எலாஸ்டிக் ஸ்டேக்கில் இயந்திரக் கற்றலைப் புரிந்துகொள்வது (எலாஸ்டிக் தேடல், அல்லது ELK)

எலாஸ்டிக் ஸ்டேக் என்பது தொடர்பில்லாத எலாஸ்டிக் தேடல் தரவுத்தளம், கிபானா இணைய இடைமுகம் மற்றும் தரவு சேகரிப்பாளர்கள் மற்றும் செயலிகள் (மிகப் பிரபலமான லாக்ஸ்டாஷ், பல்வேறு பீட்ஸ், ஏபிஎம் மற்றும் பிற) ஆகியவற்றை அடிப்படையாகக் கொண்டது என்பதை நினைவில் கொள்வோம். முழு பட்டியலிடப்பட்ட தயாரிப்பு அடுக்கில் ஒரு நல்ல சேர்த்தல் ஒன்று இயந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி தரவு பகுப்பாய்வு ஆகும். இந்த வழிமுறைகள் என்ன என்பதை கட்டுரையில் புரிந்துகொள்கிறோம். தயவுசெய்து பூனையின் கீழ்.

மெஷின் லேர்னிங் என்பது ஷேர்வேர் எலாஸ்டிக் ஸ்டேக்கின் கட்டண அம்சம் மற்றும் எக்ஸ்-பேக்கில் சேர்க்கப்பட்டுள்ளது. இதைப் பயன்படுத்தத் தொடங்க, நிறுவிய பின் 30 நாள் சோதனையை இயக்கவும். சோதனைக் காலம் காலாவதியான பிறகு, அதை நீட்டிக்க அல்லது சந்தாவை வாங்குவதற்கு ஆதரவைக் கோரலாம். சந்தாவின் விலையானது தரவின் அளவின் அடிப்படையில் அல்ல, ஆனால் பயன்படுத்தப்படும் முனைகளின் எண்ணிக்கையின் அடிப்படையில் கணக்கிடப்படுகிறது. இல்லை, தரவு அளவு, நிச்சயமாக, தேவையான முனைகளின் எண்ணிக்கையை பாதிக்கிறது, ஆனால் இன்னும் உரிமம் வழங்குவதற்கான இந்த அணுகுமுறை நிறுவனத்தின் பட்ஜெட் தொடர்பாக மிகவும் மனிதாபிமானமானது. அதிக உற்பத்தி தேவை இல்லை என்றால், நீங்கள் பணத்தை சேமிக்க முடியும்.

எலாஸ்டிக் ஸ்டேக்கில் உள்ள ML ஆனது C++ இல் எழுதப்பட்டு JVMக்கு வெளியே இயங்குகிறது, இதில் Elasticsearch தானே இயங்குகிறது. அதாவது, இந்த செயல்முறை (தன்னிச்சையாக அழைக்கப்படுகிறது) JVM விழுங்காத அனைத்தையும் பயன்படுத்துகிறது. ஒரு டெமோ ஸ்டாண்டில் இது மிகவும் முக்கியமானதாக இல்லை, ஆனால் உற்பத்தி சூழலில் ML பணிகளுக்கு தனி முனைகளை ஒதுக்குவது முக்கியம்.

இயந்திர கற்றல் வழிமுறைகள் இரண்டு வகைகளாகப் பிரிக்கப்படுகின்றன - ஆசிரியருடன் и ஆசிரியர் இல்லாமல். மீள் அடுக்கில், அல்காரிதம் "கண்காணிக்கப்படாத" பிரிவில் உள்ளது. மூலம் இந்த இணைப்பு இயந்திர கற்றல் வழிமுறைகளின் கணித கருவியை நீங்கள் பார்க்கலாம்.

பகுப்பாய்வைச் செய்ய, இயந்திர கற்றல் அல்காரிதம் மீள் தேடல் குறியீடுகளில் சேமிக்கப்பட்ட தரவைப் பயன்படுத்துகிறது. கிபானா இடைமுகம் மற்றும் API மூலம் பகுப்பாய்வுக்கான பணிகளை நீங்கள் உருவாக்கலாம். கிபானா மூலம் இதைச் செய்தால், சில விஷயங்களை நீங்கள் தெரிந்து கொள்ள வேண்டியதில்லை. எடுத்துக்காட்டாக, அல்காரிதம் அதன் செயல்பாட்டின் போது பயன்படுத்தும் கூடுதல் குறியீடுகள்.

பகுப்பாய்வு செயல்பாட்டில் பயன்படுத்தப்படும் கூடுதல் குறியீடுகள்.ml-state — புள்ளியியல் மாதிரிகள் பற்றிய தகவல் (பகுப்பாய்வு அமைப்புகள்);
.ml-anomalies-* — ML அல்காரிதம்களின் முடிவுகள்;
.ml-notifications — பகுப்பாய்வு முடிவுகளின் அடிப்படையில் அறிவிப்புகளுக்கான அமைப்புகள்.

Elasticsearch தரவுத்தளத்தில் உள்ள தரவு அமைப்பு, அவற்றில் சேமிக்கப்பட்ட குறியீடுகள் மற்றும் ஆவணங்களைக் கொண்டுள்ளது. தொடர்புடைய தரவுத்தளத்துடன் ஒப்பிடும் போது, ​​ஒரு குறியீட்டை தரவுத்தள திட்டத்துடன் ஒப்பிடலாம், மேலும் ஒரு ஆவணத்தை அட்டவணையில் உள்ள பதிவுடன் ஒப்பிடலாம். இந்த ஒப்பீடு நிபந்தனைக்குட்பட்டது மற்றும் எலாஸ்டிக் தேடல் பற்றி மட்டுமே கேள்விப்பட்டவர்களுக்கு மேலும் பொருள் பற்றிய புரிதலை எளிமையாக்க வழங்கப்படுகிறது.

வலை இடைமுகம் மூலம் அதே செயல்பாடு API மூலம் கிடைக்கிறது, எனவே கருத்துகளின் தெளிவு மற்றும் புரிதலுக்காக, கிபானா மூலம் அதை எவ்வாறு கட்டமைப்பது என்பதைக் காண்பிப்போம். இடதுபுறத்தில் உள்ள மெனுவில் நீங்கள் ஒரு புதிய வேலையை உருவாக்கக்கூடிய இயந்திர கற்றல் பிரிவு உள்ளது. கிபானா இடைமுகத்தில் அது கீழே உள்ள படத்தைப் போல் தெரிகிறது. இப்போது நாம் ஒவ்வொரு வகையான பணிகளையும் பகுப்பாய்வு செய்வோம் மற்றும் இங்கே கட்டமைக்கக்கூடிய பகுப்பாய்வு வகைகளைக் காண்பிப்போம்.

ஒற்றை மெட்ரிக் - ஒரு மெட்ரிக் பகுப்பாய்வு, மல்டி மெட்ரிக் - இரண்டு அல்லது அதற்கு மேற்பட்ட அளவீடுகளின் பகுப்பாய்வு. இரண்டு சந்தர்ப்பங்களிலும், ஒவ்வொரு அளவீடும் தனிமைப்படுத்தப்பட்ட சூழலில் பகுப்பாய்வு செய்யப்படுகிறது, அதாவது. மல்டி மெட்ரிக் விஷயத்தில் தோன்றுவது போல, இணை பகுப்பாய்வு செய்யப்பட்ட அளவீடுகளின் நடத்தையை அல்காரிதம் கணக்கில் எடுத்துக்கொள்ளாது. பல்வேறு அளவீடுகளின் தொடர்புகளை கணக்கில் எடுத்துக்கொண்டு கணக்கீடுகளை மேற்கொள்ள, நீங்கள் மக்கள்தொகை பகுப்பாய்வைப் பயன்படுத்தலாம். அட்வான்ஸ்டு என்பது சில பணிகளுக்கான கூடுதல் விருப்பங்களுடன் அல்காரிதம்களை நன்றாகச் சரிசெய்கிறது.

ஒற்றை மெட்ரிக்

ஒரு ஒற்றை மெட்ரிக்கில் மாற்றங்களை பகுப்பாய்வு செய்வது இங்கே செய்யக்கூடிய எளிய விஷயம். கிரியேட் ஜாப் என்பதைக் கிளிக் செய்த பிறகு, அல்காரிதம் முரண்பாடுகளைத் தேடும்.

துறையில் திரட்டல் முரண்பாடுகளைத் தேடுவதற்கான அணுகுமுறையை நீங்கள் தேர்வு செய்யலாம். உதாரணமாக, எப்போது min வழக்கமான மதிப்புகளுக்குக் கீழே உள்ள மதிப்புகள் ஒழுங்கற்றதாகக் கருதப்படும். சாப்பிடு அதிகபட்சம், உயர் சராசரி, குறைந்த, சராசரி, தனித்துவமானது மற்றும் பலர். அனைத்து செயல்பாடுகளின் விளக்கங்களையும் காணலாம் இணைப்பு.

துறையில் களம் பகுப்பாய்வை நடத்தும் ஆவணத்தில் உள்ள எண் புலத்தை குறிக்கிறது.

துறையில் வாளி இடைவெளி - பகுப்பாய்வு மேற்கொள்ளப்படும் காலவரிசையில் உள்ள இடைவெளிகளின் கிரானுலாரிட்டி. நீங்கள் ஆட்டோமேஷனை நம்பலாம் அல்லது கைமுறையாக தேர்வு செய்யலாம். கிரானுலாரிட்டி மிகவும் குறைவாக இருப்பதற்கு கீழே உள்ள படம் ஒரு எடுத்துக்காட்டு - நீங்கள் ஒழுங்கின்மையை இழக்கலாம். இந்த அமைப்பைப் பயன்படுத்தி, அல்காரிதத்தின் உணர்திறனை முரண்பாடுகளுக்கு மாற்றலாம்.

சேகரிக்கப்பட்ட தரவுகளின் காலம் பகுப்பாய்வின் செயல்திறனை பாதிக்கும் ஒரு முக்கிய விஷயம். பகுப்பாய்வின் போது, ​​அல்காரிதம் மீண்டும் மீண்டும் இடைவெளிகளை அடையாளம் காட்டுகிறது, நம்பிக்கை இடைவெளிகளை (அடிப்படைகள்) கணக்கிடுகிறது மற்றும் முரண்பாடுகளை அடையாளம் காட்டுகிறது - மெட்ரிக் வழக்கமான நடத்தையிலிருந்து வித்தியாசமான விலகல்கள். உதாரணத்திற்கு:

சிறிய அளவிலான தரவுகளுடன் அடிப்படைகள்:

அல்காரிதத்தில் இருந்து கற்றுக்கொள்ள ஏதாவது இருந்தால், அடிப்படை இது போல் இருக்கும்:

பணியைத் தொடங்கிய பிறகு, அல்காரிதம் விதிமுறையிலிருந்து முரண்பாடான விலகல்களைத் தீர்மானிக்கிறது மற்றும் ஒழுங்கின்மையின் நிகழ்தகவுக்கு ஏற்ப அவற்றை வரிசைப்படுத்துகிறது (தொடர்புடைய லேபிளின் நிறம் அடைப்புக்குறிக்குள் குறிக்கப்படுகிறது):

எச்சரிக்கை (நீலம்): 25க்கும் குறைவானது
சிறியது (மஞ்சள்): 25-50
மேஜர் (ஆரஞ்சு): 50-75
முக்கியமான (சிவப்பு): 75-100

கீழே உள்ள வரைபடம் கண்டறியப்பட்ட முரண்பாடுகளின் உதாரணத்தைக் காட்டுகிறது.

இங்கே நீங்கள் 94 என்ற எண்ணைக் காணலாம், இது ஒரு ஒழுங்கின்மையின் நிகழ்தகவைக் குறிக்கிறது. இதன் மதிப்பு 100க்கு அருகில் இருப்பதால், நமக்கு ஒரு ஒழுங்கின்மை உள்ளது என்பது தெளிவாகிறது. வரைபடத்தின் கீழே உள்ள நெடுவரிசை, அங்கு தோன்றும் மெட்ரிக் மதிப்பின் 0.000063634% என்ற இழிவான சிறிய நிகழ்தகவைக் காட்டுகிறது.

முரண்பாடுகளைத் தேடுவதைத் தவிர, நீங்கள் கிபானாவில் முன்கணிப்பை இயக்கலாம். இது எளிமையாகவும் அதே பார்வையில் முரண்பாடுகளுடன் செய்யப்படுகிறது - பொத்தான் முன்அறிவிப்பு மேல் வலது மூலையில்.

முன்னறிவிப்பு அதிகபட்சம் 8 வாரங்களுக்கு முன்பே செய்யப்படுகிறது. நீங்கள் உண்மையிலேயே விரும்பினாலும், வடிவமைப்பால் இனி சாத்தியமில்லை.

சில சூழ்நிலைகளில், முன்னறிவிப்பு மிகவும் பயனுள்ளதாக இருக்கும், எடுத்துக்காட்டாக, உள்கட்டமைப்பில் பயனர் சுமைகளை கண்காணிக்கும் போது.

மல்டி மெட்ரிக்

எலாஸ்டிக் ஸ்டேக்கில் அடுத்த ML அம்சத்திற்குச் செல்வோம் - ஒரு தொகுப்பில் பல அளவீடுகளை பகுப்பாய்வு செய்தல். ஆனால் ஒரு மெட்ரிக்கை மற்றொன்றைச் சார்ந்திருப்பது பகுப்பாய்வு செய்யப்படும் என்று இது அர்த்தப்படுத்துவதில்லை. இது சிங்கிள் மெட்ரிக்கைப் போன்றது, ஆனால் ஒரு திரையில் பல அளவீடுகளுடன் ஒன்றின் தாக்கத்தை மற்றொன்றில் எளிதாக ஒப்பிடலாம். மக்கள்தொகை பிரிவில் ஒரு அளவீட்டின் சார்புநிலையை பகுப்பாய்வு செய்வது பற்றி பேசுவோம்.

மல்டி மெட்ரிக் கொண்ட சதுரத்தில் கிளிக் செய்த பிறகு, அமைப்புகளுடன் கூடிய சாளரம் தோன்றும். அவற்றை இன்னும் விரிவாகப் பார்ப்போம்.

முதலில் நீங்கள் பகுப்பாய்வு மற்றும் தரவு திரட்டலுக்கான புலங்களைத் தேர்ந்தெடுக்க வேண்டும். இங்குள்ள ஒருங்கிணைப்பு விருப்பங்கள் ஒற்றை மெட்ரிக் (அதிகபட்சம், உயர் சராசரி, குறைந்த, சராசரி, தனித்துவமானது மற்றும் பலர்). மேலும், விரும்பினால், தரவு புலங்களில் ஒன்றாக பிரிக்கப்பட்டுள்ளது (புலம் தரவைப் பிரிக்கவும்) எடுத்துக்காட்டில், நாங்கள் இதை புலம் மூலம் செய்தோம் ஆரிஜின் ஏர்போர்ட் ஐடி. வலதுபுறத்தில் உள்ள அளவீடுகள் வரைபடம் இப்போது பல வரைபடங்களாக வழங்கப்படுவதைக் கவனியுங்கள்.

துறையில் முக்கிய துறைகள் (செல்வாக்கு செலுத்துபவர்கள்) கண்டறியப்பட்ட முரண்பாடுகளை நேரடியாக பாதிக்கிறது. இயல்பாக, இங்கு எப்போதும் குறைந்தபட்சம் ஒரு மதிப்பு இருக்கும், மேலும் நீங்கள் கூடுதல் மதிப்புகளைச் சேர்க்கலாம். அல்காரிதம் பகுப்பாய்வு செய்யும் போது இந்த புலங்களின் செல்வாக்கை கணக்கில் எடுத்துக் கொள்ளும் மற்றும் மிகவும் "செல்வாக்கு" மதிப்புகளைக் காண்பிக்கும்.

தொடங்கப்பட்ட பிறகு, கிபானா இடைமுகத்தில் இது போன்ற ஒன்று தோன்றும்.

இதுவே அழைக்கப்படுகிறது ஒவ்வொரு புல மதிப்புக்கும் முரண்பாடுகளின் வெப்ப வரைபடம் ஆரிஜின் ஏர்போர்ட் ஐடி, இதில் நாங்கள் குறிப்பிட்டுள்ளோம் தரவைப் பிரிக்கவும். ஒற்றை மெட்ரிக்கைப் போலவே, நிறம் அசாதாரண விலகலின் அளவைக் குறிக்கிறது. இதேபோன்ற பகுப்பாய்வைச் செய்வது வசதியானது, எடுத்துக்காட்டாக, பணிநிலையங்களில் சந்தேகத்திற்கிடமான அதிக எண்ணிக்கையிலான அங்கீகாரங்கள் உள்ளவர்களைக் கண்காணிப்பது போன்றவை. நாங்கள் ஏற்கனவே எழுதியுள்ளோம் EventLog Windows இல் சந்தேகத்திற்குரிய நிகழ்வுகள் பற்றி, அதையும் இங்கே சேகரித்து பகுப்பாய்வு செய்யலாம்.

வெப்ப வரைபடத்தின் கீழே முரண்பாடுகளின் பட்டியல் உள்ளது, ஒவ்வொன்றிலிருந்தும் நீங்கள் விரிவான பகுப்பாய்வுக்காக ஒற்றை மெட்ரிக் காட்சிக்கு மாறலாம்.

மக்கள் தொகை

வெவ்வேறு அளவீடுகளுக்கு இடையிலான தொடர்புகளுக்கு இடையே உள்ள முரண்பாடுகளைத் தேட, மீள் அடுக்கு ஒரு சிறப்பு மக்கள்தொகை பகுப்பாய்வைக் கொண்டுள்ளது. எடுத்துக்காட்டாக, இலக்கு அமைப்பிற்கான கோரிக்கைகளின் எண்ணிக்கை அதிகரிக்கும் போது, ​​​​மற்றவற்றுடன் ஒப்பிடும்போது சேவையகத்தின் செயல்திறனில் முரண்பாடான மதிப்புகளைத் தேடுவது அதன் உதவியுடன் தான்.

இந்த விளக்கப்படத்தில், மக்கள்தொகை புலம் பகுப்பாய்வு செய்யப்பட்ட அளவீடுகள் எந்த மதிப்புடன் தொடர்புடையது என்பதைக் குறிக்கிறது. இந்த வழக்கில் இது செயல்முறையின் பெயர். இதன் விளைவாக, ஒவ்வொரு செயல்முறையின் செயலி சுமை ஒருவருக்கொருவர் எவ்வாறு தாக்கத்தை ஏற்படுத்தியது என்பதைப் பார்ப்போம்.

பகுப்பாய்வு செய்யப்பட்ட தரவின் வரைபடம் ஒற்றை மெட்ரிக் மற்றும் மல்டி மெட்ரிக் நிகழ்வுகளிலிருந்து வேறுபடுகிறது என்பதை நினைவில் கொள்ளவும். பகுப்பாய்வு செய்யப்பட்ட தரவுகளின் மதிப்புகளின் பரவல் பற்றிய மேம்பட்ட கருத்துக்காக இது கிபானாவில் வடிவமைக்கப்பட்டது.

செயல்முறை அசாதாரணமாக நடந்துகொண்டதை வரைபடம் காட்டுகிறது மன அழுத்தம் சேவையகத்தில் (ஒரு சிறப்பு பயன்பாட்டினால் உருவாக்கப்பட்டது). poipu, யார் இந்த ஒழுங்கின்மை நிகழ்வை பாதித்தது (அல்லது ஒரு செல்வாக்கு செலுத்துபவராக மாறியது).

மேம்பட்ட

சிறந்த ட்யூனிங் கொண்ட பகுப்பாய்வு. மேம்பட்ட பகுப்பாய்வு மூலம், கூடுதல் அமைப்புகள் கிபானாவில் தோன்றும். உருவாக்கும் மெனுவில் உள்ள மேம்பட்ட ஓடு என்பதைக் கிளிக் செய்த பிறகு, தாவல்களுடன் கூடிய இந்த சாளரம் தோன்றும். தாவல் வேலை விவரங்கள் நாங்கள் வேண்டுமென்றே அதைத் தவிர்த்துவிட்டோம், பகுப்பாய்வை அமைப்பதற்கு நேரடியாக தொடர்பில்லாத அடிப்படை அமைப்புகள் உள்ளன.

В சுருக்கம்_எண்ணிக்கை_புலம்_பெயர் விருப்பமாக, ஒருங்கிணைந்த மதிப்புகளைக் கொண்ட ஆவணங்களிலிருந்து புலத்தின் பெயரைக் குறிப்பிடலாம். இந்த எடுத்துக்காட்டில், நிமிடத்திற்கு நிகழ்வுகளின் எண்ணிக்கை. IN வகைப்படுத்தல்_புலம்_பெயர் சில மாறி மதிப்பைக் கொண்ட ஆவணத்திலிருந்து ஒரு புலத்தின் பெயர் மற்றும் மதிப்பைக் குறிக்கிறது. இந்த புலத்தில் முகமூடியைப் பயன்படுத்தி, பகுப்பாய்வு செய்யப்பட்ட தரவை துணைக்குழுக்களாகப் பிரிக்கலாம். பொத்தானில் கவனம் செலுத்துங்கள் டிடெக்டரைச் சேர்க்கவும் முந்தைய விளக்கத்தில். இந்த பொத்தானைக் கிளிக் செய்வதன் முடிவு கீழே உள்ளது.

ஒரு குறிப்பிட்ட பணிக்காக ஒழுங்கின்மை கண்டறியும் கருவியை உள்ளமைப்பதற்கான கூடுதல் அமைப்புகளின் தொகுதி இங்கே உள்ளது. பின்வரும் கட்டுரைகளில் குறிப்பிட்ட பயன்பாட்டு நிகழ்வுகளை (குறிப்பாக பாதுகாப்பு) விவாதிக்க திட்டமிட்டுள்ளோம். உதாரணத்திற்கு, பாருங்கள் பிரிக்கப்பட்ட வழக்குகளில் ஒன்று. இது அரிதாக தோன்றும் மதிப்புகளுக்கான தேடலுடன் தொடர்புடையது மற்றும் செயல்படுத்தப்படுகிறது அரிய செயல்பாடு.

துறையில் செயல்பாடு முரண்பாடுகளைத் தேட நீங்கள் ஒரு குறிப்பிட்ட செயல்பாட்டைத் தேர்ந்தெடுக்கலாம். தவிர அரிய, இன்னும் இரண்டு சுவாரஸ்யமான செயல்பாடுகள் உள்ளன - நாள்_நேரம் и வாரம்_நேரம். அவை முறையே நாள் அல்லது வாரம் முழுவதும் அளவீடுகளின் நடத்தையில் முரண்பாடுகளை அடையாளம் காண்கின்றன. பிற பகுப்பாய்வு செயல்பாடுகள் ஆவணத்தில் உள்ளது.

В புலம்_பெயர் பகுப்பாய்வு மேற்கொள்ளப்படும் ஆவணத்தின் புலத்தை குறிக்கிறது. மூலம்_புலம்_பெயர் இங்கு குறிப்பிடப்பட்டுள்ள ஆவணப் புலத்தின் ஒவ்வொரு தனிப்பட்ட மதிப்பிற்கும் பகுப்பாய்வு முடிவுகளைப் பிரிக்கப் பயன்படுத்தலாம். நீங்கள் நிரப்பினால் மேல்_புலம்_பெயர் நாங்கள் மேலே விவாதித்த மக்கள்தொகை பகுப்பாய்வைப் பெறுவீர்கள். நீங்கள் ஒரு மதிப்பைக் குறிப்பிட்டால் partition_field_பெயர், பின்னர் இந்த ஆவணத்தின் புலத்திற்கு ஒவ்வொரு மதிப்புக்கும் தனித்தனி அடிப்படைகள் கணக்கிடப்படும் (மதிப்பு, எடுத்துக்காட்டாக, சேவையகத்தின் பெயர் அல்லது சேவையகத்தில் உள்ள செயல்முறையாக இருக்கலாம்). IN விலக்க_அடிக்கடி தேர்வு செய்யலாம் அனைத்து அல்லது யாரும், இது அடிக்கடி நிகழும் ஆவண புல மதிப்புகளைத் தவிர்த்து (அல்லது உட்பட) குறிக்கும்.

இந்த கட்டுரையில், எலாஸ்டிக் ஸ்டேக்கில் இயந்திர கற்றலின் திறன்களைப் பற்றி முடிந்தவரை சுருக்கமாக ஒரு யோசனை கொடுக்க முயற்சித்தோம்; திரைக்குப் பின்னால் இன்னும் நிறைய விவரங்கள் உள்ளன. எலாஸ்டிக் ஸ்டேக்கைப் பயன்படுத்தி நீங்கள் எந்தெந்த வழக்குகளைத் தீர்க்க முடிந்தது மற்றும் எந்தப் பணிகளுக்குப் பயன்படுத்துகிறீர்கள் என்பதை கருத்துகளில் எங்களிடம் கூறுங்கள். எங்களைத் தொடர்புகொள்ள, நீங்கள் Habré இல் தனிப்பட்ட செய்திகளைப் பயன்படுத்தலாம் அல்லது இணையதளத்தில் கருத்துப் படிவம்.

ஆதாரம்: www.habr.com