/)
У большинства команд есть телеметрия со всего стека, но связывать эти сигналы воедино, чтобы понять происходящее и его влияние на пользователей, не всегда просто. Важнейший контекст о зависимостях сервисов, владельцах и прошлых инцидентах часто распределен по разным инструментам, инструкциям (runbooks) и обсуждениям между членами команды.
Именно поэтому сегодня на конференции ObservabilityCON 2026 мы анонсируем новые возможности, которые выводят полностековую наблюдаемость в Grafana Cloud на новый уровень. В основе этого подхода лежит Граф знаний (Knowledge Graph) — уровень контекста выполнения в Grafana Cloud, который объединяет компоненты вашей системы, их взаимосвязи и сведения об их работоспособности в едином связанном представлении.
Мы расширяем Граф знаний, чтобы охватить больше инфраструктуры, приложений и ориентированных на пользователя сигналов, а также более широкий спектр операционного контекста, включая ваш каталог сервисов, дежурные команды и выводы, полученные во время прошлых инцидентов.
В совокупности эти связи дают людям и ИИ-агентам общий контекст, построенный на основе открытых стандартов, о том, как устроена система, что помогает им быстрее устранять неполадки и находить первопричины.
«Мы обнаружили, что самая сложная часть расследования редко заключается в нехватке данных. Сложность заключается в том, чтобы связать владение сервисами, зависимости, операционные знания и влияние на клиентов в рамках сложной экосистемы, — говорит Нил Уилсон (Neil Wilson), старший директор по программной инженерии в LexisNexis Risk Solutions. — Связи графа сущностей [в Графе знаний] делают эти связи видимыми, предоставляя инженерам и ИИ-системам контекст, необходимый для перехода от данных к пониманию и действиям».
Представьте Grafana Cloud как вашего специалиста по SRE: работаете ли вы с Grafana Assistant или подключаете собственного агента через gcx, вам нужна эта специализированная экспертиза именно тогда, когда она требуется, без необходимости тратить первую половину расследования на восстановление того, как все взаимосвязано. Именно к этому мы и стремимся в полностековой наблюдаемости: к более быстрым, надежным и экономичным ответам на основе Графа знаний.
Связанное представление вашей системы: делаем полный стек еще более полным
Схема Графа знаний, показывающая, как агенты, синтетические проверки, компоненты интерфейса и базы данных связаны с сервисами и инфраструктурой.
Мы развиваем Граф знаний как платформенную возможность, доступную в каждом стеке, где вы можете собирать контекст в Grafana Cloud.
Традиционно Граф знаний поддерживал такие решения, как Grafana Cloud Application Observability, Kubernetes Monitoring, Database Observability и Cloud Provider Observability. Эти решения автоматически обнаруживают соответствующие сущности (например, сервисы, поды и ноды) и сопоставляют их и их взаимосвязи в Графе знаний. Затем они отслеживают работоспособность сущностей и добавляют эти данные в граф, подсвечивая все: от отклонений от динамических базовых линий до конфигурационных изменений.
Теперь мы расширяем эту полностековую картину, интегрируя в Граф знаний еще больше элементов вашей среды:
- Интерфейсные приложения (общедоступно): Frontend Observability сопоставляет интерфейсные приложения и ориентированные на пользователя сигналы с обслуживающими их сервисами и инфраструктурой.
Интерфейсные приложения (общедоступно):
сопоставляет интерфейсные приложения и ориентированные на пользователя сигналы с обслуживающими их сервисами и инфраструктурой.
- Синтетические проверки (публичное превью): Оповещения от проверок Synthetic Monitoring теперь отображаются рядом с состоянием работоспособности сервисов, что позволяет быстрее выявлять проблемы и проводить расследования.
Синтетические проверки (публичное превью): Оповещения от
теперь отображаются рядом с состоянием работоспособности сервисов, что позволяет быстрее выявлять проблемы и проводить расследования.
- Больше облачных ресурсов Google Cloud, AWS и Azure (общедоступно): Cloud Provider Observability теперь сопоставляет больше ваших ресурсов Google Cloud, AWS и Azure для получения более полной картины облачной инфраструктуры.
Больше облачных ресурсов Google Cloud, AWS и Azure (общедоступно): Cloud Provider Observability теперь сопоставляет больше ваших ресурсов Google Cloud, AWS и Azure для получения более полной картины облачной инфраструктуры.
- ИИ-агенты (публичное превью): Agent Observability сопоставляет ваши ИИ-агенты с их зависимостями, позволяя увидеть, как они связаны с остальной частью вашей системы.
ИИ-агенты (публичное превью):
сопоставляет ваши ИИ-агенты с их зависимостями, позволяя увидеть, как они связаны с остальной частью вашей системы.
- Базы данных Microsoft SQL Server (закрытое превью): Database Observability теперь автоматически обнаруживает базы данных SQL Server и наносит их на карту.
Базы данных Microsoft SQL Server (закрытое превью): Database Observability теперь автоматически обнаруживает базы данных SQL Server и наносит их на карту.
Благодаря этим обновлениям вы можете расследовать проблемы в большей части вашего стека: от ориентированного на пользователя приложения до стоящих за ним сервисов, баз данных и инфраструктуры.
Выходите за рамки телеметрии с помощью более богатого контекста в Графе знаний
Знание того, как устроена ваша система, важно, но для эффективного расследования вам также необходим уникальный для вашей организации контекст: какие команды отвечают за какие сервисы, как эти сервисы поддерживают ваши продукты и бизнес-процессы, а также какие выводы вы сделали из прошлых инцидентов.
Мы переносим все больше этого контекста в Граф знаний и делаем его доступным как для инженерных команд, так и для ИИ-агентов, с которыми они работают каждый день.
Контекст сервисов: связывайте сервисы с их владельцами с помощью Grafana Cloud Service Center
В то время как ваша телеметрия описывает то, что реально работает, каталог сервисов описывает вашу систему на понятном для вашей организации языке. Связывание этих двух составляющих дает расследованию путь от развернутого компонента к сервису, которому он принадлежит, отвечающей за него команде и поддерживаемой ими документации.
Новая интеграция Графа знаний с Grafana Cloud Service Center, которая сейчас находится в закрытом превью, переносит эти связи на граф, позволяя вам видеть владельцев сервисов, графики дежурств и инструкции рядом с поддерживаемыми ими компонентами.
Например, возьмем Everyday Checking — вымышленное банковское приложение, работающее на базе сервисов управления счетами и карточных платежей. Если создание счетов замедляется, вам нужно знать, какой деплой затронут, какая команда за него отвечает, кто находится на дежурстве и где найти инструкцию по созданию счетов. Наличие всей этой связанной информации в Графе знаний дает инженеру или агенту гораздо более полезную отправную точку.
Контекст команд: добавляйте пользовательские сущности с помощью Grafana Assistant
Ваша команда знает то, чего не может вывести никакой процесс автообнаружения. Управление счетами и карточные платежи могут принадлежать приложению Everyday Checking. Группа сервисов может поддерживать конкретный онлайн-продукт или бизнес-процесс. У вас должна быть возможность сделать эти взаимосвязи доступными для всех в вашей организации через Граф знаний.
Именно поэтому мы создали пользовательские сущности и связи, которые теперь доступны всем пользователям. Они позволяют определять правила на основе вашей телеметрии для создания необходимых сущностей, связывать их с остальной частью Knowledge Graph и добавлять сведения об их состоянии. Например, если несколько сервисов используют метку product_line="everyday-checking", вы можете использовать ее для их группировки под новой сущностью продукта Everyday Checking.
Пример дашборда, созданного для оценки эффективности бизнеса и работы системы с использованием пользовательских сущностей, связанных с банковским продуктом.
Вы также можете использовать режим Knowledge Graph в Grafana Assistant, который теперь общедоступен, чтобы упростить определение этих пользовательских сущностей и связей. Спросите, как смоделировать ваш продукт, написать пользовательское правило или исследовать отсутствующее соединение, и Assistant поможет вам пройти этот процесс.
Оперативный контекст: помогите следующему расследованию с помощью предыдущего
Часть наиболее полезных эксплуатационных знаний создается в процессе устранения неполадок: кто-то проверяет гипотезу и отбрасывает ее; перезапуск вроде бы помогает, но ошибки возвращаются; изменение конфигурации наконец восстанавливает работу сервиса. К моменту окончания расследования команда узнает гораздо больше, чем просто конечную первопричину.
Благодаря интеграции с Grafana Cloud IRM мы переносим эти уроки в Knowledge Graph в качестве оперативного контекста, который сейчас находится в режиме частного превью. Это выходит за рамки простого прикрепления сводки инцидента к сервису. Мы извлекаем гипотезы, действия и их результаты из данных, зафиксированных во время расследований, и связываем их с соответствующими частями вашей системы.
Возвращаясь к нашему примеру с Everyday Checking, представьте, что команда попробовала перезапуск, увидела, что ошибки вернулись, а затем восстановила создание учетных записей путем отката настройки пула соединений с базой данных. Следующее расследование может использовать эту историю, чтобы проверить, применимы ли те же условия и стоит ли пробовать еще один перезапуск. Предыдущий инцидент предоставляет зацепку для проверки на основе текущей телеметрии.
Контекст выполнения: дайте агентам и людям общую отправную точку
Каждое соединение, отображаемое в Knowledge Graph, позволяет командам задавать более полезные вопросы. Какие сервисы поддерживают этот продукт? Какой деплой затронут? Кто владелец? Что мы пробовали в прошлый раз, когда это произошло?
Люди могут исследовать эти связи в Grafana Cloud. А теперь, когда Knowledge Graph доступен в качестве контекста выполнения для ИИ-агентов (эта функция теперь общедоступна), Grafana Assistant и ваши собственные агенты, подключенные через gcx, могут работать на основе этого же общего понимания вашей системы.
«У нас сработал алерт по задержке, затем второй алерт в нашей нижестоящей системе HPCC. Реальной проблемой оказался вызов внешнего вендора, который исчерпал пул соединений на уровне нашей базы данных, — рассказал Уилсон из LexisNexis Solutions. — Assistant прошел по Knowledge Graph и помог нам гораздо быстрее добраться до этой первопричины, а также удержал команды от тупиковых путей, по которым они уже начали двигаться».
Наш новый инструмент запросов Cypher также позволяет агентам задавать Knowledge Graph прямые вопросы о том, как связана ваша система. Cypher — это стандартный язык запросов графов: вы описываете шаблон, например «каждый сервис, который обращается к этой базе данных, и поды, на которых он работает», и получаете каждое совпадение с его связями и текущим состоянием. Это помогает агентам опираться на уже доступный им контекст, а не восстанавливать его каждый раз из сырой телеметрии.
Новый инструмент запросов Cypher позволяет агентам задавать Knowledge Graph прямые вопросы о том, как связана ваша система.
Начните работу сегодня
Благодаря тому, что все больше вашей системы и операционных знаний связано через Knowledge Graph, вы и ваши ИИ-агенты получаете более четкое представление о том, как все сочетается друг с другом. Это означает, что вы можете тратить меньше времени на сбор контекста и быстрее находить первопричину.
Готовы начать? Спросите Grafana Assistant: «Как извлечь максимум пользы из моего Knowledge Graph?» — и получите конкретные рекомендации на основе вашего стека. Примечание: для некоторых изменений могут потребоваться права администратора.
Вы также можете заполнить эту форму, чтобы получить доступ к закрытым превью, упомянутым в этой статье, включая сопоставление баз данных Microsoft SQL Server с Knowledge Graph, и узнать больше в нашей документации по Knowledge Graph.
/)
/)
/)
/)
/)