Τζέρεμι Μπάρτον, Διευθύνων Σύμβουλος της Observe – Σειρά Συνεντεύξεων

Τζέρεμι Μπάρτον, Διευθύνων Σύμβουλος της Observe, είναι ένας έμπειρος εκτελεστικός της επιχείρησης λογισμικού με πάνω από 20 χρόνια ηγετικής εμπειρίας σε μεγάλες τεχνολογικές εταιρείες, συμπεριλαμβανομένων των Dell Technologies (DELL ), EMC, Oracle (ORCL ) και VERITAS. Έχει ηγηθεί全球 ομάδων στην ανάπτυξη προϊόντων, marketing και στρατηγικής M&A, xây dựng και κλιμάκωση επιχειρήσεων στις αποθήκες, ασφάλεια και SaaS. Ο Μπάρτον ήταν επίσης συνιδρυτής του Oracle Technology Network, το οποίο έφτασε σε εκατομμύρια μέλη παγκοσμίως, και σήμερα υπηρετεί στο Διοικητικό Συμβούλιο της Snowflake και ως σύμβουλος στην ομάδα Φόρμουλα 1 της McLaren.

Observe, με έδρα στο Σαν Ματέο της Καλιφόρνια, είναι μια επόμενη γενιάς πλατφόρμας SaaS παρατηρησιμότητας που βοηθά τις ομάδες SRE, DevOps και μηχανικής να ερευνήσουν και να βελτιώσουν τα σύγχρονα κατανεμημένα συστήματα. Χτισμένο πάνω στην υποδομή δεδομένων της Snowflake, ενώνει τα logs, metrics και traces σε ένα單ο, πλούσιο σε контέκστ δεδομένο—επιτρέποντας στις ομάδες να επιταχύνουν την ανταπόκριση σε περιστατικά, να εντοπίσουν τις ρίζες των προβλημάτων και να βελτιώσουν την αξιοπιστία σε σύνθετα περιβάλλοντα cloud.

Έχετε κατέχει υψηλές ηγετικές θέσεις σε παγκόσμιες εταιρείες όπως Dell, EMC και Oracle, και τώρα ηγετείτε μια startup με την Observe. Τι σας κίνησε να αφήσετε πίσω τη σταθερότητα και την κλίμακα για να πηδήξετε στην κατασκευή κάτι από την αρχή;

Έχω την τύχη να εργαστώ για κάποιους απίστευτους ηγέτες, συμπεριλαμβανομένων των Larry Ellison και Michael Dell. Εργάστηκα μαζί τους 20 ή 30 χρόνια μετά την θητεία τους, αλλά αυτό που τους κάνει αξιοσημείωτους είναι ότι ήταν εκεί από την αρχή. Έκαναν τις πρώτες αποφάσεις προϊόντων, καθόρισαν τις οδούς προς την αγορά και έθεσαν μια κουλτούρα για μακροχρόνια επιτυχία. Ο ρόλος μου ήταν να παρέχω επικεντρωμένες βελτιώσεις πάνω στις δεκαετίες σκληής δουλειάς που είχαν ήδη κάνει. Τελικά, έφτασα σε ένα σημείο στην καριέρα μου όπου ήθελα να αποδείξω στον εαυτό μου ότι μπορούσα να κατασκευάσω μια εταιρεία, να πάρω ένα προϊόν στην αγορά, να καθορίσω μια κίνηση πώλησης και να δημιουργήσω μια κουλτούρα που πίστευα ότι θα μπορούσε να ευημερήσει μακροχρόνια.

Η Observe θέτει τον εαυτό της ως μια νέα κατηγορία στην παρατηρησιμότητα, ενσωματώνοντας logs, analytics και monitoring σε μια ενιαία πλατφόρμα. Πώς βλέπετε αυτήν την προσέγγιση να αναδιαμορφώνει τον χώρο σε σύγκριση με τους υφιστάμενους παίκτες όπως Splunk και Datadog (DDOG );

Το μεγάλο πρόβλημα που αντιμετωπίζουν τα legacy εργαλεία είναι ότι δεν κατασκευάστηκαν για κλίμακα. Σε συνομιλίες με πελάτες, abbiamo δει πολλές φορές ότι τα Splunk και Datadog γίνονται δαπανηρά όταν η ποσότητα των τηλεμετρίας αυξάνεται, και αυτό είναι θεμελιωδώς ένα πρόβλημα με τον τρόπο που τα legacy εργαλεία αρχιτεκτονήθηκαν.

Η Observe διαφέρει στο ότι η πλατφόρμα μας είναι χτισμένη πάνω σε μια αρχιτεκτονική λίμνης δεδομένων ροής χρησιμοποιώντας ανοιχτές μορφές όπως Apache Iceberg. Αυτό σημαίνει ότι μπορούμε να αποσυνδέσουμε την υπολογιστική ισχύ από την αποθήκευση, να κλιμακωθούμε ελαστικά και να παρέχουμε παρατηρησιμότητα σε μια κλάσμα του κόστους των παραδοσιακών συστημάτων. Οι ανταγωνιστές όπως Splunk εξακολουθούν να βασίζονται σε μονολιθικές αρχιτεκτονικές που απαιτούν σχεδιασμό για την πικρότητα της ικανότητας—και ακόμη και νεότερα εργαλεία όπως Datadog απαιτούν διαστρωμάτωση δεδομένων, αναhydration και ανα-εμφάνηση για να διατηρήσουν το κόστος υπό έλεγχο.

Επίσης, εστιάζουμε σε μια ενιαία εμπειρία παρατηρησιμότητας. Τα logs, metrics, traces και events ζουν όλα σε ένα μέρος, με μια seule γλώσσα ερωτημάτων και ένα Γραφικό Γνώσεων που χαρτογραφεί αυτόματα τις σχέσεις μεταξύ υπηρεσιών, χρηστών και περιστατικών. Αυτό το контέκστ είναι αυτό που κάνει την αντιμετώπιση προβλημάτων ταχύτερη. Σε αντίθεση, τα Splunk και Datadog έχουν ξεχωριστά backends για logs, metrics και traces, οδηγώντας σε αργότερες αναλύσεις.

Τέλος, έχουμε επενδύσει πολύ στην AI-κίνητη αντιμετώπιση προβλημάτων. Η O11y AI SRE™ μας μπορεί να λάβει φυσική γλώσσα εισόδου, να παράγει υποθέσεις και να οδηγήσει τους μηχανικούς μέσω της αντιμετώπισης περιστατικών, όχι μόνο να τους ενημερώνει. Και είναι κατασκευασμένο για να χρησιμοποιήσει το Γραφικό Γνώσεων μας, το οποίο παρέχει το απαραίτητο контέκστ για ακριβή αντιμετώπιση προβλημάτων. Αυτό είναι ένα βήμα πέρα από την ανίχνευση ανωμαλιών ή την ειδοποίηση που προσφέρουν οι περισσότεροι ανταγωνιστές σήμερα.

Λαμβάνοντας υπόψη: είμαστε οικονομικοί, είμαστε ενιαίοι και είμαστε ανοιχτοί. Αυτές οι τρεις ιδιότητες είναι αυτές που οι πελάτες μας λένε ότι μας ξεχωρίζουν από τους υφιστάμενους παίκτες όπως Splunk και τους νεότερους εγχώριους όπως Datadog.

Έχοντας εποπτεύσει δραστηριότητες πολλών δισεκατομμυρίων δολαρίων και τώρα διευθύνων μια startup, ποια μαθήματα για την αποτελεσματικότητα, την ευελιξία ή την καινοτομία από μεγάλες επιχειρήσεις μεταφέρονται—και ποια δεν;

Είναι αντίθετο, αλλά οι επιτυχημένες μεγάλες εταιρείες κάνουν λίγα πράγματα πολύ καλά, και κατανοούν κάθε λεπτό DETAIL. Αυτοί που πνίγονται κάνουν πολλά πράγματα, και όλα degenerate σε μετριότητα.

Σε μια startup, εστιάζετε σε ένα πράγμα κάθε φορά και εστιάζετε σε κάθε λεπτό DETAIL. Δεν υπάρχει αρκετό κεφάλαιο για να κάνετε περισσότερα από αυτά. Ως αποτέλεσμα, αυτό που κάνει τις startups τόσο έντονες είναι ότι μπορείτε να βγείτε από την αγορά αν δεν καταφέρετε να λύσετε τα πράγματα αρκετά γρήγορα. Γι’ αυτό, πρέπει να λάβετε αποφάσεις πιο γρήγορα, να κυκλοφορήσετε πιο γρήγορα, να αποτύχετε πιο γρήγορα και να μάθετε πιο γρήγορα. Επιπλέον, πρέπει να κάνετε όλα αυτά με λιγότερους ανθρώπους.

Παρά ταύτα, το πιο ελευθερωτικό μέρος μιας startup είναι ότι δεν έχετε μια καθιερωμένη προϊόν, ένα μοντέλο επιχείρησης ή μια οδό προς την αγορά. Αυτό σημαίνει ότι υπάρχει ελεύθερη βαθμίδα να κάνετε νέες υποθέσεις για όλα αυτά. Αυτό δεν ισχύει σε μια μεγάλη εταιρεία. Για παράδειγμα, δεν μπορείτε να σπάσετε το μοντέλο επιχείρησης με ένα νέο διαταρακτικό προϊόν. Ακόμη και αν τεχνικά θα μπορούσατε να το κατασκευάσετε, ο CFO και το Wall Street δεν θα σας επιτρέψουν να μεγιστοποιήσετε το δυναμικό του. Αυτός είναι ο λόγος για τον οποίο οι startups κερδίζουν πολλές φορές όταν, θεωρητικά, δεν θα πρέπει να έχουν καμία ευκαιρία.

Έχετε επίσης υπάρξει μέλος του Διοικητικού Συμβουλίου της Snowflake για σχεδόν μια δεκαετία. Τι haben σας μάθει από το ταξίδι της Snowflake που ενημερώνει την στρατηγική σας στην Observe;

Η Snowflake επιτέθηκε σε ένα παλιό πρόβλημα με μια νέα αρχιτεκτονική. Κτίσε την τεχνολογία της πάνω σε μια απλή αλλά ισχυρή ιδέα και διατάραξε μια τεράστια αγορά που ήταν μπλοκαρισμένη από υφιστάμενους προμηθευτές. Υπάρχουν κάποια μαθήματα εδώ: παίξτε σε αγορές που είναι τεράστιες, και μπορείτε να κατασκευάσετε μια τεράστια εταιρεία. Επιπλέον, πρέπει να έχετε μια ριζικά διαφορετική προσέγγιση από τους υφιστάμενους προμηθευτές, ώστε ο πελάτης να μπορεί να δει τεράστιους ωφελήματα στο να μετακινηθεί.

Η αγορά παρατηρησιμότητας που επιτιθέμεθα είναι τεράστια, $30B και αυξανόμενη. Έχουμε λύσει το πρόβλημα παρατηρησιμότητας με ένα πολύ μοναδικό τρόπο: χρησιμοποιώντας μια αρχιτεκτονική λίμνης δεδομένων, ελαστική υπολογιστική ισχύ και ανοιχτές μορφές. Αυτό υπόσχεται να δώσει στους πελάτες μια βελτίωση τάξης μεγέθους στην ταχύτητα αντιμετώπισης προβλημάτων και στο συνολικό κόστος.

Έχετε εμπλακεί βαθιά στην ανάπτυξη προϊόντων, marketing και μεγάλης κλίμακας M&A. Πώς επηρεάζει αυτό το ευρύ φόντο την τρόπο που προτεραιοποιείτε τις στρατηγικές ανάπτυξης στην Observe;

Στις πρώτες μέρες μιας startup, είναι khá απλό, κατασκευάζετε ένα εξαιρετικό προϊόν και προσπαθείτε να το πουλήσετε. Αυτή είναι η στρατηγική ανάπτυξης. Όμως, η καριέρα μου είναι πολύ προκατειλημμένη προς το λογισμικό επιχείρησης και την επίλυση σύνθετων προβλημάτων για μεγάλες επιχειρήσεις, οπότε δεν είναι vielleicht surprίζοντας ότι η Observe εστιάζει αποκλειστικά σε αυτό!

Βασισμένος στην εμπειρία μου, πιστεύω ότι για να κατασκευάσετε μια μεγάλη εταιρεία παρατηρησιμότητας, πρέπει να λύσετε το πρόβλημα για τις μεγαλύτερες εταιρείες του κόσμου. Αυτές είναι οι εταιρείες με ζητήματα petabytes δεδομένων, χιλιάδες χρήστες και χιλιάδες εφαρμογές. Υπάρχουν πολλές εταιρείες παρατηρησιμότητας, αλλά πολύ λίγες μπορούν να κερδίσουν σε αυτό το περιβάλλον, και εγώ διαβεβαιώνω ότι η Observe μπορεί.

Η παρατηρησιμότητα έχει γίνει κρίσιμη καθώς οι σύγχρονες κατανεμημένες εφαρμογές γίνονται πιο σύνθετες. Πού βλέπετε τις μεγαλύτερες προκλήσεις και ευκαιρίες για τις επιχειρήσεις τις επόμενες 3–5 χρόνια;

Η μεγαλύτερη πρόκληση σήμερα είναι η κλίμακα. Kubernetes, microservices και τώρα φόρτωση εργασιών AI παράγουν όγκους δεδομένων που υπερβαίνουν τα παραδοσιακά εργαλεία. Η αξιοπιστία αυτών των εργαλείων μειώνεται καθώς το κόστος αυξάνεται και δεν είναι απλά βιώσιμο, χρειάζεται μια νέα αρχιτεκτονική.

Για να χειροτερέψουν τα πράγματα, τις επόμενες quelques χρόνια θα δούμε περισσότερο κώδικα γραμμένο, βοηθούμενο από εργαλεία κωδικοποίησης AI, από ότι σε οποιοδήποτε άλλο σημείο της ιστορίας. Αυτός ο κώδικας δεν θα είναι τέλειος, και σε κάποιο σημείο θα αποτύχει. Η περιοχή της ανάπτυξης βρίσκεται στο να ρωτήσετε τον εαυτό σας: πώς να αντιμετωπίσω κώδικα που δεν έγραψε κανείς; Και ή, ενώ τα εργαλεία κωδικοποίησης AI μπορούν να κοιτάξουν τον κώδικα και να διορθώσουν σφάλματα, μπορούν πραγματικά να κοιτάξουν πώς η εφαρμογή συμπεριφέρεται στην παραγωγή και να βρουν τον προβληματικό κώδικα; Αυτή είναι μια τεράστια ευκαιρία για τους προμηθευτές παρατηρησιμότητας στο μέλλον.

Πολυάριθμες ομάδες αγωνίζονται με την εξάπλωση εργαλείων, χρησιμοποιώντας ξεχωριστά συστήματα για logs, metrics και traces. Πώς βοηθά η Observe να απλοποιήσει αυτήν την εμπειρία για τις ομάδες μηχανικής και DevOps στην πράξη;

Αντί να χειρίζεστε τρία ή τέσσερα εργαλεία, η Observe δίνει στους πελάτες μας μια ενιαία πλατφόρμα για χρήση. Τα logs, metrics, traces και ειδοποιήσεις μιας εταιρείας ζουν στην ίδια συσκευή και συνδέονται με ένα Γραφικό Γνώσεων. Το Γραφικό Γνώσεων παρέχει контέκστ που επιτρέπει στους χρήστες να διασχίζουν και να πιβότουν ομαλά μεταξύ logs, metrics και traces για να επιταχύνουν την αντιμετώπιση προβλημάτων. Αυτό μειώνει τον χρόνο που πρέπει να περάσουν οι χρήστες για να πηδήξουν από πλατφόρμα σε πλατφόρμα, επιτρέποντάς τους να ανακαλύψουν ένα ζήτημα χωρίς εξαγωγές δεδομένων ή αλλαγές контέκστ.

Μπορείτε να μοιραστείτε ένα συγκεκριμένο παράδειγμα για το πώς η Observe βοήθησε έναν πελάτη να λύσει ένα σημαντικό πρόβλημα—κάτι που θα ήταν δύσκολο ή αδύνατο με παραδοσιακά εργαλεία παρατηρησιμότητας;

Η Capital One χρησιμοποιεί την Observe για να επιφανείσει την κατάσταση των κρίσιμων ταξιδιών πελατών, συσχετίζοντας και εμπλουτίζοντας δεδομένα τηλεμετρίας με σχετικό επιχειρηματικό контέκστ. Εισάγουν εκατοντάδες terabytes τηλεμετρίας την ημέρα, συμπεριλαμβανομένων logs, metrics, traces, εγγραφών αλλαγών, VPC flow logs και δεδομένων AWS config. Η Observe παρέχει στην Capital One μια ενιαία πλατφόρμα για ολοκληρωμένη παρατηρησιμότητα, ώστε οι développers και SREs να μπορούν να εκτελέσουν διαδραστική ανταπόκριση σε περιστατικά και αποσφαλμάτωση.

Τι ρόλο παίζει η μηχανική μάθηση ή η τεχνητή νοημοσύνη πίσω από τις σκηνές στην Observe, και πώς βοηθά τους πελάτες να επιφανίσουν ερευνήσεις πιο γρήγορα ή να ανιχνεύσουν αυτόματα προβλήματα;

Η μηχανική μάθηση έχει μια αμφίβολη ιστορία στην παρατηρησιμότητα επειδή τα περιβάλλοντα επιχείρησης είναι εγγενώς θορυβώδη, και είναι πολύ δύσκολο να παράγετε ένα μοντέλο που δεν οδηγεί σε χιλιάδες ανωμαλίες. Η γεννητική AI είναι μια πολύ διαφορετική τεχνολογία και θα έχει μια πολύ πιο σημαντική επίδραση.

Πιστεύουμε ότι η AI θα αλλάξει τον τρόπο που οι μηχανικοί αλληλεπιδρούν με εργαλεία παρατηρησιμότητας. Πρώτον, θα μπορούν να μιλήσουν直接 με τα δεδομένα παρατηρησιμότητας τους σε φυσική γλώσσα, καθισμένοι στην IDE τους, το μισό των χρηστών μας στο μέλλον μπορεί να μην συνδεθεί ποτέ ή να μάθει την Observe! Δεύτερον, οι πράκτορες AI θα είναι παρόντες κατά τη “ειρήνη” για να σαρώσουν τηλεμετρία και να αναζητήσουν πιθανά προβλήματα που μπορεί να οδηγήσουν σε ένα περιστατικό. Οι πράκτορες AI δεν κουράζονται ή δεν βαριούνται και μπορούν να εκτελέσουν εργασία που οι άνθρωποι είναι απλά αδύνατο να κάνουν. Τέλος, κατά τη “πόλεμο”, οι πράκτορες AI θα βοηθήσουν τους μηχανικούς και SREs με το πώς να αντιμετωπίσουν το πρόβλημα.

Η φιλοσοφία ηγεσίας σας εμπνέεται από τη Φόρμουλα 1, τονίζοντας την ψυχική αντοχή και την μάθηση από τα λάθη. Πώς έχει διαμορφώσει αυτή η προοπτική την προσέγγισή σας στην κατασκευή της Observe και την ηγεσία της ομάδας σας μέσω των νικών και των προκλήσεων;

Η επιτυχία στη Φόρμουλα 1 γεννιέται χρησιμοποιώντας δεδομένα για να οδηγήσουν μελλοντικές αποφάσεις, και για τον οδηγό και το αυτοκίνητο. Μέχρι τη στιγμή που ένα αυτοκίνητο Φόρμουλα 1 φτάσει στο τέλος της σεζόν, το 90% των μερών έχει αντικατασταθεί, και είναι 2 δευτερόλεπτα γρηγορότερο γύρω από την πίστα.

Στην Observe, πρέπει να έχουμε την ίδια στάση για να επιτύχουμε. Κυκλοφορήστε, μετρήστε, ακούστε, προσαρμοστείτε γρήγορα. Θα φανταζόμουν ότι το 90% του προϊόντος μας είναι διαφορετικό σήμερα από ότι πριν από δύο χρόνια. Αυτή η προσέγγιση απαιτεί πολλή πειθαρχία και πολλή ταπείνωση, δεν είναι εύκολο να ακούτε κακά νέαagain και again. Όμως, αν ενεργήσετε αρκετά κακά νέα, σταδιακά μετατρέπεται σε καλά νέα, και η ARR επιταχύνεται. Δεν είναι μαγεία, είναι λογική!

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Observe.