Джереми Бертон, генеральный директор Observe – Серия интервью

Джереми Бертон, генеральный директор Observe, – опытный руководитель в области корпоративного программного обеспечения с более чем 20-летним опытом руководства в крупных технологических компаниях, включая Dell Technologies (DELL ), EMC, Oracle (ORCL ) и VERITAS. Он возглавлял глобальные команды в области разработки продуктов, маркетинга и стратегических слияний и поглощений, создавая и масштабируя бизнес в области хранения, безопасности и SaaS. Бертон также стал сооснователем сети технологий Oracle, которая выросла до миллионов участников по всему миру, и в настоящее время является членом совета директоров Snowflake и советником команды McLaren в Формуле 1.

Observe, базирующаяся в Сан-Матео, Калифорния, – это платформа следующего поколения для наблюдения за системами SaaS, которая помогает командам SRE, DevOps и инженерам расследовать и оптимизировать современные распределенные системы. Построенная на基础е инфраструктуры данных Snowflake, она объединяет журналы, метрики и трассировки в единый, контекстно-богатый набор данных, позволяя командам ускорить реагирование на инциденты, выявить коренные причины и повысить надежность в сложных облачных средах.

Вы занимали руководящие должности в крупных компаниях, таких как Dell, EMC и Oracle, и теперь вы руководите стартапом Observe. Что мотивировало вас оставить позади стабильность и масштаб, чтобы сделать шаг в построении чего-то с нуля?

Я был удачлив в своей карьере, работая на некоторых невероятных лидеров, включая Ларри Эллисона и Майкла Делла. Я работал с ними 20 или 30 лет после их прихода, но то, что делает их замечательными, – это то, что они были там с самого начала. Они приняли ранние решения о продуктах, установили маршруты на рынок и установили культуру для долгосрочного успеха. Моя роль заключалась в том, чтобы обеспечить инкрементальные улучшения над десятилетиями тяжелой работы, которую они уже проделали. В конце концов, я достиг точки в своей карьере, когда я хотел доказать себе, что я тоже могу построить компанию, вывести продукт на рынок, установить продажи и создать культуру, которая, как я верил, могла бы процветать в долгосрочной перспективе.

Observe позиционирует себя как новая категория в наблюдаемости, объединяя журналы, аналитику и мониторинг в одну единую платформу. Как вы видите этот подход, переопределяющий пространство по сравнению с устаревшими игроками, такими как Splunk и Datadog (DDOG )?

Большая проблема, с которой сталкиваются устаревшие инструменты, заключается в том, что они не были построены для масштабирования. В разговорах с клиентами мы видели снова и снова, что Splunk и Datadog становятся слишком дорогими, когда объем телеметрии растет, и это фундаментально проблема с тем, как устаревшие инструменты были сконструированы.

Observe отличается тем, что наша платформа построена на основе архитектуры потокового хранилища данных с использованием открытых форматов, таких как Apache Iceberg. Это означает, что мы можем разделить вычисления и хранение, масштабировать эластично и предоставлять наблюдаемость за долю стоимости традиционных систем. Конкуренты, такие как Splunk, все еще полагаются на монолитные архитектуры, которые требуют планирования пиковой емкости, и даже новые инструменты, такие как Datadog, требуют тиражирования данных, реабилитации и переиндексации, чтобы поддерживать стоимость под контролем.

Мы также фокусируемся на единой опыт наблюдаемости. Журналы, метрики, трассировки и события все живут в одном месте, с единым языком запросов и графом знаний, который автоматически сопоставляет отношения между сервисами, пользователями и инцидентами. Этот контекст – то, что делает устранение неполадок быстрее. Напротив, Splunk и Datadog имеют отдельные бэкенды для журналов, метрик и трассировок, что приводит к более медленной аналитике.

Наконец, мы инвестировали значительные средства в систему обнаружения и устранения неполадок на основе ИИ. Наша O11y AI SRE может принимать естественный язык ввода, генерировать гипотезы и направлять инженеров через решение инцидентов, а не просто оповещать их. И она построена для использования нашего графа знаний, который обеспечивает необходимый контекст для точного устранения неполадок. Это шаг вперед по сравнению с обнаружением аномалий или оповещением, которое предлагают большинство конкурентов сегодня.

Просто говоря: мы стоим эффективно, мы едины, и мы открыты. Эти три качества – то, что клиенты постоянно говорят, что отличает Observe от устаревших игроков, таких как Splunk, и новых инкумбентов, таких как Datadog.

Имея опыт руководства в крупных компаниях и теперь руководя стартапом, какие уроки об эффективности, гибкости или инновациях из крупных компаний переносятся – и какие уроки не переносятся?

Это парадоксально, но успешные крупные компании делают небольшое количество вещей действительно хорошо, и они понимают каждую деталь. Те, кто спотыкается, делают слишком много, и все вырождается в посредственность.

В стартапе вы фокусируетесь на одной вещи за раз и одержимы каждой деталью. Там нет достаточно финансирования, чтобы делать больше, чем это. В результате то, что делает стартапы такими интенсивными, – это то, что вы можете буквально обанкротиться, если не разберетесь достаточно быстро. Следовательно, вам нужно принимать решения быстрее, выпускать быстрее, терпеть неудачи быстрее и учиться быстрее. Кроме того, вам нужно делать все это с меньшим количеством людей.

Тем не менее, наиболее освобождающим аспектом стартапа является то, что у вас нет установленного продукта, бизнес-модели или маршрута на рынок. Это означает, что есть свобода делать новые предположения обо всем этом. Это не так в крупной компании. Например, вы не можете разрушить бизнес-модель с помощью нового деструктивного продукта. Даже если технически вы можете его построить, финансовый директор и Уолл-стрит не позволят вам максимизировать его потенциал. Это почему стартапы выигрывают довольно часто, когда, теоретически, у них не должно быть шансов.

Вы также были членом совета директоров Snowflake почти десятилетие. Что вы узнали из путешествия Snowflake, что информирует вашу стратегию в Observe?

Snowflake атаковала древнюю проблему с новой архитектурой. Они построили свою технологию на простой, но мощной идее и нарушили огромный рынок, застрявший в устаревших поставщиках. Есть несколько уроков здесь: играйте на рынках, которые являются огромными, и вы можете построить огромную компанию. Кроме того, вам необходимо иметь радикально другой подход, чем у инкумбентов, чтобы клиент мог увидеть巨альные выгоды от перехода.

Рынок наблюдаемости, который мы атакуем, огромен, $30 млрд и растет. Мы решили проблему наблюдаемости уникальным способом: используя основу хранилища данных, эластичные вычисления и открытые форматы. Это обещает дать клиентам порядок улучшения как скорости устранения неполадок, так и общей стоимости.

Вы были глубоко вовлечены в разработку продуктов, маркетинг и крупномасштабные слияния и поглощения. Как это широкое прошлое влияет на то, как вы расставляете приоритеты в стратегиях роста в Observe?

В ранние дни стартапа все довольно просто: вы строите отличный продукт и пытаетесь его продать. Это стратегия роста. Говоря о моей карьере, она очень偏ена к корпоративному программному обеспечению и решению сложных проблем для крупных компаний, поэтому не удивительно, что Observe фокусируется именно на этом!

На основе моего опыта я считаю, что для построения большой компании наблюдаемости вам необходимо решить проблему для крупнейших компаний в мире. Это проблема петабайт данных, тысяч пользователей и тысяч приложений. Есть много компаний наблюдаемости, но очень немногие могут выиграть в этой среде, и я делаю все, чтобы Observe могла.

Наблюдаемость стала критической, поскольку современные распределенные приложения становятся более сложными. Где вы видите самые большие проблемы и возможности для компаний в течение следующих 3-5 лет?

Самой большой проблемой сегодня является масштаб. Kubernetes, микросервисы и теперь рабочие нагрузки ИИ производят объемы данных, которые перегружают традиционные инструменты. Надежность этих инструментов резко падает, когда стоимость взлетает, и это просто неустойчиво; необходима новая архитектура.

Чтобы сделать дела хуже, в течение следующих нескольких лет мы увидим больше кода, написанного с помощью инструментов кодирования ИИ, чем в любой другой точке истории. Этот код не будет идеальным, и в какой-то момент он сломается. Область роста заключается в вопросе: как устранить неполадки в коде, который никто не написал? Или, пока инструменты кодирования могут смотреть на код и исправлять ошибки, могут ли они действительно смотреть, как приложение ведет себя в производстве, и найти проблемный код? Это огромная возможность для поставщиков наблюдаемости в будущем.

Многие команды борются с разрастанием инструментов, используя отдельные системы для журналов, метрик и трассировок. Как Observe помогает упростить этот опыт для команд инженерии и DevOps на практике?

Вместо того, чтобы жонглировать тремя или четырьмя инструментами, Observe дает клиентам единую платформу для использования. Журналы, метрики, трассировки и оповещения компании живут в одной системе и связаны графом знаний. Граф знаний обеспечивает контекст, который позволяет пользователям сверлить и поворачивать без проблем через журналы, метрики и трассировки, чтобы ускорить устранение неполадок. Это снижает количество времени, которое они должны тратить на переход от платформы к платформе, вместо этого позволяя им обнаружить проблему без экспорта данных или переключения контекста.

Можете ли вы поделиться конкретным примером того, как Observe помог клиенту решить серьезную проблему – что-то, что было бы трудно или невозможно с помощью традиционных инструментов наблюдаемости?

Capital One использует Observe, чтобы выявить статус критических путей клиентов, коррелируя и обогащая данные телеметрии с соответствующим бизнес-контекстом. Они получают сотни терабайт телеметрии в день, включая журналы, метрики, трассировки, записи изменений, журналы потоков VPC и данные конфигурации AWS. Observe предоставляет Capital One единую платформу для наблюдаемости от конца до конца, чтобы разработчики и SRE могли выполнять интерактивное реагирование на инциденты и отладку.

Какую роль играет машинное обучение или ИИ за кулисами в Observe, и как оно помогает клиентам выявлять идеи быстрее или автоматически обнаруживать проблемы?

Машинное обучение имеет запятнанную историю в наблюдаемости, потому что корпоративные среды внутренне шумны, и очень трудно произвести модель, которая не приведет к тысячам аномалий. Генеративный ИИ – это совершенно другая технология и будет иметь гораздо более глубокое влияние.

Мы считаем, что ИИ изменит способ, которым инженеры взаимодействуют с инструментами наблюдаемости. Во-первых, они смогут говорить напрямую с данными наблюдаемости на естественном языке, сидя в своей IDE, половина наших пользователей в будущем может никогда не входить или не учиться Observe! Во-вторых, агенты ИИ будут присутствовать во время “мирного времени”, чтобы сканировать телеметрию и искать потенциальные проблемы, которые могут в конечном итоге привести к инциденту. Агенты ИИ не устают и не скучают, и они могут выполнять работу, которую люди просто не могут сделать. Наконец, во время “военного времени” агенты ИИ будут помогать инженерам и SRE с курсом действий, который они должны предпринять, чтобы решить проблему.

Ваш стиль лидерства, вдохновленный Формулой 1, подчеркивает психологическую устойчивость и обучение на ошибках. Как это перспектива сформировала ваш подход к построению Observe и руководству командой через победы и проблемы?

Успех в Ф1 воспитывается с помощью данных, которые направляют будущие решения, как для водителя, так и для машины. К тому времени, когда машина Ф1 достигает конца сезона, 90% ее деталей были заменены, и она на 2 секунды быстрее на трассе.

В Observe нам нужно иметь тот же образ мышления, чтобы преуспеть. Мы выпускаем, измеряем, слушаем, быстро адаптируемся. Я бы представил, что 90% нашего продукта отличается сегодня от того, что было даже пару лет назад. Этот подход требует много дисциплины и много смирения, и не легко слышать плохие новости снова и снова. Однако, если вы действуете достаточно долго на плохие новости, они постепенно превращаются в хорошие новости, и ARR ускоряется. Это не магия, это логика!

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Observe.