Havaittavuustoimittajat liittyvät tekoälytaisteluun: Grafana, Datadog ja Splunk kaikki mukana
Grafana Labs
Datadog
Dynatrace
New Relic
Grafana Labs on laajentanut tekoälyavustajaansa, Grafana Assistantia, joka voi nyt kysellä ja korreloida tietoja yli 30:stä tietolähteestä luonnollisella kielellä. Tämä liike on osa laajempaa trendiä, jossa havaittavuustoimittajat kilpailevat tekoälyominaisuuksilla.
Grafana Labs on laajentanut Grafana Assistantia, tekoälypohjaista observability-assistenttiaan, mahdollistaakseen luonnollisen kielen kyselyt ja datan korreloinnin yli 30 eri datalähteestä. Tämä päivitys on askel kohti yhtenäistä observabilitya, jonka avulla operaattorit, kehittäjät ja sivustojen luotettavuusinsinöörit voivat tutkia vikoja, luoda kyselyitä ja vianmääritystä monimutkaisissa hajautetuissa järjestelmissä ilman, että heidän tarvitsee vaihtaa useiden valvontatyökalujen välillä. Parannus rakentuu GrafanaCON 2026:ssa julkistetulle tekoälystrategialle, joka asemoi tekoälyn operatiiviseksi kumppaniksi eikä pelkäksi chatbotiksi. Laajentamalla tukea yritysten datalähteille, kuten Snowflake, Oracle, Elasticsearch, Dynatrace, Honeycomb, MongoDB, Zabbix ja Jira, Grafana pyrkii ratkaisemaan hajanaisten operatiivisten tietojen haasteen, jotka ovat erillään toisistaan olevissa alustoissa. Assistentti voi luoda kojetauluja, rakentaa monimutkaisia valvontakyselyitä, selittää tuntemattomia mittareita, navigoida Grafana-resursseissa ja käynnistää tutkimuksia telemetriatietojen avulla, samalla kun se noudattaa olemassa olevia käyttöoikeusjärjestelmiä ja roolipohjaista pääsynhallintaa. Tämä julkaisu heijastaa laajempaa muutosta observabilityssa, kun toimittajat kuten Datadog laajentavat Bits AI -assistenttiaan, Dynatrace parantaa Davis AI:ta, Splunk integroi AI Assistantin tietoturva- ja observability-työnkulkuihin ja New Relic esittelee Intelligent Observabilityn. Assistentin vastausten laatu riippuu muun muassa telemetriatietojen kattavuudesta, käyttöoikeuksista ja tekoälymallin luotettavuudesta kyselyiden tuottamisessa ja suorittamisessa eri datalähteissä.
Lähde: InfoQ 中国 —
Alkuperäinen
