SELECT * FROM hell: Как aнализ Python кода спас нашу валидацию 100 000 сетевых устройств

Доклад посвящён архитектурной проблеме, с которой сталкиваются команды, обслуживающие крупные распределённые системы: данные о состоянии инфраструктуры разбросаны по множеству источников, имеют разную структуру и требуют ручной агрегации. При росте системы до десятков и сотен тысяч элементов классический путь — собрать данные из пяти систем, нормализовать, написать ad-hoc скрипт — перестаёт работать. Проверки занимают часы, не воспроизводятся и не масштабируются. Мы расскажем, как решили эту проблему на примере валидации сетевой инфраструктуры, и покажем архитектурный подход, применимый значительно шире: для compliance-анализа, data quality, проверки конфигураций и любого регулярного контроля над сложными данными. В основе — концепция X as a Database: представление предметной области как единой логической модели, над которой можно выполнять декларативный анализ. Пользователь работает с бизнес-сущностями, система динамически компилирует правила в оптимизированные SQL-запросы и выполняет их поверх унифицированного хранилища.