Goodhart's சட்டத்தின் வலுவான பதிப்பு ஒரு பிரதிநிதி அளவீட்டை அதிகப்படியாக மேம்படுத்துவது உண்மையான இலக்கில் மோசமான விளைவுகளை ஏற்படுத்தக்கூடும் என்று கூறுகிறது, இது தரநிலைக் கற்றல் மற்றும் இயந்திரக் கற்றலில் அதிகப்படியான பொருத்தத்தைப் போலவே.
இந்த கருத்து அரசியல், பொருளாதாரம் மற்றும் சுகாதாரம் உள்ளிட்ட பல்வேறு துறைகளில் பொருந்தக்கூடியது, இந்த நிகழ்வின் பரந்த பொருத்தத்தை குறிக்கிறது.
"Mitigation strategies from machine learning, such as aligning proxy goals with desired outcomes, adding regularization penalties, injecting noise, and using early stopping, can help manage these issues." மெஷின் லெர்னிங்கில் இருந்து வரும் குறைப்புக் கையாளுதல் உத்தியுகள், விரும்பிய முடிவுகளுடன் இடைமுக இலக்குகளை ஒழுங்குபடுத்துதல், ஒழுங்குபடுத்தல் தண்டனைகளைச் சேர்த்தல், சத்தத்தைச் சேர்த்தல், மற்றும் ஆரம்பத்தில் நிறுத்துதல் போன்றவை, இந்த பிரச்சினைகளை நிர்வகிக்க உதவலாம்.
இயந்திரக் கற்றல் மற்றும் பிற துறைகளில் அதிகப்படியான மேம்பாடு எதிர்மறை விளைவுகளை ஏற்படுத்தக்கூ டும், என எம்எல் ஆராய்ச்சியாளர் ஜாஷா சோல்-டிக்ஸ்டீன் கூறுகிறார்.
இந்த கருத்து குயிட்ஹார்ட் சட்டத்துடன் ஒத்துப்போகிறது, இது ஒரு அளவீடு இலக்காக மாறும்போது, அது ஒரு நல்ல அளவீடாக இருக்காது என்று கூறுகிறது.
உதாரணமாக, COVID-19 சப்ளை சேன் தடங்கல்கள் மற்றும் சுவீடனில் சுகாதாரம் மற்றும் ரயில்வே துறைகளில் செயல்திறன் குறைபாடுகள் ஆகியவை அதிகப்படியான மேம்பாட்டின் எதிர்மறை விளைவுகளை வெளிப்படுத்துகின்றன, இது முறைமைகள் சில தளர்வுகளை பராமரிக்க வேண்டும் என்பதற்கான தேவையை வலியுறுத்துகிறது.
Discord முதலில் செய்தி சேமிப்பிற்காக MongoDB ஐ பயன்படுத்தியது, ஆனால் சிறந்த அளவீட்டு திறன் மற்றும் பிழை சகிப்புத்தன்மைக்காக Cassandra க்கு மாறியது, இது பின்னர் செயல்திறன் மற்றும் பராமரிப்பு சிக்கல்களுக்கு வழிவகுத்தது.
2022 ஆம் ஆண்டில், டிஸ்கார்ட் கசாண்ட்ராவிலிருந்து சில்லா டிபி எனும் அதிக செயல்திறன் கொண்ட, C++ அடிப்படையிலான, கசாண்ட்ரா-இணக்கமான தரவுத்தொகுப்புக்கு மாறியது, 177 நொடுகளை 72 ஆகக் குறைத்து, தாமதம் மற்றும் செயல்திறனை குறிப்பிடத்தக்க அளவில் மேம்படுத்தியது.
புலம் பெயர்வு புதிய தரவுகளை இரட்டை எழுதுதல் மற்றும் வரலாற்று தரவுகளுக்காக ரஸ்ட் அடிப்படையிலான மைக்ரேட்டரைப் பயன்படுத்துதல் ஆகியவற்றை உள்ளடக்கியது, இதனால் குறைவான சிக்கல்கள் மற்றும் உலகக் கோப்பை போன்ற முக்கிய நிகழ்வுகளின் போது அதிகரித்த போக்குவரத்தைச் சிறப்பாக கையாள முடிந்தது.
Discord செயல்திறன் பிரச்சினைகளை, குறிப்பாக நீக்கல்கள் மற்றும் குப்பை சேகரிப்பு (GC) தொடர்பானவற்றை சரிசெய்ய, Cassandra விலிருந்து ScyllaDB க்கு மாறியது.
ScyllaDB நீக்கல்களுக்கு இன்னும் கல்லறை கற்களைப் பயன்படுத்தினாலும், சிறந்த சுருக்க உத்தியோகங்கள் மற்றும் செயல்திறனை வழங்குகிறது.
Discord அவர்கள் இடமாற்றத்தின் போது தங்களின் தற்போதைய திட்டவட்டம் மற்றும் பகிர்வு உத்தியோகத்தை பராமரித்தனர், நல்ல இயல்புநிலை அமைப்புகளின் முக்கியத்துவத்தை வலியுறுத்தினர்.