生成式人工智能如何重塑可观测性解决方案
2023年07月06日 由 Susan 发表
246195
0
在当今数字时代,可观测性解决方案变得越来越重要。随着越来越多的公司依赖技术来运营业务,实时监测、分析和优化系统和应用程序的需求变得至关重要。组织现在将客户体验和可访问性放在数字转型的首位。
然而,这些举措可能给工程师带来复杂性和挑战。New Relic的亚太地区首席技术专家Ganesh Narasimhadevara在接受AIM采访时表示:“对于扩大数字化渠道的企业而言,高效的可观测性解决方案至关重要,因为他们面临着设备多样性的增加。
"工程师需要端到端的可观测性来解开数据的复杂性,了解业务绩效,监控服务可用性并进一步优化。New Relic作为一种全面的可观测性解决方案,提供实时洞察,赋予工程师在软件生命周期的各个阶段都能基于数据做出决策的能力。”
New Relic的全面平台提供了30多种功能,可以在技术堆栈的各个层次以及软件生命周期的每个阶段实现无缝连接的体验。“我们的起点是应用性能监控的第一个功能,然后随着市场上的技术进步,我们不断扩展自己。我们扩展到基础设施监控,不仅限于虚拟机(VMs)或专用服务器。如今,我们在业界拥有最先进的Kubernetes监控。”
New Relic Grok
但是现在,我们正处于生成式人工智能的时代,它在可观测性解决方案领域也找到了应用案例。美国分析公司New Relic宣布推出New Relic Grok,这是全球首个面向可观测性的生成式人工智能助手。
Narasimhadevara在接受AIM独家采访时表示,New Relic的生成式人工智能助力可观测性是工程师在日常工作中所需要的,可以帮助他们识别仪表化的差距,为新服务提供指导。它可以筛选广泛的文档以回答问题,为特定的指标或应用程序趋势生成查询。此外,它还协助常见用例,如创建警报或重新生成服务级别。
New Relic通过Microsoft OpenAI Azure服务(GPT模型)利用了生成式人工智能的能力,而不是探索建立自己的专有模型。然而,这是New Relic未来可以考虑的事项。
“目前,我不认为建立自己的语言模型是紧迫的必要性。包括印度在内的许多组织正在与超大规模云计算提供商合作,利用他们现有高效的模型。我们的重点是在投资资源进行模型开发之前了解生成式人工智能如何增强可观测性。一旦我们评估出其效益和潜力,建立自己的模型可能是未来的计划。”
一代人工智能如何使可观测性解决方案受益
如今,在可观测性领域,公司正在开发新的生成式人工智能解决方案,以帮助自动化复杂系统的监视、可视化和分析,减少手动工作量,加快问题的识别和解决,提高整体系统性能。
简而言之,生成式人工智能使用户更容易找到问题的根本原因并进行修复。“可观测性解决方案已经发展成为真实可信的单一数据来源。将生成式人工智能系统作为产品的一部分将消除类似ChatGPT和可观测性解决方案之间的跳转的需求。” Narasimhadevara说道。
生成式人工智能为可观测性解决方案带来的优势将有助于减轻工程师的工作负荷,节省大量时间,从而使他们能够专注于更具战略性的工作。“生成式人工智能解决方案与可观测性的另一种演进方式是绕过部族知识。”Narasimhadevara表示。部族知识是指团队成员之间共享的经验和知识,但并没有详细记录或在组织范围内广泛共享。
“团队成员的专业知识和产品知识可能会有所不同。想象一下拥有分析海量数据、处理部族知识、检测异常并连接各种指标提供洞察力的能力,例如识别由最近的部署引起的异常的原因。生成式人工智能解决方案可以有效集成这些功能,提供相关建议,并允许用户训练模型以满足其特定需求。”
此外,生成式人工智能从可观测性中带来的另一个进展是自动化。展望未来,我们可以预见一个大型语言模型能够在没有任何人。
GenAI是否会使可观测性解决方案提供商过时?
Narasimhadevara认为可观测性解决方案和大型语言模型之间存在相似之处。"它们之间非常相似的原因在于它们的表现取决于你给它们的数据有多好。
然而,大型语言模型并不会使可观测性解决方案的提供者变得过时。语言模型的有效性取决于它们可以访问的数据。而可观测性解决方案则提供了对系统状态的重要洞察,这是它们的功能所独有的。"将可观测性解决方案与先进或当前的语言模型集成可以增强上下文理解。没有从可观测性解决方案中获得相关数据,语言模型的能力就受到限制。"
来源:https://analyticsindiamag.com/how-generative-ai-is-reshaping-observability-solutions/