A evolución da computación en nube e a intelixencia artificial transformou fundamentalmente a forma en que as empresas constrúen e escalan plataformas tecnolóxicas.A infraestrutura de nube moderna debe manexar millóns de usuarios simultáneos en decenas de rexións xeográficas, mantendo os estándares de seguridade, fiabilidade e rendemento que cumpren coas demandas das axencias gobernamentais e das empresas Fortune 500. Os enxeñeiros de infraestruturas máis logrados demostran versatilidade en varios dominios, desde a rede e a seguridade ata sistemas de IA e aprendizaxe automática. Estes profesionais comprenden que as plataformas de construción utilizadas por millóns requiren non só experiencia técnica, senón tamén a capacidade de anticipar desafíos de escala meses ou anos de antelación. Con sete anos en Microsoft Azure seguidos de roles de liderado en IA empresarial en Docusign, Abhinav Sharma exemplifica esta viaxe integral a través da moderna enxeñaría de nube e IA. A súa experiencia abarca a infraestrutura global de Azure Networking, a evolución da plataforma de Azure AI Search durante a era pre-LLM, e agora arquitectando sistemas de intelixencia de documentos que procesan máis de 150 millóns de acordos. Nesta conversación, exploramos a viaxe de Abhinav a través destes diversos equipos de enxeñaría e o traballo involucrado na construción e escalación de infraestruturas de nube e IA a gran escala. Arquitectura de marcos de proba continua para a infraestrutura de nube global “Os primeiros días en Azure Networking foron intensos. Como novo grao, era abrumador mergullarse nun ecosistema tan vasto de compoñentes de rede que operaban a escala na nube. Foi doado perderse no mar de acrónimos de tres letras, cada un apuntando a un equipo ou subsistema diferente, sen un sentido claro de como se encaixan todos na arquitectura de rede máis ampla. Só aprendendo as capas da pila levou varios meses”, recorda Abhinav, reflexionando sobre a súa carreira inicial despois de completar o seu mestrado na Universidade de Columbia en 2016. Axiña tomou un proxecto que lle deu unha exposición profunda e de extremo a extremo á pila de rede pública de Azure: balanceadores de carga de software, redes virtuais e subredes, conxuntos de escala de máquinas virtuais, grupos de Este esforzo de ensaio e seguimento a gran escala permitiu a Abhinav deseñar e implantar un marco altamente configurable que axudou á organización de rede máis ampla a identificar os problemas de regresión de forma precoz, especialmente en rexións con baixo tráfico. Ao capturar estes problemas antes de que escalasen, o equipo puido evitar centos de interrupcións críticas que puideron afectar aos clientes de Azure e corroer a confianza na fiabilidade da plataforma. "Foi un deses proxectos obvios que simplemente necesitaban existir - un problema de gravidade 1 na pila de redes pode causar interrupcións a través de innumerables servizos avanzados. Construír unha plataforma de busca de clase empresarial Despois do seu tempo en Azure Networking, e no medio do aumento do impulso en torno á IA en 2018, Abhinav pasou a Azure AI Search. En comparación coa rede, o equipo era máis novo e máis pequeno, centrado na entrega de APIs de busca como servizo para clientes empresariais. "Por exemplo, se vostede é unha gran empresa de comercio electrónico, a busca é unha capacidade fundamental. Pode construír e manter os seus propios grupos e equipos de busca internos, ou pode descargar ese traballo a Azure AI Search. A demanda por este tipo de capacidade de busca xestionada estaba crecendo rapidamente en todas as industrias e casos de uso". "Por exemplo, se vostede é unha gran empresa de comercio electrónico, a busca é unha capacidade fundamental. Pode construír e manter os seus propios grupos e equipos de busca internos, ou pode descargar ese traballo a Azure AI Search. A demanda por este tipo de capacidade de busca xestionada estaba crecendo rapidamente en todas as industrias e casos de uso". Durante os seus catro anos co equipo, Abhinav contribuíu a varias capas da plataforma. Traballou extensivamente en varios compoñentes fundamentais esenciais para a escalación dun servizo -incluíndo sistemas de telemetría, infraestrutura de facturación, xestión secreta, construción de servizos e unha ampla gama de ferramentas internas. Estas capacidades formaron a columna vertebral do crecemento da plataforma, e Abhinav xogou un papel clave na súa configuración. "Crecendo o servizo desde un puñado de rexións a máis de 40 en todo o mundo, necesitamos estandarizar e automatizar o noso proceso de construción rexional - isto foi esencial para a escalación eficaz", observa Abhinav. Un gran punto de inflexión para o equipo chegou co contrato JEDI, unha iniciativa do goberno de varios mil millóns de dólares para a adopción Para conseguir isto, liderou varias iniciativas clave para reforzar a seguridade e a postura de conformidade da plataforma. Introduciu mecanismos automatizados de rotación de segredos a través dunha frota de decenas de miles de máquinas, mellorando significativamente a seguridade operativa. Tamén liderou os esforzos de privacidade centrados na obstrución de telemetría, asegurándose de que non se rexistrasen ningunha información sensible e que todos os datos se clasificaran e accedesen ao nivel de seguridade adecuado. Ademais, construíu ferramentas con robustos controis de acceso baseados en funcións para apoiar o acceso a nódulos just-in-time (JIT), reforzando aínda máis o modelo de auditoría e seguridade da plataforma. "Había moitos requisitos que estaban en vigor para JEDI, moitos deles establecidos que vivirían durante Mirando cara atrás: leccións de crecemento e pivote de carreira de Azure Ao longo de todos estes anos, Abhinav observa que foi un tempo incrible para estar en Microsoft. "Foi fascinante ver que Azure como unha plataforma evolucionou tan dramaticamente desde que me unín por primeira vez. Había un dito en Azure entón: deseñar os seus sistemas como se estivese executando 10x o tráfico só algúns meses a partir de agora. O deseño para cargas de traballo de gran escala obriga a pensar de forma diferente sobre todo -como se impón o illamento de arrendamento, como se aproxima a privacidade do usuario e a clasificación de datos, como se deseña o control de fluxo de traballo e os mecanismos de restauración, e mesmo como se constrúe ferramentas para expandir o seu servizo globalmente con patróns de nomeamento e infraestrutura consistentes. Despois do seu tempo en Microsoft, Abhinav mudouse a Docusign, onde entrou no mundo da intelixencia de documentos e as solucións impulsadas por IA deseñadas para simplificar os complexos procesos legais. "Despois de moita experiencia nesta plataforma baixo o meu cinto, sentín que era hora de gañar experiencia con sistemas ML básicos, especialmente no espazo de NLP. Sempre me pareceu un mundo fascinante - ser capaz de interactuar con documentos e mergullo en problemas como a detección de linguaxe, análise de deseño de documentos, extracción de metadatos, sistemas de chat e recuperación de información usando algoritmos de semántica semellanza. Sudaderas en Abhinav Sharma Abhinav é actualmente un enxeñeiro de ML de persoal en Docusign, onde se centra en avanzar as capacidades de intelixencia de documentos para impulsar a adopción da plataforma de xestión de acordos intelixentes (IAM). Desde o seu lanzamento en xuño de 2024, a plataforma procesou centos de millóns de acordos, con Abhinav xogando un papel clave na formación dos sistemas de IA que permiten esta escala. Antes de Docusign, Abhinav traballou na sede de Microsoft en Redmond, WA, contribuíndo ás iniciativas de nube e infraestrutura de núcleo en Azure Networking e Azure AI Search. Abhinav posúe graos de mestrado da Universidade de California, Berkeley e da Universidade de Columbia, onde se especializou en ciencia de datos, recuperación de información, aprendizaxe automática, sistemas distribuídos e excelencia operativa. Tamén obtivo unha licenciatura en Ciencias da Computación da Universidade de Manipal, construíndo unha base sólida en principios de ciencia da computación e programación. Fóra do traballo, Abhinav goza de tocar a guitarra, viaxar, explorar novos lugares e aprender sobre sistemas de aviación. Esta historia foi distribuída como unha publicación por Sanya Kapoor baixo HackerNoon's Business Blogging Program. Esta historia foi distribuída como unha publicación por Sanya Kapoor baixo HackerNoon's Business Blogging Program. O programa de blogs de negocios de HackerNoon
