Από τη Διαθεσιμότητα στην Εμπειρία: Η Μετατόπιση με Τεχνητή Νοημοσύνη στη Σύγχρονη Παρατηρησιμότητα

Το 2001, η IBM συνέγραψε ένα μανιφέστο για αυτόνομη IT. Το Όραμα της Αυτονομικής Υπολογιστικής διέσπαρε τη αυτοδιαχείριση σε τέσσερις πυλώνες: αυτοβελτιστοποίηση, αυτοΐαση, αυτοδιαμόρφωση και αυτοπροστασία. Ήμουν στη Microsoft όταν η IBM παρουσίασε αυτό το όραμα IT. Αντιδράσαμε προτείνοντας τεχνολογικές ιδέες όπως το αυτόνομο κέντρο δεδομένων, αλλά τελικά ήταν ένα όνειρο που ήταν πολύ μπροστά από την εποχή του. Δεν υπήρχε πρακτικός τρόπος να υλοποιηθεί αυτό το όραμα.

Στις μέρες μου στη Microsoft, ήμουν στην ομάδα πίσω από το Clippy. Παρόλο που ο κινούμενος βοηθός με το συνδετικό σχήμα ήταν διάσημα ενοχλητικός, η ιδέα πίσω από αυτόν ήταν σωστή: οι υπολογιστές πρέπει να βοηθούν ενεργά τους ανθρώπους στη δουλειά τους. Απλώς δεν είχαμε τη υπολογιστική ισχύ και την ΤΝ για να το καταστήσουμε δυνατό. 25 χρόνια αργότερα, το καταφέρνουμε επιτέλους.

Από το Επίπεδο Υπηρεσίας στο Επίπεδο Εμπειρίας

Η έννοια της παρατηρησιμότητας δεν προήλθε από το IT. Το 1960, ο ουγγρο-αμερικανός μηχανικός και μαθηματικός Rudolf E. Kálmán εφηύρε τον όρο “observability” για να περιγράψει πόσο καλά μπορεί ένα σύστημα να μετρηθεί από τις εξόδους του. Στη συνέχεια, το 2013, η Twitter υιοθέτησε τον όρο σε μια σειρά αναρτήσεων στο blog, δηλώνοντας ουσιαστικά ότι η παλιά παραδοσιακή παρακολούθηση, μέσω όλων των εμπορικών έτοιμων εργαλείων που διέθεταν, είχε σχεδιαστεί για μια διαφορετική εποχή τεχνολογίας και δεν λειτουργούσε σε αρχιτεκτονικές μικροϋπηρεσιών.

Σκεφτείτε το σαν γιατρό που εξετάζει έναν ασθενή. Μπορεί να ελέγξει τον παλμό του, να μετρήσει την αρτηριακή του πίεση και να παρατηρήσει άλλα εξωτερικά χαρακτηριστικά για να αξιολογήσει έμμεσα την εσωτερική υγεία του ασθενούς. Στο IT, πρέπει να κάνουμε το ίδιο. Όταν υπάρχει μια διακοπή στον παλμό του ασθενούς, πρέπει να γνωρίζουμε αν αυτό σημαίνει προβλήματα στα νεφρά ή στο ήπαρ. Στο μέγεθος και την πολυπλοκότητα των λειτουργιών που αντιμετώπιζε η Twitter ακόμη και πριν 20 χρόνια (η εταιρεία εξυπηρετούσε μόνο 100 εκατομμύρια χρήστες με πραγματικούς χρόνους tweets και feeds), η παρατηρησιμότητα απαιτούσε διαφορετικά εργαλεία και προσέγγιση παρακολούθησης.

Τα σύγχρονα συστήματα έχουν γίνει ακόμη μεγαλύτερα και πιο πολύπλοκα, με εξαρτήσεις από δίκτυα διανομής περιεχομένου, προσωρινή αποθήκευση και διανομή bitmap, γραμματοσειρών, αρχείων JavaScript κ.λπ., σε όλο τον κόσμο. Η πραγματική κατανόηση της απόδοσης των εφαρμογών στον πραγματικό κόσμο δεν είναι εύκολη υπόθεση.

Όταν το IT λαμβάνει κλήση στις 4 το πρωί, κάποιος πρέπει να σηκωθεί από το κρεβάτι και να καταλάβει αν το πρόβλημα οφείλεται σε κακό τομέα σε σκληρό δίσκο ή σε κακό ενεργό που προσπαθεί να διεισδύσει και να προκαλέσει χάος στην υποδομή. Δεν έχει σημασία ποιο είναι: στο τέλος της ημέρας, η δουλειά τους είναι να διατηρούν όλα τα συστήματα σε λειτουργία. Ευτυχώς, για την αξιολόγηση της υγείας των εφαρμογών σήμερα, μπορούμε να συλλέξουμε όλη τη διαθέσιμη τηλεμετρία: κάθε δικτυακή συσκευή, κάθε εφαρμογή, χιλιάδες ενσωματωμένες ενσωματώσεις, ροή εισιτηρίων μέσω JIRA ή Atlassian, και τόσα άλλα σήματα.

Εδώ έρχονται τα Experience Level Objectives (XLOs). Πιθανότατα έχετε ακούσει για τις Συμφωνίες Επιπέδου Υπηρεσίας (SLAs) και τα Στόχους Επιπέδου Υπηρεσίας (SLOs), αλλά τα XLOs κάνουν το επόμενο βήμα μετρώντας αν οι πελάτες και οι υπάλληλοί σας λαμβάνουν το επίπεδο εμπειρίας που επιθυμούν. Πρόκειται για ποιότητα, όχι μόνο για διαθεσιμότητα. Από τεχνική άποψη, ο μόνος τρόπος για να επιτευχθούν τα XLOs είναι να υπάρχει ορατότητα από το NIC μέχρι τη συσκευή του τελικού χρήστη.

Τον περασμένο Οκτώβριο, το AWS US‑EAST‑1 έπεσε. Το Catchpoint ανίχνευσε το πρόβλημα 16 λεπτά πριν το Amazon το αναγγείλει δημόσια. Οι πελάτες με αυτή τη διαφάνεια μπόρεσαν να αντιδράσουν πριν οι χρήστες τους νιώσει τις συνέπειες της διακοπής.

Η υπόσχεση της παρατηρησιμότητας είναι σαν τον Smokey Bear: να εντοπίζεις καπνό πριν υπάρξει φωτιά. Όταν γίνεται σωστά, η παρατηρησιμότητα σας επιτρέπει να σβήσετε μια πυρκαγιά στην πεδιάδα πριν μετατραπεί σε καταστροφική φλόγα που θα καταστρέψει τα Palisades στην Καλιφόρνια. Ο Smokey είναι το σύστημα πρώιμης προειδοποίησης που μπορεί να εντοπίσει αυτά τα μικρά άρωμα καπνού, ανεξάρτητα από την πηγή τους: πρόβλημα AWS, πρόβλημα Oracle, πρόβλημα GCP, πρόβλημα Microsoft Azure ή κάτι εκτός τάσης στην υποδομή σας.

Η Τεχνητή Νοημοσύνη Κλιμακώνει τα Συστήματα Ασφάλειας

Κανένας ανθρώπινος χειριστής δεν μπορεί να παρακολουθεί τα σύγχρονα συστήματα υποδομής. Ο μόνος τρόπος για να παρακολουθείτε συστήματα σε κλίμακα, καταναλώνοντας πεταμπάιτ δεδομένων καταγραφής και τρισεκατομμύρια μετρικές ανά ημέρα, είναι η χρήση της ΤΝ.

Για παράδειγμα, αν θέλετε να παρακολουθήσετε την απόδοση ανάγνωσης/εγγραφής σε έναν δίσκο ή τις υπερφορτώσεις εισόδου/εξόδου ή του buffer πακέτων στο δίκτυό σας. Μπορείτε να χρησιμοποιήσετε ένα δυναμικό όριο για να ορίσετε τι θεωρείται φυσιολογικό, ή έναν ντετερμινιστικό τρόπο για να εξετάσετε δεδομένα χρονοσειρών την τελευταία εβδομάδα, μήνα, έτος ή όποιο χρονικό διάστημα θέλετε, και να καθορίσετε τα όρια της φυσιολογικής απόδοσης. Μόλις έχετε αυτήν την στατιστική ανάλυση, μπορείτε να ορίσετε επίπεδα για δύο τυπικές αποκλίσεις από τον μέσο όρο, ώστε όταν κάτι συμβαίνει εκτός αυτού του εύρους, να λαμβάνετε ειδοποίηση ότι η απόδοση είναι πιθανώς ανώμαλη.

Ωστόσο, τα εξαιρετικά πολύπλοκα συστήματα μπορούν να λαμβάνουν χιλιάδες ειδοποιήσεις ανά ημέρα. Οι πίνακες ελέγχου αρχίζουν να αναβοσβήνουν και οι άνθρωποι αρχίζουν να καλούνται. Η διήθηση όλων αυτών των ειδοποιήσεων δεν είναι καλή χρήση του χρόνου των ανθρώπων. Πράγματι, η Vectra εκτιμά ότι οι οργανισμοί λαμβάνουν κατά μέσο όρο 2.992 ειδοποιήσεις ασφαλείας ανά ημέρα, το 63 % των οποίων παραμένουν ανεπίλυτες.

Τα εργαλεία AI μπορούν να μειώσουν αυτές τις χιλιάδες ειδοποιήσεις ανά ημέρα σε λίγες δεκάδες. Θυμάμαι μια περίπτωση όπου ένα μόνο πρόβλημα σε μία μόνο κάρτα δικτύου (NIC) σε ένα μόνο μηχάνημα προκάλεσε 2.000 συνακόλουθες ειδοποιήσεις. Χάρη στην AI, ο πελάτης μπόρεσε να εκτελέσει συσχέτιση ειδοποιήσεων και να φτάσει σε πολύ πιο γρήγορη ανάλυση της ρίζας του προβλήματος, η οποία κατέληξε στο συμπέρασμα ότι ένα μόνο ζήτημα εκείνη τη στιγμή προκαλούσε όλο το ταμπλό της εταιρείας να γίνει κόκκινο.

Η AI κάνει ξανά τη Πληροφορική συναρπαστική

Πήρα λίγο διάλειμμα μετά την εξαγορά της Splunk από την Cisco το 2023. Τα επόμενα δύο χρόνια παρακολούθησα φίλους και πρώην συναδέλφους μου να ιδρύουν εταιρείες που χρησιμοποιούν AI με τρόπους που δεν ήταν δυνατοί ούτε πέντε χρόνια πριν. (Θυμηθείτε ότι αν το ChatGPT ήταν ανθρώπινο παιδί, θα ήταν τριών ετών).

Οι ομάδες IT χρειάζονται βοήθεια για να εντοπίζουν τον καπνό πριν ενεργοποιηθεί το συναγερμό, όχι περισσότερα ταμπλό για να κοιτάζουν. Με έναν τρόπο, αυτό είναι το ίδιο πρόβλημα που προσπαθούν να αντιμετωπίσουν η IBM, το Twitter και ακόμη και η Microsoft με το Clippy.

Αυτός είναι ο λόγος που αποφάσισα να επανέλθω. Η τεχνολογία έχει τελικά φτάσει σε σημείο όπου μπορούμε να εκπληρώσουμε την αρχική υπόσχεση της παρατηρησιμότητας και της αυτόνομης IT.