OpenObserve, gözlemlenebilirliği otonom operasyonlara taşımak için A Serisi turda 10 milyon dolar topladı

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

Şirket, 2022 yılında kuruldu ve Menlo Park’ta bulunuyor. Özellikle AI sistemleri altyapıya, uygulamalara ve model davranışına yeni karmaşıklık katmanları eklerken kendisini parçalı izleme kurulumlarına birleşik bir alternatif olarak konumlandırıyor.

Parçalanmış İzleme Yığınlarından Uzaklaşma

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

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

Teknik açıdan, platform bulut için tasarlanmış 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 Elasticsearch tarzı indeksleme üzerine kurulu eski sistemlere kıyasla önemli ölçüde daha düşük işletme maliyetleri sağladığı 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 olayları manuel olarak araştırması yerine, sistem telemetriyi bağlamında analiz eder, kök nedenleri tanımlar ve düzeltici eylemler önerebilir veya bazı durumlarda uygulayabilir.

Buna, sorunları büyümeden önce ortaya çıkaran anormallik tespiti ve AI modellerinin üretim ortamındaki davranışlarını izleyen LLM gözlemlenebilirlik araçları eşlik eder. Bunlar istemleri, çıktıları ve performansı kapsar.

Genel fikir, özellikle telemetri hacimleri artmaya 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 sayede 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 ve öngörülebilir maliyetleri koruyabilen bir sistemdir. Bunlar, tarihsel olarak dengelenmesi zor olan iki gereksinimdir.

Erken Benimseme Sinyalleri Güçlü

Şirket, büyük işletmeler dahil 6.000’den fazla kuruluşun platformu kullandığını ve 18.000’den fazla GitHub yıldızıyla geliştiriciler arasında güçlü ilgi gördüğünü bildiriyor.

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

Gözlemlenebilirliğin Geleceği İçin Ne Anlama Geliyor

OpenObserve‘in üzerine bahis yaptığı yön açık: 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 muhtemelen yeniden şekillendirecektir. Mühendislerin birden fazla pano ve araç arasında gezinmesi yerine sistemler giderek daha fazla kararı 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.