5月20 日,博睿数据正式推出了一体化智能可观测平台ONE,该平台旨在建立一体化、智能化、面向业务与用户体验的统一运维平台,助力企业提高数字化体验,降低运维成本,提升工作效率,为数字化转型赋能升级。同时,这也是业界第一个将所有运维监控需求“All in ONE”的统一平台。
博睿数据COO吴静涛表示,“一体化智能可观测ONE平台的发布是博睿数据引领整体IT运维市场发展的重要里程碑,标志着博睿数据的整体战略正式进入了数据链DNA+的时代。”
运维监控将走向数智融合3.0时代
数字经济的发展已成为“十四五”及未来更长一段时期,推动我国经济高质量发展的新引擎。数据显示,到2025年,数字经济迈向全面扩展期,数字经济核心产业增加值占GDP比重达到10%。而数字经济的发展也会带动数字产业化和产业数字化的发展。值得注意的是,智能运维也被纳入了数字经济,成为其不可缺少的一环。
此外,伴随着数字经济的不断深入,以云原生、DevOps等为代表的新技术的快速发展,让过去20年里以应用为中心构建的IT体系,面对前所未有的变革挑战,一方面,企业的视角发生变化,更加注重用户体验与业务;另一方面,用户的职责开始发生变化,更多的转向DevOps与SRE,对企业数字化转型、优化用户体验提出了更高的要求,也使得可观测解决方案成为云原生架构下非常重要的课题。
对此,博睿数据CTO孟曦东指出,“可观测市场不断增长,带来的不仅是机遇,同样也带来了更多挑战。企业对于可观测的视野不再局限于应用程序,而是需要从全局的角度洞察混合IT基础设施、数据源、网络、云和边缘端的应用状况,更加主动化、自动化和智能化地提升企业运维的效率。企业不仅仅需要应用的高可用,更需要数字化转型发展所带来的用户体验升级。”
就监控本身而言,当前工具的监控体系已无法满足企业需求。
一方面,从行业角度来看,根据知名咨询机构分析,目前监控平台存在以下五方面挑战:
一、监控平台不统一,技术债与重复建设导致了孤岛式的监控体验;二、云计算、容器、微服务、物联网等新技术带来了对监控的挑战,监控的可见性不足;三、监控系统的建设与业务目标脱节;四、智能运维尚不成熟;五、有限的自动化与DevOps的敏捷开发理念产生冲突。
不难看出,未来的监控要具备的能力是统一、系统、智能、敏捷、面向业务,而这也与博睿数据建设一体化智能可观测平台ONE的初衷不谋而合。
另一方面,从行业角度而言,运维监控正在从以点带面的1.0时代向数智融合的3.0时代发展。数智融合3.0时代需要运维企业具备全局数据采集能力、以运维视角重塑产品、数据有机关联融合、开箱即用的AI以及运维全场景的落地等一系列运维能力。
综上不难看出,在行业、市场、用户等多重因素推动下,建设一体化的智能可观测平台已经成为必要。
三大战略升级带来全新运维体验
从孤立的工具到统一的能力平台
从监控到可观测
从人工分析到智能见解的全新升级
ONE平台从ITOM 统一监控、AIOps智能运维、BizOps业务运营、DevOps效能提升四个应用场景出发,帮助客户走出数据中心, 打通云管边端, 通过代码到客户的全数据链DNA采集能力,结合ONE平台的大数据及AI能力, 实现传统的产品工具到平台+架构的转型, 构建以用户为中心的新运维体系。
具体而言,ONE平台包含三大产品优势:
一、All in ONE
其包含两个统一,即统一运维监控技术栈和统一运维数据治理体系。满足了所有监控需求,即开即用,随时扩展,提升了系统可观测性广度与深度,同时面向业务与用户体验运维,囊括了系统的所有观测数据,进行统一管理,并提供丰富的集成扩展,解决因竖井式的监控带来的数据割裂、重复建设、可观测性差的问题。
二、关联性
新一代可观测平台能完整复刻出数字化系统的数字孪生,内置CMDB引擎在保证全面可观测的同时也能掌握监控实体间的关系及其属性信息,实现关联追踪,解决排障难,检索追查难,现场还原不全面的问题。大大提升了排障效率,实现了系统之间的真正融合。
三、智能见解
ONE平台具备信息、经验、智能决策融合的智能见解能力,能够基于AI和规则自动发现问题,实现根因分析——智能见解——故障预测——故障修复等一系列智能分析过程,预置经验规则和AI共同提出见解,发现问题并给出根因,解决虚假问题扰乱运维、告警风暴、根因定位效率低的问题,助力运维人员快速排障,提出解决办法,进而提高运维效率。
功能方面,ONE平台具备指标分析、统一告警、全局拓补、问题事件分析、开放集成、一来和影响分析等多个功能集成。
博睿数据产品高级总监孙丽表示,“ONE平台是一个集告警收敛、异常检测、根因定位、智能见解,聚焦业务与用户体验的运维体系,打破运维孤岛,避免重复建设,赋能企业数字化的一体化、智能化、面向业务与用户的开箱即用的一体化可观测平台,实现监控到可观测,无需研究各种开源软件,各种大数据组件,各种算法,各种中台架构,降低管理成本,提升管理效能和协同效率。帮助用户实现从孤立的工具到统一平台的建设要求,提升用户满意度,降低获客成本及协同难度,打造极致的平台体验。”
打通业务和运维,赋能数字化转型
在具体的业务实践方面,博睿数据资深售前总监常旭介绍,ONE 平台将打通业务和运维,明确业务指标、转化率、客户留存率、客户流失率等,高效可视化故障域,降低业务客户流失率;同时,在新老平台的统一维护层面,可从0-1构建一体化智能可观测平台,降低业务、运维、研发的沟通成本,提升工作效率,进而提升用户活跃度和平均使用时长,助力企业提高数字化体验,赋能企业数字化转型。
不久前,博睿数据还与艾瑞咨询合作发布了《2022企业应用运维管理指标体系白皮书》(以下简称《白皮书》),在《白皮书》中,博睿数据也率先提出了从业务视角切入,以业务场景为主题,以业务连续性为宗旨,通过直面业务场景、正向梳理IT调用链、逆向接入数据源等实施步骤,最终构建起具备概览所有业务场景健康度、俯瞰多维立体化IT指标等能力的资源指标管理体系的运维指标设计理念。
不难猜测,在云原生、DevOps等更新技术的发展推动下,一体化、智能化将是大势所趋,此次博睿数据率先推出的从代码到用户,全面可观测的数据采集能力的一体化智能可观测平台将会成为行业标杆。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。