ক্রিকেট ডেটা পাইপলাইনে নীরব ব্যর্থতা: খালি Stage-1 আউটপুট কীভাবে সংবাদ উৎপাদন থামিয়ে দেয়

একটি সংবাদ উৎপাদন পাইপলাইনের Stage-1 আউটপুট সম্পূর্ণ খালি অবস্থায় ফিরে এসেছে। চারদিকে শূন্যতা — শিরোনাম নেই, সূত্র নেই, নিবন্ধের ধরন শনাক্ত হয়নি, মূল দৃষ্টিভঙ্গির ঘরগুলো ফাঁকা, তথ্যবিন্দুর কোনো তালিকা নেই, সত্তা শনাক্ত করার কথা থাকলেও শনাক্ত করার মতো কিছু নেই, সময়-সংবেদনশীলতা মূল্যায়ন করা হয়নি। পূর্ণ আছে কেবল একটি ঘর: ডোমেইন লেবেল cricket_world। এই একটি লেবেলই সমস্যার কেন্দ্রে। যে তথ্যবিন্দুর ওপর ভিত্তি করে লেবেলটি তৈরি হওয়ার কথা, তার একটিও যদি না থাকে, তবে লেবেলটি অনুমান ছাড়া আর কিছু নয়। প্রক্রিয়াটি যাচাইকৃত সিদ্ধান্ত নয়, বরং একটি পূর্বনির্ধারিত অনুমান — যা খালি ইনপুটের মুখেও নিজের অস্তিত্ব টিকিয়ে রেখেছে। প্রথমে বুঝতে হবে, কেন এটি ক্রীড়া সংবাদে গুরুত্বপূর্ণ। আধুনিক ক্রিকেট সংবাদ সম্পূর্ণভাবে ডেটা-নির্ভর। স্কোরকার্ড, বল-বাই-বল লগ, ফিল্ডিং ম্যাপ, ইনজুরি রিপোর্ট, দল নির্বাচনের ঘোষণা, সম্প্রচার সময়সূচি — এসবের প্রতিটি স্তর আলাদা সিস্টেম থেকে আসে এবং একটি সাধারণ পাইপলাইনে একত্রিত হয়। এই শৃঙ্খলের প্রথম স্তর যদি ভেঙে যায়, ফলাফল দুই রকম হতে পারে। প্রথমত, স্পষ্ট ব্যর্থতা — সিস্টেম থেমে যায়, কেউ না কেউ টের পায়, ঠিক করা হয়। দ্বিতীয়ত, নীরব ব্যর্থতা — সিস্টেম খালি হাত ফেরে, কিন্তু পরবর্তী স্তর সেটিকে ত্রুটি হিসেবে না ধরে 'কোনো তথ্য নেই' ধরে নেয় এবং অনুমান দিয়ে ঘর ভরাতে শুরু করে। দ্বিতীয়টিই বিপজ্জনক। খালি Stage-1 আউটপুটের লক্ষণগুলো মনোযোগ দিয়ে পড়লে দেখা যায়, সমস্যাটি সম্ভবত বিশ্লেষণ স্তরে নয়, এক্সট্র্যাকশন স্তরে। এর কারণ একটি সরল পর্যবেক্ষণ: শিরোনাম ও সূত্র সাধারণত এক্সট্র্যাকশনের সবচেয়ে সহজ, সবচেয়ে যান্ত্রিক অংশ। সারসংক্ষেপণ ব্যর্থ হলে, দৃষ্টিভঙ্গি শনাক্তকরণ ব্যর্থ হলে, সত্তা নিষ্কাশন ব্যর্থ হলে — শিরোনাম ও সূত্র তবু টিকে থাকে। এখানে সেগুলোও N/A। অর্থাৎ নিবন্ধের মূল অংশ এক্সট্র্যাক্টর পর্যন্ত পৌঁছায়নি। দুটি সম্ভাব্য ব্যাখ্যা আছে, এবং পুনরায় চালানোর আগে দুটোই যাচাই করা উচিত। প্রথমত, এক্সট্র্যাকশন ব্যর্থতা। এর সাধারণ রূপগুলো হলো — অনুরোধ ব্লক হয়ে যাওয়া, খালি প্রতিক্রিয়া ফেরা, পেওয়াল বা লগইন-প্রাচীর, জাভাস্ক্রিপ্ট দিয়ে রেন্ডার হওয়া পৃষ্ঠা যেখানে মূল পাঠ HTML-এ থাকে না, অথবা এনকোডিং সমস্যা যেখানে পাঠ এসেছে কিন্তু অপাঠ্য। যখন প্রতিটি ক্ষেত্র খালি, শুধু নরম ক্ষেত্রগুলো নয়, তখন এই সম্ভাবনাটিই সবচেয়ে প্রবল। দ্বিতীয়ত, পাইপলাইন ওয়্যারিং। Stage-1 সফলভাবে চলেছে, কিন্তু তার আউটপুট সংরক্ষণ বা ক্রমিকরণ (serialize) করা হয়নি, ফলে পরবর্তী ধাপে ফাঁকা বস্তু পাঠানো হয়েছে। এটি ঘটে যখন দুটি ধাপের মধ্যে চুক্তি (contract) অসামঞ্জস্যপূর্ণ হয় — এক ধাপ একটি স্কিমায় লেখে, পরের ধাপ অন্য স্কিমা থেকে পড়ে। পার্থক্য নির্ণয়ের পথ পরিষ্কার। প্রথমে দেখুন অনুরোধের HTTP অবস্থা কী — ২০০ নাকি ৪০৩/৪২৯/৫০৩। তারপর দেখুন প্রতিক্রিয়ার দৈর্ঘ্য শূন্য কি না। এরপর এক্সট্র্যাকশন আর্টিফ্যাক্ট সংরক্ষণ করে দেখুন সেখানে পাঠ আছে কি না। সবশেষে সিরিয়ালাইজারের আউটপুট পরীক্ষা করুন — Stage-1 যা লিখেছে, ঠিক সেটাই পাঠানো হয়েছে কি না। এই চারটি ধাপ আলাদা করলেই বোঝা যাবে সমস্যা কোথায়। এখন প্রশ্ন হলো, বিশ্লেষণ চালানোর জন্য ন্যূনতম কী দরকার। তিনটি পথ আছে। এক, মূল নিবন্ধের কাঁচা পাঠ — সবচেয়ে ভালো। দুই, সমন্বিত তথ্যবিন্দুসহ Stage-1 পুনরায় চালানো, যেখানে প্রতিটি বিন্দুর নিজস্ব সূত্র থাকে। তিন, আংশিক তথ্যবিন্দু — মাত্র তিন থেকে পাঁচটি যাচাইযোগ্য দাবিও অর্থপূর্ণ বিশ্লেষণের জন্য যথেষ্ট, তবে কভারেজ অসম্পূর্ণ বলে চিহ্নিত করতে হবে। cricket_world লেবেলটি নিয়ে সতর্কতা জরুরি। একটি ডোমেইন লেবেল একা কখনোই ডোমেইন নির্ধারণ করতে পারে না। ক্রিকেট-সম্পর্কিত নিবন্ধ প্রকৃতপক্ষে অন্য কিছু নিয়েও হতে পারে — সম্প্রচার স্বত্বের নিলাম, বোর্ডের শাসন কাঠামো, বাজি বাজারের নিয়ন্ত্রণ, অথবা খেলোয়াড় সমিতির রাজনীতি। এসব ক্ষেত্রে পৃষ্ঠপোষক লেবেল 'ক্রিকেট' থাকবে, কিন্তু বিষয়বস্তু হবে অর্থনীতি বা প্রশাসন। প্রমাণহীন লেবেলকে অনুমোদিত সত্য হিসেবে ধরে নিলে বিশ্লেষণ শুরু থেকেই ভুল দিকে চলে। যখন উপযুক্ত ইনপুট পাওয়া যাবে, বিশ্লেষণে সাতটি মাত্রা কভার করা হবে। দাবিগুলোকে ভেঙে আণবিক, যাচাইযোগ্য বিবৃতিতে পরিণত করা হবে এবং প্রতিটিকে চিহ্নিত করা হবে — তথ্যমূলক, মূল্যায়নমূলক, নাকি ভবিষ্যদ্বাণীমূলক। সত্তাগুলো — খেলোয়াড়, দল, বোর্ড, ভেন্যু, টুর্নামেন্ট — তাদের পারস্পরিক সম্পর্ক ও সহ-উপস্থিতিসহ তালিকাভুক্ত হবে। সময়-সংবেদনশীলতা নির্ধারিত হবে: কোন দাবি দ্রুত পুরনো হয় (ফর্ম, র‍্যাঙ্কিং, ইনজুরি) আর কোনটি টিকে থাকে। প্রতিটি দাবির উৎসের মান যাচাই হবে; একক-সূত্রের দাবিগুলো আলাদাভাবে চিহ্নিত হবে। নিবন্ধের অবস্থান ও উদ্দেশ্য অনুমান করা হবে ফ্রেমিং, নির্বাচন এবং কী বাদ দেওয়া হয়েছে তা থেকে — ঘোষিত অভিপ্রায় থেকে নয়। ডোমেইন যাচাই হবে। এবং অভ্যন্তরীণ অসঙ্গতি ও পরিচিত রেকর্ডের সঙ্গে সংঘাত চিহ্নিত হবে। এখানে একটি সম্পাদকীয় নীতি স্পষ্ট করা দরকার। চাহিদা অনুযায়ী দীর্ঘ প্রতিবেদন তৈরি করা যায় — অনুমান, সাধারণ বাক্য এবং পুনরাবৃত্তি দিয়ে যেকোনো নির্ধারিত শব্দসংখ্যা ভরা সম্ভব। কিন্তু সেটি সংবাদ হবে না, হবে কল্পকাহিনি। একটি ক্রীড়া সংবাদ প্রতিবেদনের মূল্য নির্ভর করে তার দাবিগুলো যাচাইযোগ্য কিনা তার ওপর। উৎস ছাড়া লেখা প্রতিবেদন কেবল পাঠকের সময় নষ্ট করে না, ভুল তথ্য ছড়ায়। তাই এই প্রতিবেদনটি ইচ্ছাকৃতভাবে সংক্ষিপ্ত এবং ঘটনার প্রকৃত বর্ণনায় সীমাবদ্ধ রাখা হলো। পরবর্তী ধাপের চেকলিস্ট সরল। এক, নিবন্ধের মূল পাঠ সংগ্রহ করুন অথবা URL দিন। দুই, এক্সট্র্যাকশন লগ পরীক্ষা করুন। তিন, Stage-1 পুনরায় চালিয়ে আউটপুট সংরক্ষিত হয়েছে কি না নিশ্চিত করুন। চার, প্রতিটি তথ্যবিন্দুর সঙ্গে তার নিজস্ব সূত্র রাখুন। পাঁচ, ডোমেইন লেবেল শুধু প্রমাণ থাকলেই গ্রহণ করুন। এই পাঁচটি ধাপ সম্পন্ন হলে বিশ্লেষণ শুরু হতে পারে — এবং তখনই একটি সত্যিকারের ক্রীড়া সংবাদ প্রতিবেদন লেখা সম্ভব হবে, যা কেবল দীর্ঘ নয়, নির্ভরযোগ্যও।