事实证明，业务应用程序故障的代价高昂，Instana 使用因果 AI 来快速有效地识别故障原因。这使得站点可靠性工程 (SRE) 能够节省时间并降低业务成本。
Instana 监控 100% 的基础设施和应用程序信息，并使用因果 AI 来识别原因，即使数据粒度有限。这很重要，因为应用程序的拓扑始终可用的假设在现实中不一定成立。
如何使用 Instana 的一个示例是 SRE 如何解决机器人商店应用程序中的性能问题。 Stan 使用 Instana 的根本原因面板来识别并解决问题的原因。
Instana 扩展了识别根本原因的能力，Causal AI 使算法完全可解释，使 SRE 不仅能够理解问题的原因，还能理解他们得出结论的原因。
需要考虑私有云的优点和缺点，指出它们的商业价值和创新潜力。
公司正在集成高性能计算 (HPC) 和人工智能，以提高运营效率、加速业务决策并推动增长。
IBM 正在帮助组织满足 SEC 的气候相关披露规则。
IBM Instana Observability 解决了生成式 AI (GenAI) 的出现问题，为企业带来变革潜力。
使用 IBM Instana Observability 平台的公司在三年内实现了 219% 的投资回报率，并将故障排除时间减少了 90%。
Instana 将根据客户反馈和市场洞察于 2023 年推出产品功能，以减轻 DevOps 和 SRE 团队的负担，并简化他们观察、调试、修复和增强的能力。
新闻评论
业务应用程序故障对于企业来说是一个代价高昂的问题。据估计，一次停机每小时平均造成 50,000 至 500,000 美元的损失。数字化增加了应用的复杂性，要求站点可靠性工程师 (SRE) 花费更多时间来识别和解决问题。
为了解决这个问题，Instana® 引入了一项名为“可能的根本原因”的新功能。当事件发生时，Instana 使用因果 AI 自动分析呼叫统计、拓扑和周围信息，以快速有效地识别应用程序故障的潜在来源。这使得 SRE 能够直接查看问题的原因而不是其症状，从而为公司节省大量时间并降低成本。
Instana 监控 100% 的所有调用跟踪，包括 API 调用、数据库查询和消息传递，并将基础设施和应用程序指标维护到秒。这为 Instana 提供了卓越的数据粒度和可用性，使其能够使用因果人工智能以特定的细节和精度查明原因。
例如，SRE 的 Stan 面临着他的机器人商店应用程序的性能问题。 Stan 使用 Instana 的“可能的根本原因”功能来确定问题的原因并重新启动受影响的 Pod 作为短期解决方案。与传统方法相比，这可以节省大量时间。
未来，Instana 的目标是进一步扩展其根本原因识别能力，并通过因果 AI 实现算法的完全可解释性，使 SRE 不仅能够了解问题的原因，还能了解他们得出结论的原因。这可以实现可靠且智能的响应。
该技术通过在发生故障时快速响应来最大限度地减少业务停机时间，从而极大地提高公司的运营效率。它还有望减少 SRE 的工作量，让他们能够专注于更具战略性的工作。然而，随着人工智能变得更加自动化，我们需要跟上不断发展的技术技能和不断变化的工作角色，并记住，人类的监督和干预仍然很重要，而不必过分依赖人工智能的判断。在监管方面，需要制定指导方针以确保人工智能决策过程的透明度和问责制。从长远来看，这些技术进步将有助于IT运营更加自动化、智能化，加速企业数字化转型。