📚InfoQ中国•最新收集於 0m
可觀測性巨頭加入 AI 大戰
💡三大可觀測性平台同時押注 AI，將直接影響你的監控與事件處理工具選型。
⚡ 30-Second TL;DR
有什麼變化
Grafana、Datadog 與 Splunk 正在競爭 AI 驅動的可觀測性市場
為什麼重要
AI 功能可能改變工程團隊偵測事件、分析遙測資料及管理營運的方式。團隊在選擇平台前，可能需要比較各廠商的能力、資料處理方式與整合成本。
下一步行動
使用相同的事件與遙測資料集，對 Grafana、Datadog 與 Splunk 的 AI 功能進行並列概念驗證。
誰應關注：Enterprise & Security Teams
關鍵要點
- •Grafana、Datadog 與 Splunk 正在競爭 AI 驅動的可觀測性市場
- •AI 已成為可觀測性廠商的策略競爭焦點
- •這項轉變將影響監控、營運與企業平台競爭
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •可觀測性廠商正從單純的指標監控轉向『生成式 AI 輔助除錯』，利用 LLM 自動生成根本原因分析（RCA）報告以縮短平均修復時間（MTTR）。
- •Datadog 推出了 Bits AI 助手，整合於其平台中，能自動解釋異常並建議修復代碼，直接與開發者工作流程對接。
- •Grafana Labs 透過 Grafana Beyla 等工具利用 eBPF 技術，在無需修改程式碼的情況下自動收集 AI 應用程式的遙測數據。
- •Splunk（現隸屬於 Cisco）強調其 AI 策略側重於安全性與可觀測性的融合，利用 AI 進行大規模日誌數據的異常檢測與威脅預測。
- •市場趨勢顯示，可觀測性平台正競相開發『AI 成本監控』功能，以協助企業追蹤並優化昂貴的 LLM 推論與訓練成本。
📊 競品分析▸ Show
| 特性 | Datadog | Grafana Labs | Splunk (Cisco) |
|---|---|---|---|
| AI 核心功能 | Bits AI (自動化除錯) | Grafana Beyla (eBPF 遙測) | AI Assistant (日誌分析) |
| 定價模式 | 按主機/服務使用量計費 | 按活躍系列數/用戶數計費 | 按數據攝取量/授權計費 |
| 技術優勢 | 全棧整合度高，易用性強 | 開源生態豐富，靈活性高 | 處理海量數據與安全性強 |
🛠️ 技術深入
- 整合 eBPF 技術：利用 Linux 核心層級的探針，在不侵入應用程式碼的情況下，自動捕捉 AI 模型服務的請求延遲與錯誤率。
- 向量資料庫整合：各平台開始內建或串接向量資料庫，以儲存與檢索 AI 應用程式的非結構化日誌與追蹤數據。
- RAG 輔助除錯：利用檢索增強生成（RAG）技術，將企業內部的歷史事故報告與知識庫注入 LLM，提升自動化除錯建議的準確性。
- 遙測數據標準化：廣泛採用 OpenTelemetry 標準，確保 AI 模型訓練與推論過程中的數據能跨平台互通。
🔮 前景展望AI analysis grounded in cited sources
AI 可觀測性將成為企業 IT 預算的獨立支出項目。
隨著 AI 模型運作成本與複雜度上升，企業需要專門的預算來監控 AI 基礎設施的效能與財務支出。
自動化修復（Self-healing）將取代部分人工維運。
AI 驅動的可觀測性工具將從單純的建議轉向自動執行修復腳本，大幅降低對 SRE 人力的依賴。
⏳ 時間線
2023-05
Datadog 宣布推出 Bits AI，正式進入生成式 AI 輔助監控領域。
2023-11
Grafana Labs 發布 Grafana Beyla，利用 eBPF 技術簡化自動遙測收集。
2024-03
Cisco 完成對 Splunk 的收購，強化 AI 驅動的安全性與可觀測性整合策略。
2025-02
各大廠商開始全面整合 LLM 於其 Incident Management 流程中。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： InfoQ中国 ↗