OpenObserve รวบรวมเงินทุน 10 ล้านเหรียญสหรัฐฯ ในรอบ Series A เพื่อผลักดัน Observability สู่การดำเนินงานอัตโนมัติ

สตาร์ทอัพใน Silicon Valley ชื่อ OpenObserve ได้รวบรวมเงินทุนรอบ Series A มูลค่า 10 ล้านเหรียญสหรัฐฯ โดยมี Nexus Venture Partners และ Dell Technologies Capital (DELL ) เป็นผู้นำ ซึ่งแสดงให้เห็นถึงความเชื่อมั่นของนักลงทุนที่เพิ่มขึ้นในการเปลี่ยนแปลงโครงสร้างของ Observability

บริษัทที่ก่อตั้งขึ้นในปี 2022 และตั้งอยู่ที่ Menlo Park ได้กำหนดตำแหน่งตัวเองเป็นทางเลือกที่รวมเป็นหนึ่งเดียวสำหรับการตั้งค่าการตรวจสอบที่กระจัดกระจาย—โดยเฉพาะอย่างยิ่งเมื่อระบบ AI นำเข้ามาใหม่หลายชั้นของความซับซ้อนทั่วทั้งโครงสร้างพื้นฐาน การใช้งาน และพฤติกรรมของแบบจำลอง

การเปลี่ยนแปลงออกจากกลุ่มการตรวจสอบที่กระจัดกระจาย

Observability มักจะถูกเย็บด้วยเครื่องมือหลายตัว—ล็อกในระบบหนึ่ง เมตริกในอีกระบบหนึ่ง และการตรวจสอบที่อื่น วิธีการนี้กำลังพังทลายลงภายใต้น้ำหนักของการทำงานสมัยใหม่

แนวทางของ OpenObserve คือการรวมทุกอย่างเข้าด้วยกันในแพลตฟอร์มเดียว ระบบของบริษัทจะดึงล็อก เมตริก การตรวจสอบ และข้อมูลการตรวจสอบผู้ใช้จริง แล้วเพิ่มการวิเคราะห์ การแจ้งเตือน และการตอบสนองต่อเหตุการณ์บนหน้าจอเดียว

ภายใต้ฝา แพลตฟอร์มนี้พึ่งพาโครงสร้างพื้นฐานที่เป็นแบบคลาวด์ ซึ่งแยกการคำนวณออกจากการจัดเก็บ โดยใช้การจัดเก็บวัตถุ เช่น S3 และไฟล์ Parquet แบบคอลัมน์ในการจัดการข้อมูลการวัดที่มีขนาดใหญ่ด้วยความมีประสิทธิภาพ นำไปสู่การลดต้นทุนการจัดเก็บข้อมูลอย่างมาก ในขณะเดียวกันก็รักษาความสามารถในการค้นหาที่สูงไว้ได้ แม้กระทั่งที่ ระดับปีตะบัน

การออกแบบโครงสร้างพื้นฐานนี้เป็นศูนย์กลางของการอ้างสิทธิ์ของบริษัทในการลดต้นทุนการดำเนินงานอย่างมีนัยสำคัญเมื่อเทียบกับระบบที่มีอายุมากที่สร้างขึ้นจากดัชนี Elasticsearch

Observability 3.0: จากการตรวจสอบสู่การดำเนินงานอัตโนมัติ

บริษัทได้กำหนดวิสัยทัศน์ของตนเองว่าเป็น “Observability 3.0” ซึ่งเป็นการเปลี่ยนแปลงจากแดชบอร์ดและการแจ้งเตือนไปยังระบบที่สามารถตีความและดำเนินการตามข้อมูลโดยไม่ต้องมีการแทรกแซงจากมนุษย์

ที่ศูนย์กลางของวิสัยทัศน์นี้คือชั้น วิศวกรความน่าเชื่อถือของไซต์ (SRE) ที่ได้รับการเสริมพลังด้วย AI แทนที่วิศวกรจะตรวจสอบเหตุการณ์โดยตรง ระบบจะวิเคราะห์ข้อมูลการวัดในบริบท ระบุสาเหตุของเหตุการณ์ และสามารถแนะนำหรือดำเนินการแก้ไขได้

สิ่งนี้ได้รับการจับคู่กับการตรวจจับการผิดปกติที่เปิดเผยปัญหาก่อนที่จะบานปลาย และเครื่องมือ Observability ของ LLM ที่ติดตามพฤติกรรมของแบบจำลอง AI ในการผลิต รวมถึงคำสั่ง ผลลัพธ์ และประสิทธิภาพ

แนวคิดที่กว้างขึ้นคือการลดภาระการดำเนินงานสำหรับทีมวิศวกร โดยเฉพาะอย่างยิ่งเมื่อปริมาณข้อมูลการวัดยังคงเพิ่มขึ้นและระบบกลายเป็นแบบไดนามิกมากขึ้น

สร้างขึ้นสำหรับการทำงานของ AI ที่มีขนาดใหญ่

การประยุกต์ใช้ AI ในยุคสมัยใหม่สร้างข้อมูลการวัดมากกว่าระบบแบบดั้งเดิม โดยเฉพาะอย่างยิ่งเมื่อติดตามประสิทธิภาพของแบบจำลอง การอนุมาน และการโต้ตอบของผู้ใช้

การออกแบบของ OpenObserve สะท้อนถึงการเปลี่ยนแปลงนี้ ข้อมูลถูกจัดเก็บในรูปแบบคอลัมน์ที่ถูกบีบอัดและถูกซื้อขายโดยตรงจากการจัดเก็บวัตถุ โดยไม่ต้องมีการสร้างดัชนีที่มีค่าใช้จ่ายสูงหรือการทำซ้ำข้อมูล สิ่งนี้ช่วยให้แพลตฟอร์มสามารถปรับขนาดได้อย่าง แนวนอน โดยไม่มีความซับซ้อนที่มักพบในระบบการตรวจสอบแบบกระจาย

ผลลัพธ์คือระบบที่สามารถจัดการกับกระแสข้อมูลขนาดใหญ่ ในขณะเดียวกันก็รักษาความสามารถในการค้นหาที่รวดเร็วและค่าใช้จ่ายที่คาดการณ์ได้—สองข้อจำกัดที่มักจะยากต่อการสร้างสมดุล

สัญญาณการนำรับในระยะแรกที่แข็งแกร่ง

บริษัทรายงานว่ามีมากกว่า 6,000 องค์กรที่ใช้แพลตฟอร์ม รวมถึงองค์กรขนาดใหญ่ และมีการนำรับของนักพัฒนาที่แข็งแกร่งด้วยดาว GitHub มากกว่า 18,000 ดวง

การผสมผสานนี้—การนำรับขององค์กรคู่กับการเติบโตของโอเพ่นซอร์ส—ชี้ให้เห็นว่า OpenObserve กำลังได้รับการยอมรับในหลายช่องทาง ทั้งจากบนลงล่างและจากล่างขึ้นบน ซึ่งเป็นรูปแบบที่มักพบในเครื่องมือโครงสร้างพื้นฐานที่ประสบความสำเร็จในการใช้งานจริง

สิ่งที่ส่งสัญญาณสำหรับอนาคตของ Observability

ทิศทางที่ OpenObserve เดิมพันคือชัดเจน: Observability กำลังพัฒนาจากการตรวจสอบแบบพาสซีฟสู่ระบบการดำเนินงานที่ใช้งานอยู่

เมื่อระบบ AI ถูกฝังเข้าไปในแอปพลิเคชันต่างๆ ความท้าทายไม่ใช่แค่การรวบรวมข้อมูล แต่เป็นการตีความข้อมูลให้เร็วพอที่จะสำคัญ การทำงานแบบมีคนควบคุมด้วยตนเองต้องดิ้นรนเพื่อให้ทันความเร็วและขนาดของสภาพแวดล้อมสมัยใหม่

แพลตฟอร์มที่รวมข้อมูลการวัดและใช้ความฉลาดแบบเรียลไทม์กับข้อมูลนั้น มีแนวโน้มที่จะเปลี่ยนแปลงวิธีการจัดการโครงสร้างพื้นฐาน แทนที่วิศวกรจะต้องดูหลายแดชบอร์ดและเครื่องมือ ระบบจะแสดงการตัดสินใจโดยตรงหรือดำเนินการโดยอัตโนมัติ

หากการเปลี่ยนแปลงนี้ยังคงอยู่ ระบบการแข่งขันอาจเปลี่ยนจากเครื่องมือการตรวจสอบที่มีคุณสมบัติอันหลากหลายไปสู่แพลตฟอร์มที่สามารถลดความซับซ้อนของการดำเนินงานและตอบสนองอัตโนมัติได้อย่างน่าเชื่อถือในระดับใหญ่