报告共计：24页
可观测性的基本要素
observability是一种现代化的监控方法，可为整个基础架构、应用和客户体验提供完整的可视性和背景信息。除了Splunk获得众多TrustRadius奖项的事件分析，GigaOm命名Splunk在云可观测性的领导者和Gartner列出Splunk作为应用程序性能监控(APM)和可观测性的领导者。支撑这一成功的是核心数据平台，它允许查询和可视化几乎实时的日志、度量和跟踪数据。
observabilitv的目标是提供跨整个堆栈的完全可见性和上下文，Splunk的数据模式公共信息模型(CIM)是其基础。使用clm机器生成的数据可以跨不同的数据源进行标准化，以提供活动的整体视图。此外，还可以使用上下文信息(如业务单元信息、资产数据或配置详细信息)来丰富数据。通过CIM和上下文丰富来获得正确的数据基础对于推进运营监控至关重要。
AlOps(IT运维人工智能)是一种成熟的可观测性、事件管理和响应方法。Splunk的AlOps解决方案IT服务智能(ITSI)-有几个使用ML的领域:自适应闯值，用于生成描述典型关键性能指标(KPI)行为的基线，异常检测，用于识别异常的KPI读数，预测分析，用于预测未来的服务运行状况得分;以及智能模式，用于自动分组相关警报。
痕迹许多功能使用ML，如异常检测助手，它提供了一个指导性的工作流，以配置基于具有异常值的指标的警报。此外，还可以通过助手设置警报，用于预测资源(如磁盘空间)何时会超过闯值。
开始人工智能之旅时的注意事项
在开始一个新的人工智能项目之前，Splunk总是建议运行一个简短的影响评估，以帮助为成功做好准备。至少，影响评估范围应考虑目标、风险和执行能力。以下是需要考虑的一些主要事项。
报告共计：24页
本文作者可以追加内容哦 !
