Представио Еластиц
Дневници су постављени да постану примарни алат за проналажење „зашто“ у дијагностици мрежних инцидената
Савремена ИТ окружења имају проблем са подацима: превише их је. Организације које треба да управљају окружењем компаније имају све већи изазов да открију и дијагностикују проблеме у реалном времену, оптимизују перформансе, побољшају поузданост и обезбеде безбедност и усклађеност — све у оквиру ограничених буџета.
Савремени пејзаж видљивости има много алата који нуде решење. Већина се врти око ДевОпс тимова или инжењера за поузданост локације (СРЕ) који анализирају евиденције, метрике и трагове како би открили обрасце и открили шта се дешава широм мреже и дијагностиковали зашто је дошло до проблема или инцидента. Проблем је у томе што процес ствара преоптерећење информацијама: само Кубернетес кластер може емитовати 30 до 50 гигабајта дневника дневно, а сумњиви обрасци понашања могу се провући мимо људских очију.
"Тако је анахроно сада, у свету вештачке интелигенције, размишљати о људима који сами посматрају инфраструктуру," каже Кен Екснер, директор производа у компанији Еластиц. "Мрзим да вам то кажем, али машине су боље од људских бића у усклађивању шаблона.“
Фокус у целој индустрији на визуелизацију симптома приморава инжењере да ручно траже одговоре. Оно што је пресудно "зашто" је закопан у дневнике, али пошто они садрже огромне количине неструктурираних података, индустрија их користи као последње средство. Ово је приморало тимове на скупе компромисе: или проводе безброј сати у изградњи сложених цевовода података, испуштају вредне податке дневника и ризикују критичне празнине у видљивости, или евидентирају и заборављају.
Еластиц, компанија Сеарцх АИ, недавно је објавила нову функцију за видљивост под називом Стреамс, која има за циљ да постане примарни сигнал за истраге узимајући бучне записе и претварајући их у обрасце, контекст и значење.
Стреамс користи вештачку интелигенцију за аутоматско партиционисање и рашчлањивање необрађених дневника да би издвојио релевантна поља и у великој мери смањио напор потребан од СРЕ-а да би евиденције биле употребљиве. Стреамови такође аутоматски приказују значајне догађаје као што су критичне грешке и аномалије из дневника богатих контекстом, дајући СРЕ-овима рана упозорења и јасно разумевање њиховог оптерећења, омогућавајући им да брже истражују и решавају проблеме. Крајњи циљ је да се покажу кораци санације.
"Од сирових, обимних, неуредних података, Стреамс аутоматски креира структуру, стављајући је у облик који је употребљив, аутоматски вас упозорава на проблеме и помаже вам да их отклоните," Екснер каже. "То је магија Потока."
Покварен ток посла
Токови ометају процес видљивости за који неки кажу да је прекинут. Типично, СРЕ постављају метрике, евиденције и трагове. Затим постављају упозорења и циљеве нивоа услуге (СЛО) — често чврсто кодирана правила да покажу где је услуга или процес прешао праг, или је откривен одређени образац.
Када се упозорење покрене, оно указује на метрику која показује аномалију. Одатле, СРЕ гледају на контролну таблу метрика, где могу да визуелизују проблем и упореде упозорење са другим метрикама, или ЦПУ са меморијом до И/О, и почну да траже обрасце.
Тада ће можда морати да погледају траг и испитају узводне и низводне зависности у апликацији да би копали у основни узрок проблема. Када схвате шта је узрок проблема, скачу у евиденцију те базе података или услуге да би покушали да отклоне проблем.
Неке компаније једноставно желе да додају више алата када се постојећи покажу неефикасним. То значи да СРЕ-ови скачу од алата до алата како би били у току са надгледањем и решавањем проблема у својој инфраструктури и апликацијама.
"Прелазите на различите алате. Ослањате се на човека да протумачи ове ствари, визуелно погледа однос између система на мапи услуге, визуелно погледа графиконе на контролној табли метрике, да схвати шта је и где је проблем, " Екснер каже. "Али АИ аутоматизује тај радни ток."
Са стримовима заснованим на вештачкој интелигенцији, евиденције се не користе само реактивно за решавање проблема, већ и за проактивну обраду потенцијалних проблема и креирање обавештења богатих информацијама која помажу тимовима да пређу директно на решавање проблема, нудећи решење за отклањање или чак потпуно решавање проблема, пре него што аутоматски обавесте тим да је решено.
"Верујем да ће евиденције, најбогатији скуп информација, оригинални тип сигнала, почети да покреће много аутоматизације коју инжењер за поузданост услуга обично ради данас, и то веома ручно," додаје он. "Човек не би требало да буде у том процесу, где то ради копајући по себи, покушавајући да схвати шта се дешава, где и шта је проблем, а онда када пронађу основни узрок, покушавају да схвате како да га отклоне."
Будућност уочљивости
Велики језички модели (ЛЛМ) могли би бити кључни играч у будућности уочљивости. ЛЛМ се истичу у препознавању образаца у огромним количинама података који се понављају, што веома личи на податке дневника и телеметрије у сложеним, динамичким системима. А данашњи ЛЛМ могу бити обучени за специфичне ИТ процесе. Са алатима за аутоматизацију, ЛЛМ има информације и алате који су му потребни за решавање грешака у бази података или проблема са Јава хрпом и још много тога. Њихово укључивање у платформе које доносе контекст и релевантност биће од суштинског значаја.
Аутоматска санација ће и даље потрајати, каже Екснер, али ће аутоматизовани рунбоок-ови и приручници које генерише ЛЛМ постати стандардна пракса у наредних неколико година. Другим речима, кораке санације ће водити ЛЛМ. ЛЛМ ће понудити исправке, а човек ће их верификовати и применити, уместо да позива стручњака.
Решавање недостатка вештина
Улагање алл-ин у АИ ради видљивости помогло би у решавању великог недостатка у талентима потребним за управљање ИТ инфраструктуром. Запошљавање је споро јер су организацијама потребни тимови са великим искуством и разумевањем потенцијалних проблема и како да их брзо реше. То искуство може доћи од ЛЛМ-а који је контекстуално утемељен, каже Екснер.
"Можемо помоћи да се изборимо са недостатком вештина тако што ћемо повећати људе са ЛЛМ-има који их све одмах чине стручњацима," објашњава он. "Мислим да ће нам ово много олакшати да узмемо практичаре почетнике и учинимо их стручним практичарима иу безбедности и у погледу видљивости, и омогућиће практичарима почетницима да се понашају као стручњак.”
Токови у Еластиц Обсервабилити су сада доступни. Започните до читање више на Потоцима.
Спонзорисани чланци су садржај који производи компанија која или плаћа објаву или има пословни однос са ВентуреБеат-ом, и увек су јасно означени. За више информација контактирајте салес@вентуребеат.цом.
