在生产环境中维持数字服务正常运行，必定伴随着通宵达旦的高压工作，我对此深有体会。这项工作责任重大，既要保证快速交付，又要维持系统正常运行并防止宕机。借助 Dynatrace，企业高管现在可以在问题影响客户之前完成预测，防患于未然，减少被动应对。即便发生宕机，Dynatrace 的 AI 驱动自动根因分析也能加速问题修复。最终目标就是提升企业软件的可用性。

企业高管需要了解的关键洞察

● 通过独特的三重 AI 技术组合，预测并预防潜在的系统宕机

● 结合因果分析、预测分析和生成式AI进行自动根因分析，加快问题修复

● 利用端到端跟踪洞察客户影响，帮助确定事件处理优先级

● 通过自动化实现规模化主动防护，在客户受影响前完成系统自愈

要实现根因分析自动化，需要采取全面的方法：通过深入洞察实现端到端和全栈观测，利用实时更新的拓扑结构统一数据，并应用能够即时学习的因果 AI 来应对云原生环境的动态特性。多种 AI 技术的结合让 Dynatrace 更加强大，能够在同一平台上实现预测、预防和自动修复。不过业务才是重中之重，所以单纯监控服务器并没有意义。企业高管真正的业务需求在于理解客户影响，所以必须具备端到端的可观测性。这就是 Dynatrace 为客户解决问题的独特之处。

在问题影响之前及时应对

对企业高管而言，IT 系统宕机是一个重大难题。对于无法从源头预防的问题，最好的选择是在客户察觉之前就解决问题。而要提高处理速度，自动化是必经之路。

“Dynatrace”这个名称已经表明：动态追踪是我们的动作核心。Dynatrace 能够深入追踪从终端用户交互到服务器端全栈活动的完整过程，以此理解依赖关系，进而量化影响、评估状况并确定行动优先级。三重 AI 模式为自动根因分析提供动力，能够在数百万个服务相互依赖和代码行中快速定位问题根源，具有远超人工分析的能力。

云技术的复杂性和数十亿的依赖关系已经超出了人工管理范围，需要AI来进行分析和理解。Dynatrace 的 AI 能够大幅提升效率，避免告警风暴，可以避免相互推诿，也不用召开紧急会议，从而能提高开发团队的生产力和满意度，消除因告警风暴带来的业务风险。会话回放功能提供直观的证据和事件背景，帮助团队更容易理解和处理根本原因。通过 Dynatrace 的自动根因分析，企业可以将平均修复时间（MTTR）降低90%以上。

Dynatrace 因其三重 AI 能力而广受认可，可以预测和预防问题，自动识别根本原因，从而最大化系统可用性。

随着云原生技术普及与责任左移（shift left），开发团队对生产部署有了更多的控制权。如今软件开发者也要为软件负责，与“抛过墙”的传统方式形成鲜明对比，但这在大型组织中也带来了一致性与合规性挑战。所以我们没有选择“左移”，而是将Dynatrace“向左扩展”，来满足双重需求：开发人员可以轻松安全地访问预生产和生产环境的部署，同时主要的 SRE 和 DevOps 团队也能获得所需的可扩展和自动化的可观测性，保持合规、一致性和系统韧性。最终，标准化的可观测性加上部门用户自助服务，有效减少了工具泛滥和复杂性问题。

那些需要团队24小时盯着仪表板、手动解释数据并按照操作手册执行操作的日子已经一去不复返了。通过统一可观测性数据并应用先进的 AI 技术，Dynatrace 推进了新一代 AIOps 的发展，能够预测和预防问题，并利用自动化实现系统自愈。

运用AI预测、预防系统宕机

根据2024年 AI 现状报告（The 2024 State of AI Report），89%的技术主管期望AI能够改善事件响应，88%期望它能够帮助团队预测并主动解决影响服务的问题，如应用程序故障和安全漏洞。在这个过程中，许多组织尝试用 AIOps 工具改善模式分析，降低噪音，但大多数解决方案只提供相关性分析，不能揭示真正的因果关系。更糟糕的是，系统并不能从过去的宕机中学习，因为训练系统需要数千次生产环境宕机，这是任何企业高管都无法承受的。

要真正预测、预防问题，需要即时捕捉系统复杂性，并在完整背景下持续评估，通过实时映射因果关系的AI来实现。Dynatrace 通过其三重 AI 方法解决了这一需求，在单一框架中结合了因果分析、预测分析和生成式 AI 能力。这种方法无需从过去的宕机中学习，能够实现高度自动化的软件交付流程，最大化系统韧性。

IT 团队还可以在工作流中嵌入质量门，以持续满足通过服务水平目标（SLOs）定义的用户体验阈值，进而可以基于季节性模式预测容量需求，并利用因果依赖关系自动捕捉和预防问题。

要满足不断提高的客户期望，提升系统可用性，需要高度自动化以实现规模化、灵活性和韧性。包括自动扩容、过载保护、自动修复、自动回滚、自动质量门等。最终目标是通过自主云运维实现系统自愈。

因此，平台工程学科应运而生，它从整体角度处理软件、基础设施和交付，始终追求自动化。但自动化不能仅限于技术层面，还需要在业务背景下执行，所以得深入了解影响业务的关键指标，包括用户体验、公共 API 调用成功率、季节性变化规律，以及成本与性能等战略目标。

这就是 Dynatrace 的可观测性远远超出传统“观测系统”的地方。Dynatrace 提供的可观测性包含了 AI、分析和自动化功能，可以与平台工程、持续交付和自动化运维集成。这大大减轻了 DevOps、SRE 和运维团队的手动工作负担，使他们能够转向自动化任务。需要注意的是，工作量并没有减少，主要收益在于提高了可用性和安全性，加快了软件交付速度，提升了生产力，并优化了云成本。

欧洲的数字运营韧性法案（DORA）等新的认证和安全法规，正在提高对数字系统可用性的要求。DORA 要求持续合规并能够报告状态，给组织带来了沉重负担。而 Dynatrace 可以通过新的合规助手应用提供额外支持和自动化方案。

同样道理，由于可用性不仅受技术问题影响，还受安全威胁影响，可观测性和云安全必须相互融合，最小化可用性问题。正是在统一的可观测性和安全数据基础上，Dynatrace 的 AI 和分析能力将问题预防和快速修复提升到了新的水平。