorizationError("Invalid RLS context for user")
return {
"user_id": user_context["user_id"],
"roles": user_context["roles"],
"rls_user_id": rls_user_id,
"permissions": user_context["permissions"]
}
async def _validate_token(self, token: str) -> Dict[str, Any]:
"""Validate JWT token."""
if token in self.token_blacklist:
raise AuthenticationError("Token has been revoked")
try:
# কী ভল্ট বা ক্যাশ থেকে পাবলিক কী নিন
public_key = await self._get_public_key()
# টোকেন ডিকোড এবং যাচাই করুন
payload = jwt.decode(
token,
public_key,
algorithms=["RS256"],
audience="mcp-server",
issuer="zava-auth"
)
return {
"user_id": payload["sub"],
"roles": payload.get("roles", []),
"permissions": payload.get("permissions", []),
"expires_at": payload["exp"]
}
except jwt.InvalidTokenError as e:
raise AuthenticationError(f"Invalid token: {e}")
def _validate_rls_access(self, user_context: Dict, rls_user_id: str) -> bool:
"""Validate RLS context access."""
# সুপার অ্যাডমিনরা যেকোনো প্রেক্ষাপটে 접근 করতে পারেন
if "super_admin" in user_context["roles"]:
return True
# স্টোর ম্যানেজাররা শুধুমাত্র তাদের নিজের স্টোরে প্রবেশ করতে পারেন
if "store_manager" in user_context["roles"]:
allowed_stores = user_context.get("allowed_stores", [])
return rls_user_id in allowed_stores
# আঞ্চলিক ম্যানেজাররা একাধিক স্টোরে প্রবেশ করতে পারেন
if "regional_manager" in user_context["roles"]:
allowed_regions = user_context.get("allowed_regions", [])
return self._check_store_in_regions(rls_user_id, allowed_regions)
return False
# ইনপুট যাচাই এবং স্যানিটাইজেশন
class InputValidator:
"""SQL injection prevention and input validation."""
@staticmethod
def validate_sql_query(query: str) -> bool:
"""Validate SQL query for safety."""
# নিষিদ্ধ নিদর্শনসমূহ
forbidden_patterns = [
r";\s*(DROP|DELETE|UPDATE|INSERT|ALTER|CREATE)\s+",
r"--.*",
r"/\*.*\*/",
r"xp_cmdshell",
r"sp_executesql",
r"EXEC\s*\(",
]
query_upper = query.upper()
for pattern in forbidden_patterns:
if re.search(pattern, query_upper, re.IGNORECASE):
logger.warning(f"Blocked potentially dangerous query: {pattern}")
return False
# শুধুমাত্র SELECT বিবৃতি অনুমোদিত
if not query_upper.strip().startswith("SELECT"):
return False
return True
@staticmethod
def sanitize_table_name(table_name: str) -> str:
"""Sanitize table name input."""
# শুধুমাত্র অক্ষর, সংখ্যা, আন্ডারস্কোর, এবং ডট অনুমোদিত
if not re.match(r"^[a-zA-Z0-9_.]+$", table_name):
raise ValueError("Invalid table name format")
# অনুমোদিত টেবিলগুলির বিরুদ্ধে যাচাই করুন
if table_name not in VALID_TABLES:
raise ValueError(f"Table {table_name} not allowed")
return table_name
ডেটা সুরক্ষা
from cryptography.fernet import Fernet
import hashlib
class DataProtection:
"""Data encryption and protection utilities."""
def __init__(self):
self.encryption_key = self._get_encryption_key()
self.cipher_suite = Fernet(self.encryption_key)
def _get_encryption_key(self) -> bytes:
"""Get encryption key from secure storage."""
# প্রোডাকশনে, Azure Key Vault থেকে নিন
key_vault_secret = os.getenv("ENCRYPTION_KEY_SECRET_NAME")
if key_vault_secret and self.key_vault_client:
secret = self.key_vault_client.get_secret(key_vault_secret)
return secret.value.encode()
# ডেভেলপমেন্টের জন্য ফ্যালব্যাক (প্রোডাকশনের জন্য নয়!)
dev_key = os.getenv("DEV_ENCRYPTION_KEY")
if dev_key:
return dev_key.encode()
raise ValueError("No encryption key available")
def encrypt_sensitive_data(self, data: str) -> str:
"""Encrypt sensitive data."""
return self.cipher_suite.encrypt(data.encode()).decode()
def decrypt_sensitive_data(self, encrypted_data: str) -> str:
"""Decrypt sensitive data."""
return self.cipher_suite.decrypt(encrypted_data.encode()).decode()
@staticmethod
def hash_password(password: str, salt: str = None) -> tuple:
"""Hash password with salt."""
if not salt:
salt = os.urandom(32).hex()
password_hash = hashlib.pbkdf2_hmac(
'sha256',
password.encode(),
salt.encode(),
100000 # পুনরাবৃত্তি
).hex()
return password_hash, salt
@staticmethod
def mask_sensitive_logs(log_data: dict) -> dict:
"""Mask sensitive information in logs."""
sensitive_fields = [
'password', 'token', 'secret', 'key', 'authorization',
'x-api-key', 'client_secret', 'connection_string'
]
masked_data = log_data.copy()
for field in sensitive_fields:
if field in masked_data:
value = str(masked_data[field])
if len(value) > 4:
masked_data[field] = value[:2] + "*" * (len(value) - 4) + value[-2:]
else:
masked_data[field] = "***"
return masked_data
📊 উৎপাদন মোতায়েন নির্দেশিকা
কোড হিসেবে অবকাঠামো
# azure-pipelines.yml
trigger:
branches:
include:
- main
- release/*
variables:
- group: mcp-server-secrets
- name: imageRepository
value: 'zava-mcp-server'
- name: containerRegistry
value: 'zavamcpregistry.azurecr.io'
stages:
- stage: Build
displayName: Build and Test
jobs:
- job: Build
displayName: Build
pool:
vmImage: ubuntu-latest
steps:
- task: UsePythonVersion@0
inputs:
versionSpec: '3.11'
displayName: 'Use Python 3.11'
- script: |
python -m pip install --upgrade pip
pip install -r requirements.lock.txt
pip install pytest pytest-cov
displayName: 'Install dependencies'
- script: |
pytest tests/ --cov=mcp_server --cov-report=xml
displayName: 'Run tests with coverage'
- task: PublishCodeCoverageResults@1
inputs:
codeCoverageTool: Cobertura
summaryFileLocation: 'coverage.xml'
- task: Docker@2
displayName: Build Docker image
inputs:
command: build
repository: $(imageRepository)
dockerfile: Dockerfile
tags: |
$(Build.BuildId)
latest
- stage: Deploy
displayName: Deploy to Production
dependsOn: Build
condition: and(succeeded(), eq(variables['Build.SourceBranch'], 'refs/heads/main'))
jobs:
- deployment: DeployProduction
displayName: Deploy to Production
environment: 'production'
pool:
vmImage: ubuntu-latest
strategy:
runOnce:
deploy:
steps:
- task: AzureContainerApps@1
inputs:
azureSubscription: $(azureServiceConnection)
containerAppName: 'zava-mcp-server'
resourceGroup: '$(resourceGroupName)'
imageToDeploy: '$(containerRegistry)/$(imageRepository):$(Build.BuildId)'
কনটেইনার অপ্টিমাইজেশন
# Multi-stage Dockerfile for production
FROM python:3.11-slim as builder
# Install build dependencies
RUN apt-get update && apt-get install -y \
gcc \
g++ \
&& rm -rf /var/lib/apt/lists/*
# Create virtual environment
RUN python -m venv /opt/venv
ENV PATH="/opt/venv/bin:$PATH"
# Copy requirements and install Python dependencies
COPY requirements.lock.txt .
RUN pip install --no-cache-dir --upgrade pip && \
pip install --no-cache-dir -r requirements.lock.txt
# Production stage
FROM python:3.11-slim as production
# Create non-root user
RUN groupadd -r mcpserver && useradd -r -g mcpserver mcpserver
# Copy virtual environment from builder
COPY --from=builder /opt/venv /opt/venv
ENV PATH="/opt/venv/bin:$PATH"
# Set working directory
WORKDIR /app
# Copy application code
COPY mcp_server/ ./mcp_server/
COPY --chown=mcpserver:mcpserver . .
# Set security configurations
RUN chmod -R 755 /app && \
chown -R mcpserver:mcpserver /app
# Switch to non-root user
USER mcpserver
# Health check
HEALTHCHECK --interval=30s --timeout=10s --start-period=5s --retries=3 \
CMD curl -f http://localhost:8000/health || exit 1
# Expose port
EXPOSE 8000
# Start application
CMD ["python", "-m", "mcp_server.sales_analysis"]
পরিবেশ কনফিগারেশন
# প্রোডাকশন কনফিগারেশন ম্যানেজমেন্ট
class ProductionConfig:
"""Production-specific configuration."""
def __init__(self):
self.validate_production_requirements()
self.setup_logging()
self.configure_security()
def validate_production_requirements(self):
"""Validate all required production settings."""
required_settings = [
"AZURE_CLIENT_ID",
"AZURE_CLIENT_SECRET",
"AZURE_TENANT_ID",
"PROJECT_ENDPOINT",
"AZURE_OPENAI_ENDPOINT",
"POSTGRES_HOST",
"POSTGRES_PASSWORD",
"APPLICATIONINSIGHTS_CONNECTION_STRING"
]
missing_settings = [
setting for setting in required_settings
if not os.getenv(setting)
]
if missing_settings:
raise EnvironmentError(
f"Missing required production settings: {missing_settings}"
)
def setup_logging(self):
"""Configure production logging."""
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
handlers=[
logging.StreamHandler(sys.stdout),
logging.handlers.RotatingFileHandler(
'/var/log/mcp-server.log',
maxBytes=50*1024*1024, # ৫০এমবি
backupCount=5
)
]
)
# তৃতীয়-পক্ষ লগারকে WARNING সেট করুন
logging.getLogger('azure').setLevel(logging.WARNING)
logging.getLogger('urllib3').setLevel(logging.WARNING)
def configure_security(self):
"""Configure production security settings."""
# ডিবাগ মোড নিষ্ক্রিয় করুন
os.environ['DEBUG'] = 'False'
# সুরক্ষিত হেডার সেট করুন
os.environ['SECURE_SSL_REDIRECT'] = 'True'
os.environ['SECURE_HSTS_SECONDS'] = '31536000'
os.environ['SECURE_CONTENT_TYPE_NOSNIFF'] = 'True'
os.environ['SECURE_BROWSER_XSS_FILTER'] = 'True'
💰 খরচ অপ্টিমাইজেশন
সম্পদ ব্যবস্থাপনা
class CostOptimizer:
"""Cost optimization strategies."""
def __init__(self):
self.metrics_collector = MetricsCollector()
self.auto_scaler = AutoScaler()
async def optimize_database_connections(self):
"""Dynamically adjust connection pool based on load."""
current_load = await self.metrics_collector.get_current_load()
if current_load < 0.3: # কম লোড
target_pool_size = max(2, int(current_load * 10))
elif current_load < 0.7: # মাঝারি লোড
target_pool_size = max(5, int(current_load * 15))
else: # উচ্চ লোড
target_pool_size = min(20, int(current_load * 25))
await db_provider.adjust_pool_size(target_pool_size)
logger.info(f"Adjusted pool size to {target_pool_size} for load {current_load}")
async def implement_smart_caching(self):
"""Implement intelligent caching to reduce compute costs."""
# ক্যাশ ব্যয়বহুল অপারেশনগুলি
expensive_queries = await self.identify_expensive_queries()
for query in expensive_queries:
cache_key = self.generate_cache_key(query)
ttl = self.calculate_optimal_ttl(query)
await smart_cache.set(cache_key, None, ttl=ttl)
def calculate_azure_costs(self) -> Dict[str, float]:
"""Calculate estimated Azure resource costs."""
return {
"container_apps": self.estimate_container_costs(),
"postgresql": self.estimate_database_costs(),
"openai": self.estimate_ai_costs(),
"application_insights": self.estimate_monitoring_costs(),
"storage": self.estimate_storage_costs()
}
# স্বয়ংক্রিয় স্কেলিং কনফিগারেশন
class AutoScaler:
"""Automatic scaling based on metrics."""
async def scale_decision(self) -> str:
"""Determine scaling action based on metrics."""
metrics = await self.collect_scaling_metrics()
# সিপিইউ-ভিত্তিক স্কেলিং
if metrics['cpu_usage'] > 80:
return "scale_up"
elif metrics['cpu_usage'] < 20 and metrics['instance_count'] > 1:
return "scale_down"
# মেমরি-ভিত্তিক স্কেলিং
if metrics['memory_usage'] > 85:
return "scale_up"
# রিকুয়েস্ট কিউ স্কেলিং
if metrics['queue_length'] > 100:
return "scale_up"
elif metrics['queue_length'] < 10 and metrics['instance_count'] > 1:
return "scale_down"
return "no_action"
🔧 রক্ষণাবেক্ষণ এবং অপারেশন
স্বাস্থ্য পর্যবেক্ষণ
class OperationalHealth:
"""Comprehensive operational health monitoring."""
def __init__(self):
self.alert_manager = AlertManager()
self.health_checks = {}
async def comprehensive_health_check(self) -> Dict[str, Any]:
"""Perform comprehensive system health check."""
health_report = {
"timestamp": datetime.utcnow().isoformat(),
"overall_status": "healthy",
"components": {}
}
# ডাটাবেস স্বাস্থ্য
db_health = await self.check_database_health()
health_report["components"]["database"] = db_health
# বহিঃস্থ পরিষেবাগুলোর স্বাস্থ্য
ai_health = await self.check_ai_service_health()
health_report["components"]["ai_service"] = ai_health
# সিস্টেম সম্পদ
system_health = await self.check_system_resources()
health_report["components"]["system"] = system_health
# অ্যাপ্লিকেশন মেট্রিক্স
app_health = await self.check_application_health()
health_report["components"]["application"] = app_health
# সামগ্রিক অবস্থা নির্ধারণ
failed_components = [
name for name, status in health_report["components"].items()
if status.get("status") != "healthy"
]
if failed_components:
health_report["overall_status"] = "unhealthy"
health_report["failed_components"] = failed_components
# সতর্কতা উদ্দীপিত করুন
await self.alert_manager.send_alert(
severity="high",
message=f"Health check failed for: {failed_components}",
details=health_report
)
return health_report
async def check_database_health(self) -> Dict[str, Any]:
"""Check database connectivity and performance."""
try:
start_time = time.time()
async with db_provider.get_connection() as conn:
# মৌলিক সংযোগ
await conn.fetchval("SELECT 1")
# ধীরগতির প্রশ্নগুলি পরীক্ষা করুন
slow_queries = await conn.fetch("""
SELECT query, mean_exec_time, calls
FROM pg_stat_statements
WHERE mean_exec_time > 1000
ORDER BY mean_exec_time DESC
LIMIT 5
""")
# সংযোগের সংখ্যা পরীক্ষা করুন
connection_count = await conn.fetchval("""
SELECT count(*) FROM pg_stat_activity
WHERE state = 'active'
""")
response_time = time.time() - start_time
return {
"status": "healthy",
"response_time_ms": response_time * 1000,
"active_connections": connection_count,
"slow_queries_count": len(slow_queries),
"pool_size": db_provider.connection_pool.get_size()
}
except Exception as e:
return {
"status": "unhealthy",
"error": str(e),
"last_check": datetime.utcnow().isoformat()
}
# স্বয়ংক্রিয় ব্যাকআপ এবং পুনরুদ্ধার
class BackupManager:
"""Database backup and recovery management."""
async def create_backup(self, backup_type: str = "full") -> str:
"""Create database backup."""
timestamp = datetime.utcnow().strftime("%Y%m%d_%H%M%S")
backup_name = f"zava_backup_{backup_type}_{timestamp}"
if backup_type == "full":
await self.create_full_backup(backup_name)
elif backup_type == "incremental":
await self.create_incremental_backup(backup_name)
# Azure Blob Storage-এ আপলোড করুন
await self.upload_backup_to_azure(backup_name)
return backup_name
async def schedule_automated_backups(self):
"""Schedule regular automated backups."""
# দৈনিক পূর্ণ ব্যাকআপ রাত ২টা UTC-তে
schedule.every().day.at("02:00").do(
lambda: asyncio.create_task(self.create_backup("full"))
)
# প্রতি ঘণ্টায় ধাপে ধাপে ব্যাকআপ
schedule.every().hour.do(
lambda: asyncio.create_task(self.create_backup("incremental"))
)
🌍 কমিউনিটি অবদান
ওপেন সোর্স সেরা অনুশীলন
# Contributing to MCP Database Integration
## Development Guidelines
### Code Quality Standards
- Follow PEP 8 for Python code style
- Maintain test coverage above 90%
- Use type hints throughout the codebase
- Write comprehensive docstrings
### Testing Requirements
- Unit tests for all new functionality
- Integration tests for database operations
- Performance benchmarks for critical paths
- Security tests for authentication/authorization
### Documentation Standards
- Update README.md for any new features
- Add inline code documentation
- Create examples for new tools or patterns
- Maintain API documentation
## Security Considerations
### Reporting Security Issues
- Report security vulnerabilities privately
- Use encrypted communication channels
- Provide detailed reproduction steps
- Include potential impact assessment
### Security Review Process
- All PRs undergo security review
- Static analysis tools required to pass
- Dependency vulnerability scanning
- Manual security testing for critical changes
কমিউনিটি অংশগ্রহণ
class CommunityContributor:
"""Tools for community engagement and contribution."""
@staticmethod
def generate_contribution_guide():
"""Generate personalized contribution guide."""
return {
"getting_started": {
"setup": "Follow setup guide in Lab 03",
"first_contribution": "Start with documentation improvements",
"testing": "Run full test suite before submitting PR"
},
"contribution_areas": {
"documentation": "Improve learning labs and examples",
"testing": "Add test cases and improve coverage",
"features": "Implement new MCP tools and capabilities",
"performance": "Optimize queries and caching",
"security": "Enhance security measures and validation"
},
"community_resources": {
"discord": "https://discord.com/invite/ByRwuEEgH4",
"discussions": "GitHub Discussions for Q&A",
"issues": "GitHub Issues for bug reports",
"examples": "Share your implementation examples"
}
}
@staticmethod
def validate_contribution(pr_data: Dict) -> Dict[str, bool]:
"""Validate contribution meets standards."""
return {
"has_tests": "test" in pr_data.get("files_changed", []),
"has_documentation": "README" in str(pr_data.get("files_changed", [])),
"follows_conventions": True, # বাস্তব পরীক্ষাগুলো বাস্তবায়ন করবে
"security_reviewed": pr_data.get("security_review", False),
"performance_tested": pr_data.get("benchmark_results", False)
}
🎯 মূল বিষয়সমূহ
এই ব্যাপক শেখার পথ সম্পন্ন করার পর, আপনি দক্ষ হয়ে উঠবেন:
✅ কর্মক্ষমতা অপ্টিমাইজেশন: ডাটাবেস টিউনিং, অ্যাসিঙ্ক প্যাটার্ন, এবং ক্যাশিং কৌশল
✅ নিরাপত্তা শক্তিকরণ: প্রমাণীকরণ, অনুমোদন, এবং ডেটা সুরক্ষা
✅ উৎপাদন মোতায়েন: কোড হিসেবে অবকাঠামো এবং কনটেইনার অপ্টিমাইজেশন
✅ খরচ ব্যবস্থাপনা: সম্পদ অপ্টিমাইজেশন এবং বুদ্ধিমান স্কেলিং
✅ অপারেশনাল উৎকর্ষ: পর্যবেক্ষণ, রক্ষণাবেক্ষণ, এবং অটোমেশন
✅ কমিউনিটি অংশগ্রহণ: MCP ইকোসিস্টেমে অবদান রাখা
🏆 সার্টিফিকেশন এবং পরবর্তী ধাপ
বাস্তব মূল্যায়ন
আপনার দক্ষতা প্রদর্শনের জন্য এই চূড়ান্ত প্রকল্পটি সম্পন্ন করুন:
উৎপাদন-সজ্জিত MCP সার্ভার তৈরি করুন যা অন্তর্ভুক্ত করে:
- RLS সহ মাল্টি-টেন্যান্ট রিটেইল অ্যানালিটিক্স
- Azure OpenAI সহ সেমান্টিক সার্চ
- ব্যাপক নিরাপত্তা বাস্তবায়ন
- Azure-তে উৎপাদন মোতায়েন
- পর্যবেক্ষণ এবং অ্যালার্ট সেটআপ
- ডকুমেন্টেশন এবং পরীক্ষা
উন্নত শেখার পথ
আপনার MCP যাত্রা চালিয়ে যান:
- MCP আর্কিটেকচার প্যাটার্ন: উন্নত সার্ভার আর্কিটেকচার
- মাল্টি-মডেল ইন্টিগ্রেশন: বিভিন্ন AI মডেল একত্রিত করা
- এন্টারপ্রাইজ স্কেল: বৃহৎ MCP মোতায়েন
- কাস্টম টুল ডেভেলপমেন্ট: বিশেষায়িত MCP টুল তৈরি করা
- MCP ইকোসিস্টেম: বৃহত্তর কমিউনিটিতে অবদান রাখা
কমিউনিটি স্বীকৃতি
আপনার অর্জন শেয়ার করুন:
- GitHub পোর্টফোলিও: আপনার বাস্তবায়ন প্রদর্শন করুন
- কমিউনিটি অবদান: উন্নতি বা উদাহরণ জমা দিন
- বক্তৃতা সুযোগ: মিটআপ বা সম্মেলনে উপস্থাপন করুন
- মেন্টরিং: অন্যান্য ডেভেলপারদের MCP শেখাতে সাহায্য করুন
📚 অতিরিক্ত সংস্থান
উন্নত বিষয়
- PostgreSQL Performance Tuning - ডাটাবেস অপ্টিমাইজেশন
- Azure Container Apps Best Practices - উৎপাদন মোতায়েন
- Python Async Best Practices - অ্যাসিঙ্ক প্রোগ্রামিং
নিরাপত্তা সংস্থান
- OWASP Top 10 - নিরাপত্তা দুর্বলতা
- Azure Security Best Practices - ক্লাউড নিরাপত্তা
- Python Security Guidelines - নিরাপদ কোডিং
কমিউনিটি
- MCP Community Discord - লাইভ আলোচনা
- GitHub Discussions - প্রশ্ন ও উত্তর ও শেয়ারিং
- Stack Overflow - টেকনিক্যাল প্রশ্নবলী
🎉 অভিনন্দন! আপনি ব্যাপক MCP ডাটাবেস ইন্টিগ্রেশন শেখার পথ সম্পন্ন করেছেন। আপনার এখন এমন জ্ঞান এবং দক্ষতা আছে যা ব্যবহার করে আপনি উৎপাদন-সজ্জিত MCP সার্ভার তৈরি করতে পারবেন, যা AI সহকারীদের বাস্তব বিশ্ব ডেটা সিস্টেমের সাথে সংযোগ করে।
অবদান রাখতে প্রস্তুত? আমাদের কমিউনিটির সাথে যোগ দিন এবং আপনার অভিজ্ঞতা শেয়ার করে, কোড উন্নতি করে, অথবা অতিরিক্ত শেখার সংস্থান তৈরি করে অন্যদের MCP শেখাতে সাহায্য করুন।
পরবর্তী: টুলিং
অস্বীকৃতি: এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।