Перегрузка данными. Объем телеметрии стремительно растет, создавая чрезмерную нагрузку на команды. 86% технических лидеров говорят, что облачные стеки производят данные, «превышающие возможности людей по управлению ими» [7]. Тысячи уведомлений и логов поступают непрерывно, создавая шум и усталость от них. 

Рост уровня сложности. Современные системы работают в облачных и контейнеризированных средах. При условии, что 51% организаций ожидает дальнейшего роста сложности, определение первопричин инцидентов без применения ИИ становится практически невозможным [1]. 

Распространение инструментов. Оперирование многочисленными инструментами мониторинга и безопасности (в среднем 10) добавляет путаницы. 85% лидеров соглашаются, что увеличение количества информационных панелей только повышает накладные расходы на управление [3]. 

«Узкие места», связанные с мануальной работой. 81% компаний сообщают, что аналитика, созданная вручную, и устаревшие системы управления производительностью приложений (APM) просто не успевают за темпом [4]. SRE-инженеры теряют часы на подготовку данных и настройку информационных панелей, которые можно было бы потратить на разработку функций. 

Инсайты и действия на основе ИИ. Причинно-следственный ИИ от Dynatrace, известный как Davis, анализирует телеметрию, чтобы точно определить первопричины (например, сервис, релиз кода или процесс, вызвавший проблему). Эти точные ответы становятся триггерами для AutomationEngine. По словам специалистов Dynatrace, вы можете «превратить точные ответы в интеллектуальные, расширяемые средства автоматизации, которые освободят время для инноваций» [11]. Например, уведомление о сбое сервиса, обогащенное полным контекстом стека вызовов, может автоматически запустить сценарий исправления или рабочий процесс тикетов. 

Создание рабочих процессов без кода или с минимальным кодом. AutomationEngine позволяет командам графически создавать рабочие процессы или определять их как код. Вы можете перетаскивать задачи (запросы, оповещения, вызовы API и т.д.) и связывать их с триггерами (уведомления, расписания, REST-вызовы) [12]. Предварительно определенные действия включают типичные операции (такие как перезапуск сервисов, масштабирование инфраструктуры или создание тикетов), чтобы командам не приходилось начинать с нуля. Эта визуальная, «управляемая ответами» модель означает, что DevOps и SRE-инженеры могут автоматизировать процессы без написания громоздких сценариев, ускоряя развертывание. 

Широкая интеграция и масштабируемость. Как SaaS-решение, Dynatrace мгновенно масштабируется для обработки больших размеров данных, потому автоматизация надежно работает в масштабах облака. Кроме того, AutomationEngine поставляется с защищенными интеграциями в рамках всей вашей экосистемы. [13]. Например, он может двунаправленно подключаться к ITSM-системам, контейнерным платформам или пользовательским API. Таким образом, обнаруженная аномалия может автоматически открыть инцидент в ServiceNow или запустить горизонтальное масштабирование Kubernetes — и все в контексте. Это позволяет избежать «интеграционной мороки» и позволяет командам разумнее использовать свои имеющиеся инструменты. 

Умная маршрутизация уведомлений и уязвимостей. Dynatrace автоматически обогащает проблемы точным контекстом (код, топология сервиса, влияние на бизнес), а затем использует метаданные о владельце, чтобы маршрутизировать уведомления. Рабочие процессы гарантируют, что каждое уведомление о проблеме или уязвимости попадает непосредственно к нужному инженеру. Например, когда выходит из строя критический процесс Apache или обнаруживается новая уязвимость, Dynatrace генерирует уведомление, насыщенное контекстом, и «эскалирует [его] к нужному владельцу для быстрого решения» [15]. Такая целевая маршрутизация помогает побороть усталость от уведомлений: нужный человек мгновенно видит нужную информацию. 

Автоматизированные «ворота качества» CI/CD. Интегрируясь в конвейеры релиза, Dynatrace обеспечивает принудительное автоматизированное проведение проверок качества и безопасности для каждой сборки. AutomationEngine может автоматически оценивать новое развертывание на соответствие целям уровня обслуживания (показатели производительности, частота ошибок) и известным уязвимости безопасности. Если релиз не проходит эти проверки, конвейер останавливается или производится откат. По определению Dynatrace, «каждый push автоматически проходит через ворота качества и безопасности, что приводит к высококачественным, безопасным и надежным релизам» [16]. Это гарантирует, что в производство попадает только безопасный и производительный код.  

Прогнозируемое автомасштабирование. Dynatrace использует ИИ для прогнозирования узких мест ресурсов, прежде чем они возникнут. К примеру, рабочий процесс может запустить ИИ Davis для прогнозирования исчерпания ресурсов ЦП или памяти (CPU or memory exhaustion) в развертывании Kubernetes, а затем автоматически скорректировать его реплики или лимиты ресурсов. Как объясняет Dynatrace, вы можете «прогнозировать дефицит ресурсов и автоматически открывать запросы на масштабирование приложений» [17]. Это проактивное масштабирование минимизирует время простоя и оптимизирует затраты, добавляя мощности именно тогда, когда она необходима.