如果您關注開發世界中發生的任何事情，那么您可能會熟悉“可觀察性”一詞。我們看到越來越多的來自不同背景的監控公司開始使用術語來描述其解決方案，許多公司聲稱其可觀察性工具是將業務提升到更高水平的因素。

　　日益增長的失控系統工程，可觀察性使開發團隊可以通過內部系統的外部輸出來統一和研究各種IT系統的行為。對于軟件，這是日志事件，分布式跟蹤和時間序列指標。通過統一當今復雜IT環境中的數據流，它無疑使SRE和DevOps從業人員可以擺脫傳統監控。但是僅憑數據已不夠。

　　可觀察性問題

　　通用的可觀察性工具收集了大量的監視數據，阻礙了DevOps從業者和SRE的成功。這些工具提供的信息是低級，冗余且嘈雜的。人類的大腦無法理解。SRE可能會花費一整天的時間從有意義的數據中過濾掉噪聲。更不用說，DevOps的從業者和SRE根本沒有洞察力來解釋和理解數據告訴他們的內容，以及一旦他們將有意義的數據與噪音分離后該如何應對。

　　這不僅使他們錯過了可能迅速變成影響客戶的停機時間或故障的問題，而且還因為輪轂在毫無意義的噪音下旋轉而造成了極大的倦怠感。畢竟，如果您不知道如何處理可觀察性數據，那么它有什么用呢？這就像在滿是響亮電視的房間里有一堆遙控器，卻不知道哪個遙控器轉到哪個電視。

　　情報在可觀察性中的作用

　　但是，借助AI，可觀察性數據具有全新的潛力。它們共同提供了新的敏捷性，并具有改進DevOps流程并最終改善客戶價值的能力。通過將AI應用于可觀察性數據，開發團隊可以從遙測中分離出信號和重要的推論，從而確定哪些系統數據實際上對改善業務流程有意義。當相關數據浮出水面時，這種新的智能功能可以創建關聯并識別因果關系，并通過識別問題發生的位置，發生的原因以及如何解決這些問題，為解決問題指明了道路。歸根結底，沒有添加AI就沒有真正的可觀察性。

　　這種新的可觀察性浪潮-借助AI的可觀察性-將領導者與眾不同，從而以機器速度創造更好的業務成果。它不僅會為當前系統的改進創造一條前進的道路，而且還會使SRE和DevOps從業人員擺脫他們目前如此繁重的工作，從而使他們可以花更多的時間來建設具有競爭力的，獎勵創新的新技術。

　　以智能的可觀察性采取行動

　　作為開發人員，您需要采取一些實際步驟，才能開始獲得智能可觀察性的好處。首先，為可操作性做好準備。確定可以充當智能可觀察性測試平臺的幾項服務，對這些服務進行檢測以生成一些有意義的指標，日志和/或跟蹤，并將其與基礎結構指標和日志結合在一起。一旦您檢測了服務并流動了數據，就該關注技術背后的人員和流程了。

　　通過將您的智能可觀察性平臺連接到Slack或Jira等現有工具來創建簡化的自動化工作流，并開始在團隊中社交化新工作流。當您的團隊意識到通過智能可觀察性處理的自動化和可操作性的力量時，您將開始迅速將精力從繁瑣的任務轉移到具有創新意義的創新領域。

　　結合可觀察性和AI力量的現代技術投資將推動公司進入現代的數字第一時代。隨著開發團隊能夠通過自動檢測，診斷和修復問題來制定更明智，更快速的決策，他們將看到新的敏捷度，并能夠提供更大，更好的客戶體驗。