GPUAI-3565
TASK
Done
Dự án: GPUAI
Update data quality drift và thêm 2 api
Mô tả chi tiết & Yêu cầu
* *Phát triển thêm API Validation:* Đã hoàn thành và tích hợp các endpoint API mới phục vụ việc kiểm tra kết nối nguồn dữ liệu (Data Source) và đối chiếu độ khớp của file nhãn (Ground Truth).
* *Cập nhật module Data Quality:* Bổ sung logic tự động tính toán các chỉ số chất lượng mới như: tỷ lệ duplicate, tỷ lệ null, sai định dạng kiểu dữ liệu, dữ liệu nằm ngoài khoảng chuẩn và tỷ lệ danh mục mới xuất hiện.
* *Cải thiện thuật toán Feature Distribution:* Tích hợp tính toán khoảng cách Jensen-Shannon và L-Infinity để đo lường mức độ trôi dạt dữ liệu (Feature Drift) chính xác hơn.
* *Tối ưu cấu hình Kafka:* Cập nhật luồng khởi tạo Consumer để hỗ trợ đọc cấu hình linh hoạt theo từng Region.
* *Cập nhật Test & Payload:* Cấu trúc lại các file payload mẫu (Template) và cập nhật toàn bộ Unit Test để cover các thay đổi mới trong module Data Quality.
AI Chẩn đoán Bug & Tự động sửa lỗi (Auto-Fix)
Hệ thống AI sẽ rà soát mã lỗi, đối chiếu với lịch sử Git commit của các module repo để kiểm tra:
1. Đã fix trong code chưa? ·
2. Bug có được log đúng tiêu chuẩn không? ·
3. Định hướng sửa lỗi ·
4. Tự động sinh mã sửa và tạo git branch.
1. TÌNH TRẠNG FIX TRONG CODE:
CHƯA PHÂN TÍCH
2. ĐÁNH GIÁ CHẤT LƯỢNG LOG BUG:
CHƯA ĐÁNH GIÁ
3. NGUYÊN NHÂN GỐC RỄ & ĐỊNH HƯỚNG CÁCH FIX:
4. MÃ NGUỒN SỬA LỖI ĐỀ XUẤT (AUTO-FIX PATCH):
Nhánh đề xuất: fix/gpuai-3565-auto-patch
// Đoạn mã vá tự động sẽ xuất hiện sau khi chạy phân tích
Tự động hóa: Nhấn nút bên phải để tự động checkout nhánh và commit bản vá vào repository.
Ghi nhận công việc vào Jira (AI Log Work)
NHẬT KÝ LOGWORK ĐÃ GHI TRÊN JIRA:
Thông tin Ticket Jira
Module Repositories (2)
Backend Core
Web Dashboard
Commits gần đây
d18bf0f
Backend Core
d18bf0f
Web Dashboard