Digma 的預測可觀察性引擎解決代碼問題，簡化 AI

新技術：Digma推出預防性可觀察性分析引擎

Digma是一家專注於前期生產可觀察性數據的公司，最近宣布推出其預防性可觀察性分析（POA）引擎。這個引擎的目的是檢查、識別並提供修正建議，幫助平衡系統，減少隨著代碼庫複雜度增加而出現的問題。

AI代碼生成器的影響

Digma表示，隨著AI代碼生成器變得越來越普遍，預防性可觀察性在前期生產中的應用可能變得更加重要。例如，2023年斯坦福大學的一項研究顯示，使用AI編碼助手的開發者更容易在代碼中引入錯誤。儘管如此，像谷歌（Google）這樣的大公司仍然在增加對AI生成代碼的依賴，超過25%的新代碼是由AI創建的。

Digma的CEO談系統性能

Digma的首席執行官兼共同創辦人Nir Shafrir提到，越來越多的資源被投入到確保系統良好運行上，他說：“我們看到很多努力在確保最佳系統性能，但在複雜的代碼庫中，仍然發現許多問題。”

組織擴張中的挑戰

他補充道：“此外，對於預期增長的組織來說，擴展通常仍然是一個粗略的估計，許多組織在技術增長中遇到障礙，這正是在組織顯著擴張的時期。這意味著工程團隊可能花費20%到40%的時間來解決在生產環境中晚期發現的問題，有些組織甚至將高達50%的工程資源用於修復生產問題。”

預防性可觀察性的優勢

預防性可觀察性被預期將成為幫助公司獲得競爭優勢的關鍵因素。它對AI生成的代碼有幾個潛在好處，包括提高速度和改善人類編寫代碼的可靠性。根據Digma的說法，預防性可觀察性有助於確保手動編寫的代碼更值得信賴，並降低最終產品的風險。

解決AI代碼生成的問題

除了處理AI代碼生成引入的錯誤外，Digma的預防性可觀察性分析引擎還旨在解決公司可能在人工編碼中遇到的常見且長期存在的問題，這些問題可能導致服務水平協議（SLA）違規和性能問題。對於零售、金融科技（fintech）和電子商務等高交易量的機構來說，這項技術可能變得非常有價值。

Digma的算法特點

Digma的算法設計使用模式匹配和異常檢測技術來分析數據，找出特定的行為或問題。它能夠預測應用程序的響應時間和資源使用情況，在問題造成明顯損害之前識別可能的問題。Digma特別通過分析追蹤數據來檢測導致問題的代碼部分。

預防性可觀察性的好處

預防性可觀察性分析旨在防止問題的發生，而不是處理問題發生後的後果。團隊可以進行全面監控，並在生產後經常被忽視的領域解決潛在問題。

Digma的CTO談技術優勢

Digma的首席技術官兼共同創辦人Roni Dover強調了Digma的預防性可觀察性分析引擎與其他引擎的不同之處：“通過理解運行時行為並建議性能問題、擴展問題和團隊衝突的修正，我們幫助企業主動防止問題並降低風險，而不是在生產中撲滅火災。”

應用性能監控工具的局限性

應用性能監控（APM）工具用於識別服務問題、監控生產狀態並突出SLA錯誤。APM在服務失敗或生產過程中變慢時發送警報非常實用。但與預防性可觀察性不同，APM在非生產環境中的功能有限，無法提供問題來源的分析。

早期識別問題的好處

通過在生產過程中及早識別性能和擴展問題，即使在數據量較低的情況下，預防性可觀察性有助於防止重大問題並降低雲端成本。

Digma的融資成功

Digma最近完成了一輪成功的600萬美元種子融資，這顯示出對這項技術的信心不斷增強。

圖片來源：“Till Bechtolsheimer的 – Alfa Romeo Giulia Sprint GT No.40 – 2013 Donington Historic Festival”由Motorsport in Pictures授權，遵循CC BY-NC-SA 2.0。

了解更多AI和大數據的活動

想了解更多來自行業領導者的AI和大數據知識嗎？請查看在阿姆斯特丹（Amsterdam）、加州（California）和倫敦（London）舉行的AI與大數據博覽會。這個綜合性活動與其他領先活動同時舉行，包括智能自動化會議、BlockX、數字轉型周和網絡安全與雲博覽會。

探索由TechForge提供的其他即將舉行的企業技術活動和網絡研討會。