@Fabric Foundation
Myślę, że... Uruchamianie autonomicznych systemów uczy czegoś szybko. Awaria, na którą się przygotowujesz, nigdy nie jest tą, która cię kosztuje.
Uwzględniasz sprzęt. Uwzględniasz spadki sieci. Budujesz redundancję w oczywistych miejscach. Czego nie uwzględniasz, dopóki to się nie wydarzy, to moment, w którym maszyna robi dokładnie to, co jej powiedziano, a ty wciąż nie możesz tego udowodnić. Ani regulatorowi. Ani klientowi. Nawet sobie o 2 w nocy, gdy coś w górze wydaje się nie tak, a ty próbujesz odtworzyć, co tak naprawdę się wydarzyło w porównaniu do tego, co mówi log.
To bardziej mnie niepokoiło, niż się spodziewałem, gdy po raz pierwszy się z tym spotkałem.
Ponieważ nie dodajesz kolejnej warstwy audytu tylko dlatego, że coś się zepsuło. Dodajesz ją, ponieważ szara strefa jest prawdziwa, a twoja operacja nauczyła się jej bać. Szczerze mówiąc... większość projektowania protokołów nawet nie uznaje, że ten problem istnieje.
To sprawiło, że Fabric Protocol był wart mojego czasu.
Wspierany przez non-profit Fabric Foundation, to globalna otwarta sieć dla robotów ogólnego przeznaczenia, gdzie weryfikowalne obliczenia są strukturalne od samego początku. Gdy maszyna wykonuje zadanie, obliczenia są przypisane do publicznego rejestru. To, co system twierdzi, że się wydarzyło, a to, co się naprawdę wydarzyło, można potwierdzić niezależnie. Trochę jak zakładać, że paragon zawsze jest dokładny, nigdy nie sprawdzając konta. Fabric całkowicie eliminuje to założenie.
Większość autonomicznej infrastruktury opiera się na zaufaniu do dostawcy, zaufaniu do logu, zaufaniu do kanału aktualizacji. To nie skaluje się, gdy maszyny podejmują fizyczne decyzje w przestrzeniach, gdzie odpowiedzialność nie jest opcjonalna.
Przyjęcie to prawdziwy test tutaj, a nie architektura. Mimo to... wolę wolniejsze i zweryfikowane niż szybkie i ślepo zaufane.
