OpenObserve 10 Milyon Dolarlık A Serisi Yatırımını Otomatik Operasyonlara Doğru Gözlemlenebilirliği İttirarak Kullanıyor

Silicon Valley’deki startup OpenObserve, Nexus Venture Partners ve Dell Technologies Capital liderliğindeki 10 milyon dolarlık bir A Serisi yatırım turunu tamamladı. Bu, yatırımcıların gözlemlenebilirlik yığınının yapısal bir revizyona ihtiyaç duyduğu konusunda artan bir inanç olduğunu gösteriyor.

Şirket, 2022 yılında kurulmuş ve Menlo Park’ta bulunan OpenObserve, özellikle AI sistemlerinin altyapı, uygulamalar ve model davranışı boyunca yeni karmaşıklık katmanları tanıttığından, parçalı izleme kurulumlarına karşı birleşik bir alternatif olarak kendisini konumlandırıyor.

Parçalı İzleme Yığınlarından Uzaklaşma

Gözlemlenebilirlik geleneksel olarak birden fazla araçtan oluşur – bir sistemde günlükler, başka bir sistemde ölçümler, başka bir yerde izleme. Bu yaklaşım modern iş yüklerinin ağırlığı altında giderek daha fazla bozuluyor.

OpenObserve’ın yaklaşımı her şeyi tek bir platforma toplamak. Sistemi günlükleri, ölçümleri, izlemeleri ve gerçek kullanıcı izleme verilerini alır, ardından analiz, uyarı ve olay yanıtı gibi özellikleri tek bir arayüz içinde sunar.

Alt yapıda, platform, hesaplama ve depolamayı ayıran bir bulut yerel mimariye dayanır. Büyük ölçekli telemetri verilerini verimli bir şekilde işleyebilmek için S3 ve sütunlu Parquet dosyaları gibi nesne depolamalarını kullanır. Bu tasarım, depolama maliyetlerini önemli ölçüde azaltırken, petabayt ölçekli verilerde bile yüksek sorgu performansı sağlar.

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

Gözlemlenebilirlik 3.0: İzleme’den Otomatik Eyleme

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

Bu vizyonun merkezinde, AI destekli bir site güvenilirlik mühendisliği (SRE) katmanı yer alıyor. Mühendislerin manuel olarak olayları araştırması yerine, sistem, telemetri verilerini bağlamında analiz eder, kök nedenleri tanımlar ve düzeltici eylemler önerir veya bazı durumlarda bu eylemleri gerçekleştirir.

Bu, sorunları büyümeden önce ortaya çıkaran anormallik tespiti ve AI modellerinin üretimdeki davranışlarını, promtları, çıktıları ve performanslarını izleyen LLM gözlemlenebilirlik araçlarıyla eşleştirilir.

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

AI İş Yüklerinin Ölçeğine Uygun Olarak Tasarlandı

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

OpenObserve’ın tasarımı bu değişimi yansıtıyor. Veriler, sıkıştırılmış sütunlu formatlarda depolanır ve doğrudan nesne depolama alanından sorgulanır, bu da pahalı indeksleme katmanlarına veya veri çoğaltmasına gerek kalmaz. Bu, platformun, dağıtılmış izleme sistemleriyle ilişkili karmaşıklık olmadan yatay olarak ölçeklenmesini sağlar.

Sonuç, yüksek hacimli veri akışlarını işlerken hızlı sorgu performansı ve öngörülebilir maliyetleri koruyabilen bir sistemdir – bu, histórik olarak dengelenmesi zor olan iki kısıtlamadır.

İyi İlk Benimseme Sinyalleri

Şirket, büyük şirketlerin yanı sıra 6.000’den fazla organizasyonun platformu kullandığını, ayrıca 18.000’den fazla GitHub yıldızına sahip güçlü geliştirici traksiyonunu rapor ediyor.

Bu kombinasyon – kurumsal benimseme ile açık kaynaklı momentum – OpenObserve’ın, altyapı araçlarının başarılı bir şekilde ana akıma geçişini often görülen bir model olan, hem üstten hem de alttan gelen kanallar aracılığıyla ilerlediğini gösteriyor.

Gözlemlenebilirliğin Geleceği İçin Ne Anlama Geliyor

OpenObserve tarafından tercih edilen yön açık: Gözlemlenebilirlik, pasif bir izleme katmanından aktif bir operasyonel sisteme doğru evrim geçiriyor.

AI sistemleri uygulamalar genelinde gömülü hale geldikçe, zorluk artık sadece veri toplamak değil, aynı zamanda bunu önemli olmak için yeterli hızda yorumlamak. İnsan odaklı iş akışları modern ortamların hızını ve ölçeğini takip etmekte zorlanıyor.

Telemetri verilerini birleştiren ve bunları gerçek zamanlı zeka ile analiz eden platformlar, altyapının nasıl yönetildiğini yeniden şekillendirecek. Mühendislerin birden fazla panelden ve araçtan yararlanmak yerine, sistemler doğrudan kararları sunacak veya bunları otomatik olarak gerçekleştirecek.