核心观点与关键数据
-
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。
-
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。
-
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。
-
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。
-
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。