如果您重视开发国际中产生的任何事情，那么您可能会了解“可调查性”一词。我们看到越来越多的来自不同背景的监控公司开始使用术语来描述其解决方案，许多公司声称其可调查性东西是将事务提升到更高水平的因素。
日益增长的失控体系工程，可调查性使开发团队能够经过内部体系的外部输出来一致和研讨各种IT体系的行为。关于软件，这是日志事件，分布式跟踪和时间序列目标。经过一致当今杂乱IT环境中的数据流，它无疑使SRE和DevOps从业人员能够摆脱传统监控。可是仅凭数据已不行。
可调查性问题
通用的可调查性东西收集了大量的监视数据，阻碍了DevOps从业者和SRE的成功。这些东西供给的信息是初级，冗余且嘈杂的。人类的大脑无法理解。SRE可能会花费一整天的时间从有含义的数据中过滤掉噪声。更不用说，DevOps的从业者和SRE根本没有洞察力来解释和理解数据告诉他们的内容，以及一旦他们将有含义的数据与噪音别离后该怎么应对。
这不只使他们错过了可能迅速变成影响客户的停机时间或故障的问题，并且还因为轮毂在毫无含义的噪音下旋转而造成了极大的倦怠感。毕竟，如果您不知道怎么处理可调查性数据，那么它有什么用呢？这就像在满是嘹亮电视的房间里有一堆遥控器，却不知道哪个遥控器转到哪个电视。
情报在可调查性中的作用
可是，凭借AI，可调查性数据具有全新的潜力。它们共同供给了新的灵敏性，并具有改善DevOps流程并终究改善客户价值的能力。经过将AI应用于可调查性数据，开发团队能够从遥测中别离出信号和重要的推论，从而确定哪些体系数据实际上对改善事务流程有含义。当相关数据浮出水面时，这种新的智能功能能够创立关联并辨认因果关系，并经过辨认问题产生的位置，产生的原因以及怎么解决这些问题，为解决问题指明晰路途。归根结底，没有增加AI就没有真实的可调查性。
这种新的可调查性浪潮-凭借AI的可调查性-将领导者异乎寻常，从而以机器速度发明更好的事务成果。它不只会为当时体系的改善发明一条行进的路途，并且还会使SRE和DevOps从业人员摆脱他们现在如此深重的工作，从而使他们能够花更多的时间来建造具有竞争力的，奖赏立异的新技术。
以智能的可调查性采纳举动
作为开发人员，您需求采纳一些实际步骤，才能开始获得智能可调查性的好处。首先，为可操作性做好准备。确定能够充当智能可调查性测验平台的几项服务，对这些服务进行检测以生成一些有含义的目标，日志和/或跟踪，并将其与基础结构目标和日志结合在一起。一旦您检测了服务并流动了数据，就该重视技术背后的人员和流程了。
经过将您的智能可调查性平台连接到Slack或Jira等现有东西来创立简化的自动化工作流，并开始在团队中交际化新工作流。当您的团队意识到经过智能可调查性处理的自动化和可操作性的力量时，您将开始迅速将精力从繁琐的任务转移到具有立异含义的立异领域。
结合可调查性和AI力量的现代技术投资将推动公司进入现代的数字第一年代。随着开发团队能够经过自动检测，诊断和修正问题来制定更明智，更快速的决策，他们将看到新的灵敏度，并能够供给更大，更好的客户体会。
