OpenObserve 10 Milyon Dolarlık A Serisi Yatırımını Observability’yi Otonom Operasyonlara Doğru İtirmek İçin Kullanıyor

Silikon Vadisi’ndeki startup OpenObserve, Nexus Venture Partners ve Dell Technologies Capital (DELL ) liderliğindeki 10 milyon dolarlık A Serisi yatırım turunu tamamladı. Bu, observability yığınının yapısal bir revizyona ihtiyaç duyduğu konusunda yatırımcıların artan bir şekilde ikna olduğuna işaret ediyor.

Şirket, 2022 yılında kuruldu ve Menlo Park’ta bulunuyor. Parçalanmış izleme kurulumlarına karşı birleşik bir alternatif olarak konumlandırıyor – özellikle AI sistemleri altyapı, uygulamalar ve model davranışı boyunca yeni karmaşıklık katmanları tanıttığında.

Parçalanmış İzleme Yığınlarından Uzaklaşma

Gözlemlenebilirlik geleneksel olarak birden fazla araçtan oluşur – bir sistemde günlükler, bir diğerinde metrikler, bir başkasında izleme. Bu yaklaşım modern iş yükleri altında giderek daha fazla bozulmaya başlıyor.

OpenObserve’in yaklaşımı her şeyi tek bir platformda birleştirmektir. Sistemi günlükleri, metrikleri, izlemeleri ve gerçek kullanıcı izleme verilerini alır, ardından analiz, uyarı ve olay yanıtı katmanlarını üzerine ekler – tümü tek bir arayüz içinde.

Alt yapıda, platform bulut yerel bir mimariye dayanır, hesaplama ve depolamayı ayırır, büyük ölçekli telemetriyi verimli bir şekilde işlemek için S3 gibi nesne depolamaları ve sütunlu Parquet dosyaları kullanır. Bu tasarım dramatik olarak depolama maliyetlerini azaltırken yüksek sorgu performansını korur – hatta petabayt ölçekli durumlarda.

Bu mimari seçim, şirketin geleneksel sistemlere kıyasla önemli ölçüde daha düşük işletme maliyetleri iddiasının merkezinde yer alıyor.

Gözlemlenebilirlik 3.0: İzlemeden Otonom Eyleme

Şirket, vizyonunu “Gözlemlenebilirlik 3.0” olarak adlandırıyor, paneller ve uyarılardan insan müdahalesi olmadan veri yorumlayabilen ve eylemde bulunabilen sistemlere doğru bir geçiş.

Bu vizyonun merkezinde AI destekli bir site güvenilirlik mühendisliği (SRE) katmanı bulunuyor. Mühendislerin manuel olarak olayları araştırmak yerine, sistem telemetriyi bağlamında analiz eder, kök nedenleri tanımlar ve düzeltici eylemler önerebilir veya bazı durumlarda uygulayabilir.

Bu, sorunları büyümeden önce ortaya çıkaran anormallik tespiti ile eşleştirilir ve AI modellerinin üretimdeki davranışlarını izleyen LLM gözlemlenebilirlik araçları – bu, girdileri, çıktıları ve performansı içerir.

Genel fikir, özellikle telemetri hacimleri devam ettikçe ve sistemler daha dinamik hale geldikçe, mühendislik ekiplerinin operasyonel yükünü azaltmaktır.

AI İş Yüklerinin Ölçeğine Uygun Olarak İnşa Edildi

Modern AI uygulamaları, geleneksel sistemlere kıyasla çok daha fazla telemetri üretir, özellikle model performansı, çıkarım davranışı ve kullanıcı etkileşimlerini izlerken.

OpenObserve’in tasarımı bu değişimi yansıtıyor. Veriler sıkıştırılmış sütunlu formatlarda depolanır ve doğrudan nesne depolamadan sorgulanır, bu da pahalı indeksleme katmanlarına veya veri çoğaltmasına gerek kalmaz. Bu, platformun dağıtılmış izleme sistemlerine genellikle eşlik eden karmaşıklık olmadan yatay olarak ölçeklenmesini sağlar.

Sonuç, yüksek hacimli veri akışlarını işlerken hızlı sorgu performansını korur ve öngörülebilir maliyetleri sağlar – bu, historically zorlu olan iki kısıtı dengelemektir.

Erken Benimseme Sinyalleri Güçlü

Şirket, platformu kullanan 6.000’den fazla organizasyonu ve 18.000’den fazla GitHub yıldızını raporluyor.

Bu kombinasyon – kurumsal benimseme ile açık kaynaklı momentum – OpenObserve’in hem üstten hem de alttan gelen kanallarda ilerleme kaydettiğini gösteriyor, bu da altyapı araçlarının yaygın kullanımına geçişte sık görülen bir modeldir.

Gözlemlenebilirliğin Geleceği İçin Ne Anlama Geliyor

OpenObserve’in üzerine bahis yaptığı yön clear: Gözlemlenebilirlik, pasif bir izleme katmanından aktif bir operasyonel sisteme doğru evrimleşiyor.

AI sistemleri uygulamalar boyunca gömüldükçe, zorluk artık sadece veri toplamak değil, onu önemli olacak kadar hızlı yorumlamaktır. İnsan odaklı iş akışları modern ortamların hızına ve ölçeğine yetişmekte zorlanıyor.

Telemetriyi birleştiren ve ona gerçek zamanlı zeka uygulayan platformlar, altyapının nasıl yönetildiğini yeniden şekillendirecektir. Mühendislerin birden fazla panoyu ve aracı gezinmek yerine, sistemler kararları doğrudan sunacak veya onları otomatik olarak uygulayacaktır.

Eğer bu geçiş sürerse, rekabetçi manzara, zengin özellikli izleme araçlarından operasyonel karmaşıklığı güvenilir bir şekilde azaltabilen ve büyük ölçekte otomatik yanıt verebilen platformlara doğru kayabilir.