/)
У большинства команд есть телеметрия из разных частей стека, но связать эти сигналы воедино, чтобы понять происходящее и его влияние на пользователей, не всегда просто. Важный контекст о зависимостях сервисов, их владельцах и прошлых инцидентах часто разбросан по разным инструментам, инструкциям и чатам между участниками команды.
Именно поэтому сегодня на конференции ObservabilityCON 2026 мы анонсируем новые возможности, выводящие 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, связи между ними и данные 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 предоставляют людям и ИИ-агентам единый общий контекст на базе открытых стандартов о том, как устроена система, помогая им устранять неполадки и быстрее находить первопричины.
«Мы выяснили, 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 единую сложную экосистему, — сказал Нил Уилсон (Neil Wilson), старший директор по программной инженерии в LexisNexis Risk Solutions. — Связи между сущностями [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 нужно, чтобы эта специализированная экспертиза была доступна тогда, когда она вам необходима, без необходимости тратить первую половину расследования на реконструкцию того, как все устроено. Именно к этому мы и стремим полностековую наблюдаемость: к более быстрым, надежным и экономичным ответам на основе Графа знаний.
Связанное представление вашей системы: делаем полный стек еще полнее
Представление схемы Графа знаний, показывающее, как агенты, синтетические проверки, компоненты фронтенда и базы данных связаны с сервисами и инфраструктурой.
Мы развиваем Граф знаний как платформенную возможность, доступную в каждом стеке, где вы можете собирать и упорядочивать контекст по всему Grafana Cloud.
Традиционно Граф знаний поддерживал решения Grafana Cloud Application Observability, Kubernetes Monitoring, Database Observability и Cloud Provider Observability. Эти решения автоматически обнаруживают соответствующие сущности (такие как сервисы, поды и узлы) и отображают эти сущности и их взаимосвязи в Графе знаний. Затем они отслеживают работоспособность сущностей и добавляют эти аналитические данные на граф, подсвечивая все: от отклонений от динамических базовых линий до изменений конфигурации.
Теперь мы расширяем эту полностековую картину, включая в Граф знаний еще больше элементов вашей среды:
- Фронтенд-приложения (общедоступно): Frontend Observability сопоставляет фронтенд-приложения и пользовательские сигналы с обслуживающими их сервисами и инфраструктурой.
Фронтенд-приложения (общедоступно):
сопоставляет фронтенд-приложения и пользовательские сигналы с обслуживающими их сервисами и инфраструктурой.
- Синтетические проверки (публичная предварительная версия): оповещения от проверок Synthetic Monitoring теперь отображаются рядом с состоянием сервисов, позволяя быстрее выявлять проблемы и проводить расследования.
Синтетические проверки (публичная предварительная версия): оповещения от
проверок теперь отображаются рядом с состоянием сервисов, позволяя быстрее выявлять проблемы и проводить расследования.
- Еще больше ресурсов Google Cloud, AWS и Azure (общедоступно): Cloud Provider Observability теперь сопоставляет больше ресурсов Google Cloud, AWS и Azure для получения более полной картины вашей облачной инфраструктуры.
Еще больше ресурсов Google Cloud, AWS и Azure (общедоступно): Cloud Provider Observability теперь сопоставляет больше ресурсов Google Cloud, AWS и Azure для получения более полной картины вашей облачной инфраструктуры.
- ИИ-агенты (публичная предварительная версия): Agent Observability отображает ваши ИИ-агенты вместе с их зависимостями, позволяя увидеть, как они связаны с остальной частью вашей системы.
ИИ-агенты (публичная предварительная версия):
отображает ваши ИИ-агенты вместе с их зависимостями, позволяя увидеть, как они связаны с остальной частью вашей системы.
- Базы данных Microsoft SQL Server (закрытая предварительная версия): Database Observability теперь автоматически обнаруживает базы данных SQL Server и наносит их на карту.
Базы данных Microsoft SQL Server (закрытая предварительная версия): Database Observability теперь автоматически обнаруживает базы данных SQL Server и наносит их на карту.
Благодаря этим обновлениям вы можете расследовать проблемы в большей части своего стека: от клиентского приложения до обслуживающих его сервисов, баз данных и инфраструктуры.
Выйдите за рамки телеметрии с более богатым контекстом в Графе знаний
Важно понимать устройство вашей системы, но для эффективного расследования проблем 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 добавляем больше такого 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. Объединение этих двух понятий дает расследованию путь от развернутого компонента к сервису, которому он принадлежит, отвечающей за него команде и поддерживаемым ими инструкциям.
Новая интеграция Графа знаний с Grafana Cloud Service Center, которая сейчас находится в закрытой предварительной версии, переносит эти связи на граф, позволяя вам видеть владельцев сервисов, графики дежурств и инструкции (runbooks) 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 информации, связанной в Графе знаний, дает инженеру или агенту гораздо более полезную отправную точку.
Контекст команды: добавление пользовательских сущностей с помощью Grafana Assistant
Ваша команда знает такие вещи, которые не может определить ни один процесс автоматического обнаружения. Управление счетами и карточные платежи могут принадлежать приложению Everyday Checking. Группа сервисов может поддерживать определенный онлайн-продукт или бизнес-процесс. У вас должна быть возможность сделать эти связи доступными для всех в вашей организации через Граф знаний.
Именно поэтому мы создали настраиваемые сущности и связи, которые теперь доступны всем пользователям. Они позволяют вам определять правила на основе телеметрии для создания необходимых сущностей, связывать их с остальной частью графа знаний Knowledge Graph и добавлять аналитические данные о работоспособности. Например, если несколько служб используют метку product_line="everyday-checking", вы можете использовать эту метку, чтобы сгруппировать их под новой сущностью продукта Everyday Checking.
Пример дашборда, созданного для оценки производительности бизнеса и системы с использованием настраиваемых сущностей, связанных с банковским продуктом.
Вы также можете использовать режим Knowledge Graph в Grafana Assistant, который теперь общедоступен, чтобы упростить определение этих настраиваемых сущностей и связей. Спросите, как смоделировать ваш продукт, написать настраиваемое правило или исследовать отсутствующее соединение, и Assistant поможет вам пройти этот процесс.
Оперативный контекст: дайте следующему расследованию преимущество предыдущего
Некоторые из наиболее ценных оперативных знаний появляются тогда, когда что-то идет не так: кто-то проверяет гипотезу и отбрасывает ее; перезапуск вроде бы помогает, но ошибки возвращаются; изменение конфигурации наконец восстанавливает работу службы. К концу 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 на стадии закрытого предварительного просмотра. Это выходит за рамки простого прикрепления сводки инцидента к службе. 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 попыталась выполнить перезапуск, увидела, что ошибки вернулись, а затем восстановила создание учетных записей путем отмены настройки пула подключений к базе данных. Следующее расследование может использовать эту историю, чтобы проверить, применимы ли те же условия и стоит ли пробовать еще один перезапуск. Прошлый инцидент дает подсказку, которую можно проверить на текущей телеметрии.
Контекст выполнения: дайте агентам и людям одинаковую отправную точку
Каждая связь, отображаемая в Knowledge Graph, позволяет командам задавать более полезные вопросы. Какие службы поддерживают этот продукт? Какое развертывание затронуто? 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 общего понимания вашей системы.
«У нас сработал алерт по задержке, затем второй алерт в нашей нисходящей системе HPCC. Реальной проблемой оказался вызов внешнего вендора, который исчерпал пул подключений на уровне нашей базы данных», — рассказал Уилсон из LexisNexis Solutions. «Assistant прошел по графу знаний Knowledge Graph и помог нам гораздо быстрее добраться до первопричины, а также уберег команды от 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 «каждая служба, которая обращается к этой базе данных, и поды, на которых она 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 знаний о вашей системе и операциях объединено через Knowledge Graph, вы и ваши ИИ-агенты получаете более четкое представление о том, как все связано между собой. 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 для вашего стека. Примечание: для некоторых изменений могут потребоваться права администратора.
Вы также можете заполнить эту форму, чтобы получить доступ к закрытым предварительным просмотрам, упомянутым в этой статье (включая сопоставление баз данных Microsoft SQL Server с Knowledge Graph), и узнать больше в нашей документации по Knowledge Graph.
/)
/)
/)
/)