💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
主要可观察性平台供应商如Logz.io、Dynatrace、Datadog和New Relic正在将人工智能集成到监控系统中，以减少数字基础设施监控的手动工作。这些公司推出的自动化功能提升了事件解决效率，Logz.io的AI代理能自动处理操作任务，用户反馈显示自动调查减少了30-70%的分类时间。尽管技术实现不同，各平台均利用自然语言处理和自动根因分析，推动监控从被动向主动管理转变。
🎯
关键要点
- 主要可观察性平台供应商如Logz.io、Dynatrace、Datadog和New Relic正在将人工智能集成到监控系统中，以减少数字基础设施监控的手动工作。
- Logz.io推出的AI代理能够自动处理操作任务，用户反馈显示自动调查减少了30-70%的分类时间。
- Logz.io的根本原因分析代理能够关联服务间的遥测数据，生成事件时间线和修复步骤。
- Dynatrace的Davis AI引擎通过映射应用程序依赖关系来识别潜在故障，采用因果AI全面分析云架构。
- Datadog的Watchdog系统使用统计学习进行异常检测，强调事件之间的相关性。
- New Relic优先考虑MLOps集成，将机器学习应用于性能建模和漂移检测。
- 所有平台都使用自然语言处理进行用户查询，尽管实现方式差异显著。
- 这些平台都提供自动根因分析，Logz.io和Dynatrace生成具体的修复建议，而Datadog则专注于事件之间的相关性映射。
- Logz.io的AI代理在实际应用中表现出色，能够自动化调查的第一层，快速分析与警报相关的日志和指标。
- 这些平台的最新公告显示，监控正向自主操作的“代理AI”能力发展，减少了分析可观察性工具所需的人力工作。
❓
延伸问答
Logz.io的AI代理有哪些功能？
Logz.io的AI代理包括根本原因分析代理、警报分析代理和数据分析代理，能够自动处理操作任务并生成事件时间线和修复步骤。
Dynatrace的Davis AI引擎是如何工作的？
Dynatrace的Davis AI引擎通过映射应用程序依赖关系，使用因果AI全面分析云架构，以识别潜在故障。
Datadog的Watchdog系统有什么特点？
Datadog的Watchdog系统使用统计学习进行异常检测，强调事件之间的相关性，并自动链接不同数据源中的相关事件。
这些可观察性平台如何利用自然语言处理？
所有平台都使用自然语言处理来处理用户查询，但实现方式不同，例如Logz.io使用语义搜索，而Dynatrace采用基于意图的解析。
Logz.io的AI代理在实际应用中表现如何？
Logz.io的AI代理在实际应用中表现出色，能够快速分析与警报相关的日志和指标，用户反馈显示自动调查减少了30-70%的分类时间。
New Relic在可观察性平台中有什么独特之处？
New Relic优先考虑MLOps集成，将机器学习应用于性能建模和漂移检测，帮助管理模型生命周期。
➡️
