اخیراً، IBM برای خرید Databand.ai که نرمافزاری را برای مشاهدهپذیری دادهها توسعه میدهد، معامله کرد. مبلغ خرید اعلام نشد. با این حال، این خرید اهمیت قابل مشاهده بودن را نشان می دهد، زیرا IBM طی چند سال گذشته شرکت های مشابهی را خریداری کرده است.
جوزف جورج، معاون مدیریت محصول BMC، گفت: «مشاهدهپذیری(Observability) فراتر از نظارت سنتی است و به ویژه با پیچیدهتر شدن زیرساختها و چشماندازهای کاربردی مرتبط است. افزایش دید به ذینفعان بینش بیشتری نسبت به مسائل و تجربه کاربر میدهد، زمان صرف شده برای اطفای حریق را کاهش میدهد و زمان برای ابتکارات استراتژیکتر ایجاد میکند.
مشاهده پذیری یک مقوله عظیم است. این شامل تجزیه و تحلیل گزارش، نظارت بر عملکرد برنامه (APM:application performance monitoring) و امنیت سایبری است و این اصطلاح در سایر حوزه های فناوری اطلاعات مانند شبکه به کار رفته است. به عنوان مثال، طبق گفته گارتنر، از نظر APM، انتظار میرود هزینههای این فناوری تا سال 2024 به 6.8 میلیارد دلار برسد.
بنابراین، چه چیزی قابلیت مشاهده را منحصر به فرد می کند؟ و چرا به بخش مهمی از پشته فناوری سازمانی تبدیل شده است؟ خوب، بیایید نگاهی بیندازیم.
مشاهده پذیری چگونه کار می کند:
هدف نهایی مشاهده پذیری فراتر از قابلیت های نظارت سنتی با دادن توانایی به تیم های فناوری اطلاعات برای درک سلامت یک سیستم در یک نگاه است.
یک پلت فرم مشاهده پذیری چندین عملکرد مهم دارد. یکی پیدا کردن دلایل اصلی یک مشکل است که می تواند یک نقض امنیتی یا یک اشکال در یک برنامه باشد. در برخی موارد، سیستم یک راه حل ارائه می دهد. گاهی اوقات یک پلت فرم مشاهده پذیری اصلاحات را به تنهایی انجام می دهد.
فرانک رنو، مدیر ارشد محصول Humio، گفت: «مشاهدهپذیری ویژگیای نیست که بتوانید نصب کنید یا سرویسی نیست که بتوانید در آن مشترک شوید. «مشاهدهپذیری چیزی است که یا دارید یا ندارید. این تنها زمانی به دست می آید که شما تمام داده ها را برای پاسخ به هر سوالی در مورد سلامت سیستم خود، چه قابل پیش بینی یا غیر قابل پیش بینی، داشته باشید.”
رویکرد سنتی این است که مقادیر عظیمی از دادههای دورسنجی خام را خرد کرده و آنها را در یک مخزن مرکزی تجزیه و تحلیل کنیم. با این حال، انجام این کار در لبه، جایی که نیاز به راه حل های بلادرنگ وجود دارد، می تواند دشوار باشد.
اهرم های مشاهده پذیری
بزرگترین عامل رشد برای مشاهدهپذیری، اهمیت استراتژیک نرم افزار است. برای اکثر کسب و کارها به یک امر ضروری تبدیل شده است.
پاتریک لین، معاون مدیریت محصول برای مشاهده پذیری، Splunk می گوید: «نرم افزار به پایه و اساس نحوه تعامل سازمان ها با مشتریان خود، مدیریت زنجیره تامین خود و اندازه گیری در برابر رقبا تبدیل شده است. “به ویژه با مدرن شدن تیم ها، چیزهای بیشتری وجود دارد که آنها باید نظارت کنند و به آنها واکنش نشان دهند – محیط های ترکیبی، تغییرات مکرر نرم افزار، داده های تله متری بیشتر منتشر شده از ابزارهای تکه تکه شده، و هشدارهای بیشتر. عیبیابی این سیستمهای نرمافزاری هرگز سختتر نبوده است، و روش نظارتی که بهطور سنتی انجام میشود، دیگر آن را قطع نمیکند.»
شرکت های معمولی ده ها ابزار سنتی برای نظارت بر زیرساخت ها، برنامه ها و تجربیات دیجیتال دارند. نتیجه این است که سیلوهای داده وجود دارد که می تواند اثربخشی آن ابزارها را کاهش دهد. در برخی موارد، می تواند به معنای خرابی یا قطعی فاجعه بار باشد.
اما با قابلیت مشاهده، داده ها متمرکز می شوند. این امکان دید بیشتر در سراسر شرکت را فراهم می کند.
لین گفت: «شما به سرعت به ریشهیابی علل دست مییابید. “شما نه تنها متوجه می شوید که یک مشکل چه زمانی رخ می دهد، بلکه متوجه می شوید که چه چیزی باعث آن شده است و چرا. شما میانگین زمان شناسایی (MTTD) و میانگین زمان برای حل (MTTR) را با شناسایی پیشگیرانه مسائل در حال ظهور قبل از اینکه مشتریان تحت تأثیر قرار گیرند، بهبود میبخشید.»
چالش های مشاهده پذیری
البته قابل مشاهده بودن یک گلوله نقره ای نیست. این فناوری مطمئناً دارای معایب و خطراتی است.
در واقع، یکی از مسائل آزاردهنده، عامل هایپ است. این در نهایت می تواند به این دسته آسیب برساند. نیک هودکر، مدیر ارشد استراتژی بازار و هوش رقابتی، کریبل، میگوید: «میزان قابلتوجهی از شستوشوی قابلیت مشاهده توسط فروشندگان قدیمی وجود دارد، که باعث سردرگمی کاربران نهایی میشود که سعی میکنند بفهمند قابلیت مشاهده چیست و چگونه میتواند برای آنها مفید باشد.
درست است، این مشکل با هر فناوری موفقی است. اما مشتریان قطعا باید دقت لازم را انجام دهند.
مشاهده پذیری نیز یک فناوری plug-and-play نیست. نیاز به مدیریت تغییر وجود دارد. و بله، شما باید یک تیم بسیار ماهر داشته باشید تا از این فناوری حداکثر استفاده را ببرید.
گاوین کوهن، معاون محصول زبریوم، گفت: «بزرگترین نقطه ضعف مشاهدهپذیری این است که فردی – مانند یک مهندس یا فردی از DevOps یا سازمان مهندسی قابلیت اطمینان سایت (SRE) – باید رصد واقعی را انجام دهد. برای مثال، وقتی مشکلی وجود دارد، ابزارهای مشاهدهپذیری در ارائه قابلیتهای دسترسی و بررسی به حجم عظیمی از اطلاعات مفید عالی هستند. اما این به مهندس بستگی دارد که آن اطلاعات را بررسی و تفسیر کند و سپس تصمیم بگیرد که در شکار به کجا برود تا علت اصلی را مشخص کند. این به مهارت، زمان، صبر و تجربه نیاز دارد.»
اگرچه، با رشد هوش مصنوعی (AI) و یادگیری ماشینی (ML)، می توان به این موضوع پرداخت. به عبارت دیگر، ابزارهای نسل بعدی می توانند به خودکارسازی نقش ناظر کمک کنند. کونال آگاروال، بنیانگذار و مدیر عامل Unravel Data، می گوید: «این نیاز به هوش عمیقی در مورد سیستم های تحت رصد دارد، مانند مدل سازی پیچیده، جزئیات دقیق و هوش مصنوعی جامع.