数据可观察性——使用软件工具来了解组织的整个软件套件（尤其是最关键的业务应用程序）如何运行的实践——实际上扎根于20 世纪 50 年代末的早期计算机时代，但它在生成人工智能时代重新受到重视。
虽然Splunk和Datadog等可观察性平台供应商已经建立了价值数十亿美元的业务，提供工具帮助其企业客户组织所有遥测数据（本质上，这些数据指示不同流程的状态、程序是否正常运行以及原因）但事实是，在人工智能时代，许多组织现在发现自己被太多的数据和相关成本所淹没。
想想看，Honeycomb 联合创始人兼首席技术官 Charity Majors建议组织应将基础设施预算的 20% 到 30% 分配给可观察性。然而，2023 年的一项调查显示，98% 的公司经历了可观察性费用的意外增加，其中 51% 的公司每月都遭遇超支。
现在，一家新的旧金山初创公司Sawmills AI位于 Datadog 和 Splunk 等可观察性平台与其客户之间，使用大型语言模型 (LLM) 和其他巧妙的新专有机器学习 (ML) 模型来帮助整合、总结、修剪并最终减少从客户发送到供应商的数据量，同时使客户能够保留所有原始数据并按照他们的意愿处理这些数据。
Sawmills AI 联合创始人兼首席执行官 Ronit Belson 在接受采访时解释道：“许多公司都有不止一种可观察性解决方案。我们坚信遥测数据应该归客户所有，而不是可观察性供应商。”
今天，Sawmills AI 脱颖而出，获得由风险投资公司 Team8 领投、Mayfield 和 Alumni Ventures 参投的一轮超额认购的 1000 万美元种子资金。
该公司由 Belson、首席技术官 Amir Jakoby 和首席产品官 Erez Rusovsky 共同创立，致力于解决可观察性成本不断上升的问题，同时提高数据质量和可靠性。
该公司的智能遥测管理平台使企业能够充分利用其 PB 级遥测数据的潜力，但成本却仅为其一小部分。
该公司在其网站上表示：“我们授权工程团队管理、优化和处理遥测数据。”“通过解决效率低下的问题、缓解代价高昂的数据峰值并提高数据质量，我们使企业能够降低开支并提高其可观察性系统的有效性。”
Sawmills 如何决定削减可观察性和遥测成本
Sawmills 的创始人最初着手解决不同的问题，但行业对话很快转移了他们的重点。
“我们与 100 多位工程副总裁和 DevOps 负责人进行了交谈，他们面临的最大问题并非我们所预料的那样——而是可观察性解决方案的成本，”Belson 说。
这不仅仅是一个孤立的问题——各行各业的公司都报告说，他们为大量可观察性数据付费，但这些数据几乎没有实际价值。
“各公司在可观察性方面投入了数百万美元，但当我们问他们实际上需要多少数据时，答案让我们震惊——只有 10% 到 30%”，Belson 补充道。“这意味着 70% 到 90% 的发送数据本质上是垃圾。”
Rusovsky 强调了组织在管理数据爆炸方面面临的挑战。“团队正在苦苦挣扎，因为每个开发人员都在编写自己的遥测数据，而且没有简单的方法来集中管理这些数据，”他说。
如果没有一个系统来过滤或优化日志、指标和跟踪，数据量将继续不受控制地增长，从而增加可观察性成本，同时使故障排除更加困难。
“我们不是可观察性解决方案，”贝尔森说。“客户喜欢 Datadog 提供的功能，但他们也讨厌为此付出的高昂代价。”
Sawmills 的 AI 驱动解决方案
Sawmills 开发了一个智能遥测数据管理平台，允许公司在可观察性数据到达可观察性工具（如 Datadog、Splunk 或 New Relic）之前对其进行过滤、路由和优化。
该平台充当中间件层，使用人工智能和机器学习实时分析日志、指标和跟踪。
该平台的主要特点
- 遥测数据探索器：提供对数据流的全面可见性，以降低成本并提高数据质量。
- 成本和可用性控制：帮助公司了解遥测数据如何影响其可观察性费用。
- 日志和指标优化：支持采样、重复数据删除、路由、丰富和聚合，以消除浪费的数据处理。
- 一键操作：工程师可以立即实施人工智能驱动的建议，无需人工干预。
- 供应商灵活性：Sawmills 支持 OpenTelemetry，使客户能够在不中断运营的情况下切换可观察性供应商。
- 自动化策略管理：预先配置的规则可帮助企业实施数据治理、防止超额并确保安全合规性。
通过使用所有这些工具，Sawmills 声称可以为其企业客户提供大量的数据传输量并节省相关的成本。
Rusovsky 说：“如果你发送数百万行日志，并将其转换为单一指标，那么在某些情况下，这就可以减少 10 倍甚至 100 倍的数据量。”
为了帮助在将客户数据发送到客户的可观察性平台之前对其进行汇总和整合，Sawmills 平台利用顶级供应商提供的领先 LLM（作为开源模型）和客户青睐的专有云供应商市场。
“我们正在使用 [LLM 和 ML 模型] 的组合，”Jakoby 说。“在某些情况下，我们可以使用 OpenAI 或 AWS Bedrock，但我们的一些客户不允许将他们的数据发送到外部，因此我们使用他们自己的基于云的 LLM。”
提供集中遥测管理
鲁索夫斯基强调了数据控制的重要性，并指出当今的公司缺乏集中的遥测管理：“可观察性对所有组织来说都至关重要，但它也是继云成本之后的第二大工程支出，”他说。
许多公司每天发送数 TB 的遥测数据，其中大部分都是不必要的。“每个人都害怕删除日志，”Rusovsky 补充道。“如果我以后需要它怎么办？这种恐惧导致公司每天发送数 TB 的数据——其中大部分都是不必要的。”
这些过多的数据不仅会增加成本，还会使故障排除和监控变得复杂。“问题不仅仅是成本——当遥测数据失控时，它会变得更难使用，”Belson 说。“太多的数据会使根本原因分析更加困难，并且生成报告需要更长的时间。”
Sawmills 的平台建立在 OpenTelemetry Collector 之上，这是一个用于遥测数据收集的开源行业标准。然而，该公司在其基础上通过自己的专有层对其进行了增强，提供由人工智能驱动的功能，可以检测异常、丰富数据以获得更好的洞察力并实施智能采样策略。
除了节省成本外，Jakoby 还强调了另一个财务优势。“许多客户没有意识到他们为将数据导入 Datadog 而付费，即使他们后来放弃了，”他说。“发送前进行过滤可以节省大量成本。”
早期的成功
Sawmills 的早期采用者已经看到了好处。Via 工程副总裁 Edi Buslovich 表示，与 Sawmills 的合作有助于优化遥测数据、降低成本并改善治理。
贝尔森强调，Sawmills 并不与可观察性提供商竞争，而是帮助企业最大限度地发挥现有工具的价值。
她指出，虽然工程师们很欣赏 Datadog 这样的平台，但他们往往不喜欢相关的成本。通过允许企业控制遥测数据，Sawmills 可以提高支出效率并提高系统可靠性。
Team8 管理合伙人 Liran Grinberg 认为遥测数据管理是企业基础设施中一个新兴类别。他认为 Sawmills 的方法不仅限于削减成本，还将公司定位为提高可观察性实践的关键推动者。
“我们不仅削减了成本，还提高了数据质量，”Rusovsky 解释道。“公司最终可以控制自己的遥测数据，而不是盲目地将所有数据发送给供应商。”
Sawmills AI 的下一步计划是什么？
Sawmills 的目标是拥有 500 到 5,000 名员工的大中型企业，特别是那些云计算密集型和在可观察性方面投入大量资金的企业。
该公司已经获得数十名付费客户，并计划在公开发布后扩大其市场范围。
此外，联合创始人强调，他们的客户将从持续使用该平台中受益更多，因为它可以更好地了解每个客户独特的数据和工具组合和需求。
“当日志流经我们的系统时，我们实际上可以根据日志和我们生成的建议开始训练，随着时间的推移改进我们的模型，”Jakoby 说。“因此，当您使用该系统时，建议会根据您的特定需求进行更精细的调整。”
回顾这家初创公司的早期发展势头，贝尔森表示，Sawmills 的融资轮很快就获得了超额认购，多位投资者渴望参与。
“当我们开始融资时，两周内就收到了多份报价，”她说。“我们计划融资 700 万美元，最后只筹集了 1000 万美元。现在是时候将其推向市场了。”
随着软件架构的复杂性不断增加，对更智能的遥测数据管理的需求变得越来越重要。
Sawmills 凭借其人工智能方法，旨在将自己打造成寻求优化可观察性成本和数据质量的企业的首选解决方案，同时保持系统可靠性和供应商灵活性。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/sawmills-cong-yin-shen-zhuang-tai-zhong-tuo-ying-er-chu-xue
