カオス理論と可観測性 – –

可観測性は、今日多くの企業が直面している IT の混乱に対処できるでしょうか? それは掘り下げる価値のある質問です。

IT カオス (モニタリング、可観測性、インテリジェンス)

IT の混乱は、監視、可観測性、およびインテリジェンスの機能によって決まります。 はい、インテリジェンスを追加しましたが、人工知能 (AI) についてはまだ話していません。 監視によって人間が消費できる量を超えるデータが生成されるのと同じように、可観測性によって、誰も理解できないほど多くの観測結果が生成される可能性があります。 観察情報の過負荷は、複数の観察ツールが使用される場合に特に当てはまります。

機械学習は役立ちますが、答えたい質問は変化しています。 かつて、私たちはパブリック クラウドのサービスが機能するかどうか、またそのデータをオンプレミスのノイズと統合する方法を知りたいと考えていました。 さて、問題は観測結果をどうするかということに変わりました。 自動化により、パフォーマンスの悪い項目を再起動したり、オンデマンドでメモリや計算能力を拡張したりできますが、データをどこかに保存する必要があり、ストレージは無料ではありません。 主要な可観測性ソリューションには、クラウド ベンダー間のリアルタイムのコスト比較が含まれるようになりました。 最高の可観測性ツールには、クラウド (パブリックまたはプライベート) 内の過小使用、過剰使用、放棄されたリソースを見つける財務運用 (FinOps) 機能が備わっています。

可観測性ツールには、将来の状態を予測するのに十分なデータがあります。 残念ながら、カオス理論は役に立ちません。 要素レベルのデータは可観測性レベルには存在しません。 回帰分析、最小二乗適合、およびより複雑なアルゴリズムにより、カオスを予測できます。 利用可能なデータが多ければ多いほど、予測はより正確になりますが、データの保存にはコストがかかります。 ベンダーは、可観測性に必要なデータの波に対処するため、従量制のライセンス、低コストのストレージ層、その他の方法で問題に取り組んでいます。

IT の混乱が終わることはありませんが、少なくともそれを管理することはできます。 新たな希望は生成 AI (GenAI) かもしれません。

カオス、可観測性、人工知能

カオス関数には、監視から可観測性、そしてインテリジェンスまでのステップが含まれており、質問に答えるには新しいアプローチが必要です。 モニタリングによってアイテムの状態がわかり、可観測性によって関係性が構築され、要素のメタビューが提供され、GenAI の助けを借りてインテリジェントな質問が可能になります。

可観測性ツールに次の停止がいつ発生するかを尋ねれば、答えが得られるかもしれません。 既知の障害モードを自動化するように依頼すると、完璧なダンスを実行します。 企業が大丈夫かどうかを可観測性ツールに尋ねても、何も得られません。 問題はその能力を超えています。 現在存在する可観測性ツールは、DevOps パイプラインの開発者、照明を点灯し続けるために働く運用管理チームのメンバー、そして新しく造られた (40 年以上の基準による) システム信頼性エンジニア (SRE) を含む IT に焦点を当てています。 可観測性はモニタリングからのデータを説明します。

池にある大きな岩が混沌のバージョンを作り出している GenAI に入りましょう。 カオス理論では、単一の要素がシステム全体を危険にさらす可能性があります。 このことは数学的に十分に明らかです (これについてはすぐに説明します)。 それで、次に何が起こるでしょうか？

GenAI は、より優れたチャットボットからすべてのデータを利用して驚くべき洞察を提供するまで、すでに IT を改善しています。 しかし、GenAI はまったく新しく、破壊的です。 現在、これを大きな効果を上げて使用している可観測性ベンダーはほとんどなく、24 ～ 26 か月後の影響を予測できるベンダーは少数です。

可観測性は混乱への移行を遅らせることができ、将来どこかで GenAI を使用したより穏やかな IT 環境を示します。 企業にとって実際のインテリジェンスは、GenAI が社内のあらゆるソースからのデータを消費することで実現され、思いもよらない質問や、GenAI が生み出す変化の津波が会社を混乱させない未来を可能にします。

カオス理論: それは何ですか?

カオス理論については何度か触れてきました。 それが何なのか調べてみましょう。 カオス理論は、作家が主人公が克服しなければならない一見不可能に見える状況を発明したり、単一のアイテムを動かすことにストーリー全体のコンセプトを基づいたりすることを可能にする人気のある比喩です。 大規模で容易に思いつくシステムがカオスを体現していると言えるとしたら、情報技術が際立っています。 混乱は、特に大企業における IT の正常な状態です。 計算式を説明します。

持続する。 なぜ私は IT ブログで数学について書いているのでしょうか?

私は物理学者で、40 年以上 IT に携わってきましたが、最も日常的なことでも教育に頼っています。 可観測性とカオス理論は関連しており、企業全体を見る場合には、その方法と理由が不可欠です。 エントロピーを使用することもできましたが、カオス理論の方が魅力的であり、IT エコシステムの現実に近いものです。 さて、難解な数学の議論に移ります。

カオス理論には、数学者や物理学者が研究対象のシステムを分析するのに役立つ方程式があります。 1975 年、ロバート メイは、動的システムのカオス的な動作を実証するモデルを作成しました。 インシデント用に 5 月のモデルを変更しました。

私_n+1 = r • I_n • (1 – 私_n)

• • 私_n
    • 特定の時点でインシデントによって影響を受けるシステム容量の割合には、インシデントの数、重大度、またはシステムへの合計の影響が含まれます。値の範囲は 0 (影響なし) から 1 (完全な影響またはシステム全体の障害) です。 。
    • 完璧な世界では、これは常にゼロですが、これは IT に関するものであり、値は決してゼロではありません。 ああ、でも私たちは一生懸命努力します。 NASA は世界でも最高の方法とプロセスをいくつか持っていますが、チャレンジャー号の爆発後に最初に検討したのは、シャトルを爆破する可能性がある射程安全コードでした。 数百万ドルをかけて一行一行検査した結果、完璧であると判断されました。
  • r
    • これは、システムの複雑さ、変更頻度、インシデント管理プロセスの有効性などの要因に影響される、インシデントの生成と解決の速度を表します。 値が高い場合は、インシデントが急速に発生するか、解決が不十分で、より混沌としたシステムになることを示します。 値が低いほど、インシデントが効果的に管理されているか、発生頻度が低い安定したシステムを示します。
    • 別の完全な世界、おそらく多元宇宙では、これは 1 以下になります。 この同じ宇宙では、豚は空を飛び、何も壊れることはありません。 この理想郷では、完璧さ全体の輝きを失わせるために、他にも奇妙なことが起こると確信しています。

別のバージョンの地球では、あらゆる IT 要素をシミュレートして、混乱の崖っぷちにあるシステムとプロセスを特定し、それらを魔法のように修復することができます。 COBOL を実行するメインフレーム コンピューターの形式を除いて、IT は恐竜を作成しません。

OK、それは起こっていませんが、これらすべての要素を監視し、状態情報 (オンまたはオフ)、メトリクス (メモリ使用量、CPU パフォーマンス) などを収集できます。 その後、そのすべての情報をチームに送信して、システムの混乱レベルを判断し、それに応じて対応することができます。

おっと、バム！ またデータが過剰になっています (大企業では、ネットワーク トラフィックの 25% を監視が占めることがよくあります)。

可観測性は、外部出力からシステムの内部状態を推測しようとします。 大量のデータがありますが、それが何を意味するのかわかりません。 可観測性ツールは、特にパブリック クラウド、プライベート クラウド、ネットワーク、ストレージ、アプリケーションのいずれを対象としても、カオスを観察することができます。

メイの方程式と可観測性の交差点

メイの方程式と観測可能性が交差します。 その方法は次のとおりです。

• • • システムの動作を理解する: 可観測性とメイの方程式は、複雑なシステムの理解を高めることを目的としています。 可観測性により、リアルタイムの監視と出力に基づくシステムの状態の把握が可能になります。一方、メイの方程式は、わずかなパラメータの変化でシステムの動作がどのように劇的に変化するかを示しています。
    • 予測可能性と安定性: メイの方程式は、初期条件に対する敏感さによる複雑なシステムの予測可能性の限界を浮き彫りにしています。 対照的に、可観測性はシステムについての洞察を得るためのツールです。 重大な問題に発展する前に、軽微な問題を早期に検出できるため、予測可能性が高まります。 したがって、上記の「r」の値は、システムが爆発的に混乱するのを防ぎます。
    • 変化への適応: メイの方程式のロジスティック マップは、パラメーターを 1 つ変更するだけで、システムがどのように安定状態からカオス状態に移行するかを示しています。 可観測性は、これらの遷移を検出して対応する手段を提供し、カオス状態に入るリスクを管理および軽減するのに役立つ方法を提供します。
    • フィードバックループ: 可観測性は、複雑な IT システムにおけるフィードバック メカニズムとして機能し、システムがカオス状態に近づいていることを特定します。 このフィードバックにより、システム パラメータの調整を通知して、望ましいパフォーマンスと安定性レベルを維持できます。

テクノロジーは、医師の診察、ニュース、ソーシャルメディア、冷蔵庫、さらには自動車 (ガソリン車を含む) など、ほぼあらゆるところで私たちに影響を与えています。 たった 1 つのパラメータの変化が企業を崩壊させる可能性があります。 AT&T に、ネットワーク全体をダウンさせた単純な構成変更について問い合わせてください。 単純な変更後にソフトウェア コンポーネントに障害が発生したため、ブリティッシュ エアウェイズがどのようにして数百便をキャンセルしなければならなかったのかを調べてください。

IT システムは常に混乱の危機に瀕しています。 可観測性ツールは、あらゆる IT 企業の混沌とした状態を調査する 1 つの方法です。

次のステップ

詳細については、- のクラウド可観測性の主要基準とレーダー レポートをご覧ください。 これらのレポートは、市場の包括的な概要を提供し、購入の決定において考慮すべき基準の概要を示し、それらの決定基準に対して多数のベンダーのパフォーマンスを評価します。

まだ – 加入者でない場合は、無料トライアルを使用して調査にアクセスできます。