跳转至

New Relic CTO Nic Benders：Observability 三大时代演进与 AI 可观测性的双面挑战

Ch01.1088 New Relic CTO Nic Benders：Observability 三大时代演进与 AI 可观测性的双面挑战

📊 Level ⭐⭐ | 5.7KB | entities/new-relic-observability-evolution-ai-nic-benders-infoq-2026-06-30.md

New Relic CTO Nic Benders：Observability 三大时代演进与 AI 可观测性的双面挑战

New Relic CTO Nic Benders 在 Software Engineering Daily 播客中深度讨论了 observability 从 instrumentation 到 intelligence 的三大时代演进，以及 AI for observability / observability for AI 的双面挑战。

Observability 三大时代

Nic Benders 将 observability 的演进划分为三个时代：

  1. Instrumentation 时代：给更多关键系统做插桩（Ruby、Java、.NET、Python、浏览器、移动端）。但很快数据量大到处理不过来。
  2. Data Platform 时代（2013-2014）：New Relic 推出 NRDB，核心价值是"你可以问那些你原本不知道该问的问题"——数据先全部收进来，之后再探索。
  3. Intelligence 时代（当前）：数据太多，多到你甚至不知道该问什么。重点不再是"你能问什么"，而是系统告诉你"你应该问什么"。
  4. Action 时代（未来展望）：让系统不仅能看，还能直接动手解决问题。

Dashboards 和 Alerts 的尽头

核心洞察：现在的 dashboards 本质上和 90 年代做的没什么区别——区别只是从 3 个图变成了 300 个图。没有任何一个 dashboard 小到可以让你"看见一切"。以 dashboards 和 alerts 为核心的 observability，已经走到尽头了。

统计方法、ML 与 Neural Networks 三层

一个好的 observability 产品应该三者都有： - 数学和统计：signal analysis、baseline deviation - Machine Learning：hyperparameters 自动调整告警基准 - Neural Networks（现在的 AI）：transformer 架构出现后才真正"好用"

趋势：neural networks 成为"决策层"，但它背后调用的工具应该包括各种 machine learning 和统计能力。

LLM 在大规模系统理解中的角色

关键方法：不能直接把 petabyte 级数据喂给 LLM——成本高到离谱。先统计方法找 anomaly，再把这些"可疑片段"交给 LLM 判断意义。

需要三样东西：海量数据输入、结构化数据（明白什么指标对应什么系统）、空间和时间上的关联。

告警疲劳的解决方案

增加 alert 并不会提升响应能力——它会训练人产生"先等一下，看看它会不会自己恢复"的反应。噪音越多，响应越慢。

三层解决路径： 1. 过滤：用 intelligence 在通知人之前判断严重性 2. 优化：分析哪些 alert 总是一起触发、哪些从来不可操作 3. 根本解决：系统检测到 anomaly 时先自己判断——是否有趣？是否可以自动处理？是否需要人类介入？

未来大部分系统都应该 self-healing。很多今天需要 runbook 的事情最终都会变成"顺带发生"的事情。

Observability for AI

AI 系统是非确定性的（non-deterministic），AI 系统的 golden signals 与传统 web 系统不同：

  • token 使用量、成本
  • response 质量
  • 用户情绪（sentiment）
  • 评估"答案是否正确"

核心比喻：创建了一个由一群不太靠谱的员工组成的"虚拟呼叫中心"。需要一个"主管"在走廊里来回巡视，确保这些 AI Agents 没在胡说八道。评估答案的质量，就是 AI 时代不同于数据库或云基础设施的新信号。

工具厂商必须提供"默认判断"（opinionated guidance）——不能只是说"你想监控什么都可以"。

对新人开发者的建议

  1. 用新工具（如 Claude Code）真正构建软件，但不要把它们当成黑盒——当成"可以解释的老师"。
  2. 写作时不让 AI 帮你写内容，但让 AI 帮你"读"文章，问它"作为读者，你觉得哪里没讲清楚？"
  3. 新一代开发者会从更高的起点出发，去到我们甚至想象不到的地方。

相关实体