中国IT运维监控行业经历了以点带面的1.0时代和产品拼凑的2.0时代,现在正在迈向数智融合的3.0时代。
博睿数据在今年也推出了Bonree ONE平台,实现运维监控的数智融合。博睿数据首席技术官孟曦东说,博睿数据在APM领域的深耕有目共睹,现在博睿数据将十四年的产品经验和技术积累凝聚成一个新的平台,来解决IT运维上的所有问题。
10月18日Bonree ONE又迎来了2.0版本,2.0版本被定义为“一体化智能可观测平台”。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,是中国IT运维迈入数智融合3.0时代的标志。
最重要的能力根因分析
Bonree ONE 2.0统一了Metric、Log、Trace、Event、Metadata、Profile等数据,覆盖终端应用、微服务、基础组件、基础资源、编排工具等的全栈基础设施监控。
博睿数据产品总监贺安辉认为,Bonree ONE 2.0的发布,走出了一条可落地,同时又能够对客户业务起到实际帮助的可观测平台发展道路。
IT运维在现阶段想取得较大的突破是非常困难的,博睿数据希望再向前走出一步。之前像用户体验、网络性能、应用性能等,都是使用探针采集广泛数据,而博睿数据则在这些数据源上,有更强的稳定性和更全面的覆盖,同时可以看到完整的用户旅程,在Bonree ONE平台上进行关联分析,基于关系图谱实现AI的智能见解和一体化监控等。
现在Bonree ONE 2.0支撑了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,扩展了可观测性的广度与深度,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。
相对于1.0版本,博睿数据研发副总裁程捷表示,2.0最重要的能力是根因分析,而且Bonree ONE现在还在起步阶段,未来还有很多需要实现的能力。目前博睿的客户非常看重一体化和开箱即用,未来Bonree ONE也会持续更新,持续聚焦金融行业,重点发展汽车和智能制造领域。
五大技术让可观测真正落地
做到一体化智能可观测,Bonree ONE 2.0通过五大核心优势来实现,包括,免配置集成化智能探针——ONEAgent、应用程序性能在线智能分析技术——SuperTrace、多模态联邦查询大数据引擎——Zeus、自适应生成式人工智能技术——Swift AI、实体关联拓扑智能构建技术——SmartTopo。
ONEAgent,免配置集成化智能探针是免配置的,装上后内置指标就会自动进行采集,探针支持500+技术框架原生采集,而且CPU占用低于1%,可以轻松支持20万以上的探针同时数据上报。智能则体现在自动发现、自动安装、自动监控,能够纳管自身和第三方探针平滑升级,智能感知容器内部应用,感知主机上的进程。
SuperTrace,应用程序性能在线智能分析技术让企业无论技术组件如何繁杂,都可以把采集之后的数据,全链路的打通和关联,最终清晰的给出关键结论。
Zeus,多模态联邦查询大数据引擎,能够统一进行封装,做统一的写入查询,让BQL查询语言灵活组装。其中体现了博睿数据的三大优势,实施高效、联邦查询、海量数据存储。
Swift AI,自适应生成式人工智能技术是将市场上常见的机器学习、深度学习等统计分析理论进一步择优,把170多种常见技术汇总到AI产品上,形成国内独家无监督知识图谱更新分析算法和告警收敛算法。
SmartTopo,实体关联拓扑智能构建技术可以自动构建横向和纵向调用链路的拓扑,同时基于模型创建两个拓扑的关系,从而做观测洞察和更新分析。主要特点包括实时性、自动化、灵活性。
未来Bonree ONE的整体架构也将不断瘦身,从现阶段的48个组件,到3.0版本的15个组件,这一过程也涉及到整个架构的调整,以及技术要从开源转向自研,最终实现交付成本降低和用户体验上升。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。