打造先进的可视化能力以应对云原生环境挑战

核心观点与关键数据

1. 数据采集与答案提供
   传统应用性能监测（APM）难以应对云原生环境的动态性和复杂性，企业需从数据采集升级到提供可操作性的答案。Dynatrace 通过自动化、人工智能辅助技术实现全栈式、端到端的代码级可视化，确保云原生应用完美运行。

2. 云环境挑战与可视化扩充
   云原生环境因动态性和复杂性导致观测困难，传统可视化工具无法应对未知情况。Dynatrace 扩充可视化数据采集，除指标、日志、跟踪信息外，还采集用户体验数据，实现全栈式可视化。

3. 自动化、依赖信息与人工智能
   Dynatrace 通过自动化技术（自动发现、基线化、插装、更新）实现可伸缩性和完整性；实时绘制拓扑结构图（Smartscape）提供各层级依赖信息；基于因果关系的人工智能引擎 Davis 提供代码级问题根源分析。

4. Davis 人工智能引擎优势

   • 精心打造的内核，处理全部技术栈数据；
   • 数毫秒内定位故障组件，提供代码级可视化；
   • 识别不良部署，发现未知情况；
   • 自动执行假设测试，无需反复模型学习。

5. 未来展望：OpenTelemetry
   OpenTelemetry 开源项目旨在改进可视化数据采集，Dynatrace 积极贡献并支持其成为标准，进一步扩大技术覆盖广度。

研究结论

Dynatrace 通过整合可视化、持续自动化和人工智能辅助技术，为企业提供可操作性的答案，助力企业应对云原生环境挑战，实现云运营的现代化和自动化，提升用户体验和业务成效。