在当今快节奏的数字环境中，组织越来越多地采用多云环境和云原生架构 推动创新并提供无缝的客户体验。然而，Dynatrace 发布的 2024 年可观测性状况报告显示，这些数据产生的数据呈爆炸式增长复杂的生态系统正在将传统的监控和分析方法推向极限。
这项研究对全球大型组织的 1,300 名首席信息官和技术领导者进行了调查，强调迫切需要成熟的人工智能、分析和自动化策略来克服现代云环境带来的挑战。正如 Dynatrace DevOps 活动家 Andi Grabner 恰当地说的那样，“” “多云环境”和“云原生架构”不仅仅是流行语；它们是当今复杂且动态的 IT 环境的现实。它们使开发人员、工程师和架构师能够推动创新，但也带来了新的挑战。”
复杂性不断上升
该报告最引人注目的发现之一是，88% 的组织发现其技术堆栈的复杂性在过去 12 个月中有所增加，其中 51% 的组织预计这一趋势将持续下去。现在，平均多云环境跨越 12 个不同的平台和服务，这使得团队越来越难以有效地监控和保护应用程序。事实上，87% 的技术领导者认为多云复杂性阻碍了他们提供卓越客户体验的能力，而 84% 的人表示这使应用程序的保护更具挑战性。
淹没在数据中
云原生技术堆栈生成的海量数据也是一个主要痛点，86% 的技术领导者表示这超出了人类的管理能力。目前，组织平均使用 10 种不同的监控和可观察工具来跟踪应用程序、基础设施和用户体验。然而，85% 的受访者表示，他们所依赖的工具、平台、仪表板和应用程序的数量只会增加管理多云环境的复杂性。
传统方法的局限性
手动日志管理和分析方法已不再足够，81% 的技术领导者承认他们无法跟上技术堆栈及其产生的数据量的变化速度。此外，81% 的受访者表示，他们的团队花费在维护监控工具和准备分析数据上的时间占用了创新工作。
为了应对这些挑战，72% 的组织已采用 AIOps，试图降低管理多云环境的复杂性。然而，97% 的技术领导者发现，依赖概率机器学习方法的传统 AIOps 模型价值有限，因为需要手动操作才能获得可靠的见解。
前进之路：高级人工智能、分析和自动化
正如 Grabner 所强调的那样，“为了取得成功，这些团队必须确保他们的应用程序在所有平台和服务中始终可访问且正常运行；运营效率和有效性至关重要；考虑到这些应用程序的复杂性不断提高，安全性是不容谈判的。环境。”他继续强调开发人员、工程师和架构师超越传统 AIOps 并采用 高级人工智能、分析和自动化解决方案，提供全面的可观察性和控制他们的云生态系统。
技术高管的主要收获很明确：
- 采用先进的人工智能和分析：组织必须采用人工智能驱动的可观测性解决方案可以统一不同的数据，保留上下文，并通过超模态人工智能技术（包括因果人工智能、预测人工智能和生成人工智能）支持分析和自动化。这种方法使团队能够从数据中获取有价值的见解，推动更明智的决策，并实施智能自动化。
- 优先考虑自动化：为了跟上现代云环境的复杂性，组织必须优先考虑自动化。通过利用人工智能驱动的见解，团队可以自动执行日常任务，快速识别和解决问题，并优化应用程序性能和安全性。
- 促进协作和创新：如果不进行有效管理，数据的爆炸性增长和多云环境的复杂性可能会阻碍创新。通过采用成熟的人工智能、分析和自动化策略，组织可以解放团队，专注于高价值任务并更有效地协作，最终推动创新和业务增长。
结论
随着数字环境的不断发展，技术高管必须投资先进的可观察性解决方案，以帮助他们应对多云环境的复杂性。通过采用人工智能驱动的洞察、自动化和协作，组织可以释放其云生态系统的全部潜力，提供卓越的客户体验，同时确保应用程序的安全性和弹性。
