ชาริตี้ เมเจอส์ CTO และผู้ร่วมก่อตั้ง Honeycomb – ซีรีส์สัมภาษณ์

ชาริตี้ เป็นนักวิศวกรฝ่ายปฏิบัติการและผู้ก่อตั้งบริษัทเริ่มต้นโดยไม่ได้ตั้งใจที่ Honeycomb ก่อนหน้านี้เธอ曾ทำงานที่ Parse, Facebook (META ) และ Linden Lab ในด้านโครงสร้างพื้นฐานและเครื่องมือสำหรับนักพัฒนา และมักจะพบว่าตัวเองกำลังดูแลฐานข้อมูล เธอเป็นผู้ร่วมเขียนหนังสือ O’Reilly’s Database Reliability Engineering และรักในเรื่องของเสรีภาพในการพูด เสรีภาพในการใช้ซอฟต์แวร์ และวิสกี้มอลต์แบบ單一

คุณเคยเป็นผู้จัดการฝ่ายวิศวกรรมการผลิตที่ Facebook (ปัจจุบันคือ Meta) มากกว่า 2 ปี คุณมีประสบการณ์อะไรบ้างในช่วงเวลานั้น และมีคำแนะนำอะไรจากประสบการณ์นั้น?

ฉัน曾ทำงานที่ Parse ซึ่งเป็นแบ็คเอนด์สำหรับแอปพลิเคชันมือถือ มันเหมือนกับ Heroku สำหรับแอปพลิเคชันมือถือ ฉันไม่เคยสนใจที่จะทำงานในบริษัทใหญ่ แต่เราถูกซื้อโดย Facebook สิ่งหนึ่งที่ฉันเรียนรู้คือการซื้อขายเป็นเรื่องที่ยากมาก แม้แต่ในสถานการณ์ที่ดีที่สุด คำแนะนำที่ฉันให้กับผู้ก่อตั้งคนอื่นๆ คือ หากคุณจะถูกซื้อขาย ให้แน่ใจว่าคุณมีผู้สนับสนุนระดับบริหาร และคิดอย่างรอบคอบว่าคุณมีการจัดตำแหน่งเชิงกลยุทธ์หรือไม่

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับการเปิดตัว Honeycomb ได้หรือไม่?

ใช่ จากมุมมองทางสถาปัตยกรรม Parse เป็นหนึ่งในผู้บุกเบิก — เราใช้ไมโครเซอร์วิสก่อนที่จะมีไมโครเซอร์วิส เรามีระดับข้อมูลที่ถูกแบ่งออกเป็นหลายส่วน และในฐานะแพลตฟอร์มที่ให้บริการแอปพลิเคชันมือถือมากกว่า 1 ล้านแอป เรามีปัญหาหลายอย่างที่ซับซ้อนเกี่ยวกับการให้บริการหลายคน

สำหรับผู้อ่านที่ไม่คุ้นเคย Observability Platform คืออะไร และมันแตกต่างจากการติดตามและวัดผลแบบดั้งเดิมอย่างไร?

การติดตามแบบดั้งเดิมมีสามเสาหลัก: เมตริกส์, ล็อก และแทรคส์ คุณมักจะต้องซื้อเครื่องมือหลายอย่างเพื่อให้ได้ผลลัพธ์ที่คุณต้องการ Observability ในยุคใหม่มีแหล่งที่มาของความจริงเดียว; เหตุการณ์ล็อกที่มีโครงสร้างกว้างๆ จากเหตุการณ์เหล่านี้ คุณสามารถอนุมานเมตริกส์, แดชบอร์ด และล็อกของคุณได้

คุณมีความเชื่อที่ว่า Observability มีแหล่งที่มาของความจริงเดียวในสภาพแวดล้อมการเขียนโปรแกรม คุณสามารถอธิบายได้อย่างไรว่า AI มาเกี่ยวข้องกับวิสัยทัศน์นี้ และมีประโยชน์และความท้าทายอะไรในบริบทนี้?

Observability คือการใส่แว่นตาก่อนที่คุณจะเร่งรถไปบน高速公路 การพัฒนาซอฟต์แวร์โดยใช้ TDD ได้ปฏิวัติซอฟต์แวร์ในต้นปี 2000 แต่ TDD ได้สูญเสียประสิทธิภาพไปมากขึ้นเมื่อความซับซ้อนอยู่ในระบบของเราแทนที่จะเป็นเพียงซอฟต์แวร์เท่านั้น

คุณ曾แสดงความกังวลเกี่ยวกับหนี้ทางเทคนิคที่เพิ่มขึ้นเนื่องจากการปฏิวัติ AI คุณสามารถอธิบายได้อย่างไรว่า AI สามารถแนะนำหนี้ทางเทคนิคอะไรได้บ้าง และ Honeycomb ช่วยจัดการหรือบรรเทาหนี้เหล่านี้ได้อย่างไร?

ฉันเกี่ยวข้องกับหนี้ทางเทคนิคและหนี้ทางองค์กร หนึ่งในหนี้ทางเทคนิคที่เลวร้ายที่สุดคือเมื่อคุณมีซอฟต์แวร์ที่ไม่มีใครเข้าใจ ซึ่งหมายความว่าทุกครั้งที่คุณต้องขยายหรือเปลี่ยนโค้ดหรือแก้ไขหรือแก้ปัญหา จะต้องมีใครสักคนทำงานหนักในการเรียนรู้มัน

Honeycomb ใช้ AI เพื่อปรับปรุงประสิทธิภาพและประสิทธิผลของทีมวิศวกรรมอย่างไร?

นักวิศวกรของเราที่ Honeycomb ใช้ AI มาก โดยเฉพาะ CoPilot นักวิศวกรระดับจูเนียร์ของเราบอกว่าพวกเขใช้ ChatGPT ทุกวันเพื่อตอบคำถามและช่วยให้พวกเขาเข้าใจซอฟต์แวร์ที่พวกเขากำลังสร้าง

คุณสามารถให้ตัวอย่างได้หรือไม่ว่าฟีเจอร์ที่ได้รับการสนับสนุนจาก AI เช่น Query Assistant หรือการรวมกับ Slack เพิ่มประสิทธิภาพในการทำงานร่วมกันของทีมได้อย่างไร?

ใช่ ตัวอย่างเช่น Query Assistant ของเรา ช่วยให้คุณสามารถถามคำถามโดยใช้ภาษาธรรมชาติ เช่น “จุดสิ้นสุดช้าที่สุดคืออะไร?” หรือ “เกิดอะไรขึ้นหลังจากการปรับใช้ครั้งล่าสุด?” และมันจะสร้างคำถามและวางคุณลงในนั้น

Honeycomb สัญญาว่าจะมีการแก้ไขเหตุการณ์เร็วขึ้น คุณสามารถอธิบายได้อย่างไรว่าการรวมล็อก เมตริกส์ และแทรคส์เข้าด้วยกันในประเภทข้อมูลที่รวมกันช่วยให้สามารถแก้ไขปัญหาและแก้ไขปัญหาได้เร็วขึ้น?

ทุกอย่างเชื่อมต่อกัน คุณไม่ต้องเดา แทนที่จะดูว่าแดชบอร์ดหนึ่งเหมือนกับอีกแดชบอร์ดหนึ่งหรือไม่ หรือเดาว่าจุดสูงสุดในเมตริกส์หนึ่งอาจเป็นจุดสูงสุดในล็อกอีกอันหนึ่งตามเวลา… แทนที่จะเชื่อมต่อข้อมูล คุณไม่ต้องเดา คุณสามารถถามได้เลย

การปรับปรุง Observability แปลเป็นผลลัพธ์ทางธุรกิจที่ดีขึ้นอย่างไร?

สิ่งนี้เป็นหนึ่งในการเปลี่ยนแปลงที่สำคัญจากยุคก่อนหน้าของเครื่องมือ Observability ในอดีต ระบบ แอปพลิเคชัน และข้อมูลทางธุรกิจถูกแยกออกจากกันในเครื่องมือที่แตกต่างกัน Observability ไม่เพียงแต่เกี่ยวกับข้อผิดพลาดหรือการหยุดทำงานเท่านั้น แต่ยังเกี่ยวกับการรับประกันว่าเรากำลังทำงานในเรื่องที่ถูกต้อง

คุณเห็นอนาคตของ Observability จะเป็นอย่างไร โดยเฉพาะอย่างยิ่งเกี่ยวกับการพัฒนาของ AI?

Observability กำลังจะกลายเป็นเรื่องของการเชื่อมต่อวงจรป้อนกลับอย่างรวดเร็วและแน่นหนา เพื่อให้ทีมสามารถพัฒนาอย่างรวดเร็วและมั่นใจในการผลิต และใช้เวลาและพลังงานน้อยลง

มันคือการเชื่อมต่อระหว่างผลลัพธ์ทางธุรกิจและวิธีการทางเทคนิค

และเป็นการรับประกันว่าเราจะเข้าใจซอฟต์แวร์ที่เรากำลังปล่อยออกไปสู่โลก

จากมุมมองของ Observability เราจะเห็นระดับความซับซ้อนที่เพิ่มขึ้นในกระบวนการข้อมูล — โดยใช้เทคนิคการเรียนรู้ของเครื่องและเทคนิคการ lấy mẫuที่ซับซ้อนเพื่อสร้างสมดุลระหว่างคุณค่าและต้นทุน

ผู้ขาย AI กำลังทำการอ้างสิทธิ์ที่เกินจริงเกี่ยวกับวิธีที่พวกเขาสามารถเข้าใจซอฟต์แวร์ของคุณได้ดีกว่าคุณ หรือวิธีที่พวกเขาสามารถประมวลผลข้อมูลและบอกให้คุณทำอะไรต่อไป สิ่งที่ฉันเห็นคือสิ่งนี้เป็นความฝันราคาแพง False positives มีค่าใช้จ่ายสูงมาก ไม่มีอะไรทดแทนการเข้าใจระบบและข้อมูลของคุณ AI สามารถช่วยให้วิศวกรของคุณทำสิ่งนี้ได้! แต่มันไม่สามารถแทนที่วิศวกรของคุณได้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมสามารถเยี่ยมชม Honeycomb ได้