
ClickHouse 推出 AI 生成式可观测性应用,让用户自建界面
来源标题:The observability UI as we know it is dead. So what comes next?
ClickHouse 发布 Observability Apps,用户可通过 AI 生成交互式可观测性应用,无需从零构建界面。该应用基于实时数据,支持自定义可视化和连贯的操作流程,并复用 ClickHouse 的查询 API 与核心组件。团队称,最满意的可观测性用户往往是那些自建 UI 的人,此举意在解决产品通用性与长尾需求之间的矛盾。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
我们遇到的最快乐的可观测性用户,几乎无一例外都是自己搭建了 UI 的人。在构建 ClickStack 并努力确定功能优先级的过程中,这一点反复出现。
核心工作流能很好地满足一部分需求。但总有长尾请求,希望获得贴合特定业务、团队或调查方式的体验。在不给其他用户增加产品复杂度的前提下支持这些需求,是产品经理们都很熟悉的产品设计矛盾。
不过,用 AI 生成可观测性应用或许能为这一困境提供出路。用户可以围绕自己的问题来塑造体验,而不是改变问题去适应现有的界面。
我们构建了 ClickHouse Observability Apps,让每个用户都能拥有自己的体验,而无需从头构建可观测性 UI 的资源。这些是基于实时数据的交互式应用,具有互联的界面、自定义可视化和超越仪表盘的工作流。它们复用了我们的调查 API 和核心组件,将成熟的查询逻辑和一致的行为带入团队创建的体验中。
过去几年里,我们看到 Anthropic、DoorDash、Tesla 和 Netflix 等公司在 ClickHouse 之上构建了自己的可观测性体验。他们围绕自己的系统、团队和需要回答的问题来塑造体验。如果缺少某个工作流,他们就直接构建它。试图说服这些团队使用厂商的 UI,就像因为你的编辑器菜单更漂亮就要求 Vim 用户换编辑器一样。
并非每家公司都有资源构建自己的可观测性 UI,但每家公司都需要一种能反映其系统、业务流程和关键客户旅程的体验。在公司内部,这种体验还需要适合使用它的人。支付工程师可能从处理器的成功率开始,支持人员从客户未完成的订单开始,基础设施团队从结账背后的服务开始。每个人都需要通过相同底层数据的不同路径。期望厂商预见并构建每一种组合根本不现实。
我们还不断从用户那里听到两件事。一些人觉得现有工具太复杂,尽管他们只用了其中一小部分。另一些人想要我们未提供的可视化和工作流。构建第二组要求的所有内容,可能会恰好制造出第一组想要逃离的复杂性。
所以我们决定尝试一种不同的方法。我们构建了 ClickHouse Observability Apps,让团队生成他们需要的体验。用自然语言描述一个应用,agent 就会在 ClickHouse Observability 中构建它,拥有自己的视图和基于实时数据的导航。通过对话来改进它,随着问题的变化调整它,并与团队分享。
为了让这一点更具体,这里有几个例子。它们有点刻意,但大致反映了我们从用户那里听到的请求类型。
“给我构建一个应用,围绕关键用户旅程(如结账和登录)列出并可视化我们的基础设施地图。让我选择一个旅程,探索其依赖关系,并根据它支持的旅程和功能理解每个组件的重要性。当组件发生故障时,显示哪些旅程受到影响以及这对用户构成什么风险。让它既能用于日常理解我们的基础设施,也能在事件期间评估影响。”
一个组件的重要性取决于客户用它来做什么。自定义可视化可以让这些关系变得可见,即使产品本身不提供这一功能。没有厂商能预见每个客户的架构、共享服务和业务优先级,或者他们需要的精确可视化。相反,让你的团队构建一个反映这些细节的视图,而无需说服厂商相信足够多的其他客户也需要同样的东西。
“给我构建一个应用,将功能标志值与应用程序和基础设施 KPI 一起跟踪。让我选择一个变更,比较受影响的租户,并探索性能回归背后的请求。”
工程师可能在发布后调查延迟,而支持人员需要识别受影响的客户。每个人都可以围绕自己的职责调整应用,添加视图或随着新问题的出现改变调查方式。甚至可能值得为单次发布构建这个应用,然后在问题解答后丢弃它。或者,同事可以分享它、分支它,并将其改进为他们每天使用的东西。
“给我构建一个按信用卡类型查看支付成功率的视图,并与每个处理器的正常费率进行比较。让我跟踪失败进入受影响的订单及其追踪。分析影响以及订单最终是否成功。查看最近 36 小时的日志、追踪和指标。”
团队控制界面、它们如何连接,以及调查每一步发生什么。处理器比较导向受影响的订单,然后是订单历史,然后是熟悉的追踪查看器,全程携带相关的过滤器和时间范围。这超越了生成仪表盘:应用将实时数据和可复用的调查工具围绕团队需要的工作方式连接起来。
这些应用需要在向数据提问方面拥有自由。一个局限于固定查询端点的应用,大多只能重新包装这些端点已经提供的答案。如果底层分析无法回答问题,不同的可视化也无济于事。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。