Từ Thời Gian Hoạt Động Đến Trải Nghiệm: Sự Chuyển Đổi Dựa Trên AI trong Quan Sát Hiện Đại

Vào năm 2001, IBM đã viết một bản tuyên bố về CNTT tự trị. Tầm Nhìn về Tính Tự Chủ trong Máy Tính đã phân chia tự quản lý thành bốn trụ cột: tự tối ưu hoá, tự chữa lành, tự cấu hình và tự bảo vệ. Tôi đang làm việc tại Microsoft khi IBM trình bày tầm nhìn CNTT này. Chúng tôi đã phản hồi bằng cách đề xuất các ý tưởng công nghệ như trung tâm dữ liệu tự trị, nhưng cuối cùng, đó là một giấc mơ vượt quá thời đại của nó. Không có cách thực tiễn nào để hiện thực hoá tầm nhìn đó.

Trong thời gian tôi ở Microsoft, tôi là thành viên của đội ngũ phát triển Clippy. Mặc dù trợ lý kẹp giấy hoạt hình nổi tiếng gây phiền toái, ý tưởng đằng sau nó là hợp lý: máy tính nên chủ động giúp con người thực hiện công việc. Chúng tôi chỉ chưa có sức mạnh tính toán và AI để biến điều đó thành hiện thực. 25 năm sau, cuối cùng chúng ta đã làm được.

Từ Mức Dịch Vụ Đến Mức Trải Nghiệm

Khái niệm quan sát không bắt nguồn từ CNTT. Vào năm 1960, kỹ sư và nhà toán học người Hungary-Mỹ Rudolf E. Kálmán đặt ra thuật ngữ “observability” để mô tả mức độ mà một hệ thống có thể được đo lường qua các đầu ra của nó. Sau đó, vào năm 2013, Twitter đưa vào sử dụng thuật ngữ trong một loạt các bài đăng blog, thực chất nói rằng việc giám sát truyền thống, thông qua tất cả các công cụ thương mại có sẵn, được thiết kế cho một thời đại công nghệ khác và không hoạt động trong kiến trúc quy mô vi dịch vụ.

Hãy tưởng tượng như một bác sĩ khám bệnh nhân. Họ có thể kiểm tra nhịp tim, đo huyết áp và quan sát các đặc điểm bên ngoài khác để gián tiếp đánh giá sức khỏe nội bộ của bệnh nhân. Trong CNTT, chúng ta cũng cần làm tương tự. Khi có một nhấp nháy trong nhịp tim của bệnh nhân, chúng ta cần biết liệu điều đó có nghĩa là có vấn đề ở thận hay gan không. Ở quy mô và độ phức tạp của các hoạt động mà Twitter đang đối mặt cách đây 20 năm (công ty chỉ phục vụ 100 triệu người dùng với các tweet và nguồn cấp dữ liệu thời gian thực), quan sát đòi hỏi một bộ công cụ và cách tiếp cận giám sát khác.

Các hệ thống ngày nay đã trở nên còn lớn hơn và phức tạp hơn, với sự phụ thuộc vào mạng phân phối nội dung, bộ nhớ đệm và phân phối bitmap, phông chữ, tệp JavaScript, và nhiều thứ khác trên toàn thế giới. Thực sự hiểu được hiệu năng của các ứng dụng thực tế không phải là việc dễ dàng.

Khi bộ phận CNTT nhận được thông báo vào lúc 4 giờ sáng, ai đó phải ra khỏi giường và xác định liệu sự cố là do một sector hỏng trên ổ cứng hay một kẻ tấn công đang cố xâm nhập và gây hỗn loạn trong hạ tầng. Thực tế không quan trọng đó là gì: cuối cùng, nhiệm vụ của họ là duy trì mọi hệ thống hoạt động. May mắn thay, để đánh giá sức khỏe ứng dụng ngày nay, chúng ta có thể thu thập toàn bộ dữ liệu đo lường có sẵn: mọi thiết bị mạng, mọi ứng dụng, hàng ngàn tích hợp sẵn, luồng ticket qua JIRA hoặc Atlassian, và rất nhiều tín hiệu khác.

Đây là nơi các Mục Tiêu Mức Trải Nghiệm (XLOs) xuất hiện. Có lẽ bạn đã nghe về Thỏa Thuận Mức Dịch Vụ (SLAs) và Mục Tiêu Mức Dịch Vụ (SLOs), nhưng XLOs tiến một bước tiếp theo bằng cách đo lường liệu khách hàng và nhân viên của bạn có nhận được mức trải nghiệm mà họ mong muốn hay không. Đó là về chất lượng, không chỉ thời gian hoạt động. Từ góc độ kỹ thuật, cách duy nhất để đạt được XLOs là có khả năng quan sát từ NIC đến thiết bị người dùng cuối.

Vào tháng Mười năm ngoái, AWS US-EAST-1 đã ngừng hoạt động. Catchpoint đã phát hiện sự cố 16 phút trước khi Amazon công khai công nhận. Khách hàng có khả năng quan sát này đã có thể phản ứng trước khi người dùng của họ cảm nhận được hậu quả của sự gián đoạn.

Lời hứa của quan sát giống như gấu Smokey: phát hiện khói trước khi có lửa. Khi thực hiện đúng, quan sát cho phép bạn dập tắt một ngọn lửa đồng bằng trước khi nó trở thành một đám cháy lớn phá hủy Palisades ở California. Smokey là hệ thống cảnh báo sớm có thể phát hiện những làn khói nhỏ bất kể nguồn gốc: một vấn đề của AWS, một vấn đề của Oracle, một vấn đề của GCP, một vấn đề của Microsoft Azure, hoặc một sự cố nào đó trong hạ tầng của bạn.

AI Mở Rộng Hệ Thống Bảo Mật

Không có điều hành viên nào có thể theo dõi các hệ thống hạ tầng ngày nay. Cách duy nhất để giám sát hệ thống ở quy mô lớn, tiếp nhận hàng petabyte dữ liệu log và hàng nghìn tỷ chỉ số mỗi ngày, là sử dụng AI.

Ví dụ, giả sử bạn muốn theo dõi hiệu năng đọc/ghi trên một ổ đĩa hoặc đầu vào/đầu ra hoặc tràn bộ đệm gói trong môi trường mạng của mình. Bạn có thể sử dụng ngưỡng động để xác định chuẩn bình thường, hoặc cách tiếp cận quyết định để xem dữ liệu chuỗi thời gian trong tuần, tháng, năm qua, hoặc bất kỳ khung thời gian nào bạn muốn, và thiết lập các ngưỡng hiệu năng bình thường. Khi đã có phân tích thống kê này, bạn có thể đặt mức cho hai độ lệch chuẩn so với trung bình, sao cho khi có điều gì xảy ra ngoài phạm vi đó, bạn sẽ nhận được cảnh báo rằng hiệu năng có thể bất thường.

Tuy nhiên, các hệ thống cực kỳ phức tạp có thể nhận hàng ngàn cảnh báo mỗi ngày. Các bảng điều khiển bắt đầu nhấp nháy, và mọi người bắt đầu nhận thông báo. Việc lọc qua tất cả các cảnh báo này không phải là cách sử dụng thời gian của con người một cách hiệu quả. Thực tế, Vectra ước tính rằng các tổ chức nhận trung bình 2,992 cảnh báo bảo mật mỗi ngày, trong đó 63% không được xử lý.

Các công cụ AI có thể giảm bớt hàng ngàn cảnh báo mỗi ngày xuống còn chỉ vài chục. Tôi nhớ một trường hợp mà một vấn đề duy nhất trên một NIC duy nhất của một máy duy nhất đã gây ra 2.000 cảnh báo downstream. Nhờ AI, khách hàng đã có thể thực hiện việc tương quan cảnh báo và đạt được phân tích nguyên nhân gốc nhanh hơn rất nhiều, và kết luận rằng một vấn đề duy nhất tại thời điểm đó đã khiến toàn bộ bảng điều khiển của công ty chuyển sang màu đỏ.

AI đang làm cho CNTT trở nên thú vị một lần nữa

Tôi đã nghỉ phép một thời gian sau khi Cisco mua lại Splunk vào năm 2023. Trong hai năm tiếp theo, tôi chứng kiến bạn bè và các đồng nghiệp cũ của mình thành lập các công ty để sử dụng AI theo những cách mà năm năm trước đây chưa thể thực hiện được. (Hãy nhớ rằng nếu ChatGPT là một đứa trẻ con người, nó sẽ là một đứa ba tuổi).

Các đội IT cần sự trợ giúp để phát hiện khói trước khi còi báo động vang lên, chứ không phải thêm nhiều bảng điều khiển để nhìn chằm chằm. Họ. Theo một cách nào đó, đây là vấn đề mà IBM, Twitter và thậm chí Microsoft với Clippy đều đang cố gắng giải quyết.

Đây là lý do tôi quyết định quay lại. Công nghệ cuối cùng đã đạt đến một mức độ cho phép chúng ta thực hiện lời hứa ban đầu về khả năng quan sát và IT tự động.