Dynatrace, le spécialiste de l’observabilité pilotée par l’IA vient de mettre à jour son moteur Davis AI. Intégré à sa plateforme d’observabilité et de sécurité unifiée, il combine plusieurs techniques d’IA pour fournir des réponses et automatiser les processus liés à la performance des applications, à la sécurité et aux opérations commerciales. Il s’agit d’aider les entreprises à passer d’une approche AIOps réactive à des opérations véritablement préventives.

​Davis AI est le moteur d’intelligence artificielle propriétaire de Dynatrace, intégré à sa plateforme d’observabilité et de sécurité unifiée. Il combine plusieurs techniques d’IA pour fournir des réponses précises et automatiser intelligemment les processus liés à la performance des applications, à la sécurité et aux opérations commerciales.

Ces améliorations permettent aux organisations de prédire et d’éviter les incidents potentiels avant qu’ils ne surviennent, grâce à une automatisation pilotée par l’IA, tout en accélérant l’investigation des problèmes et en améliorant les corrections automatisées lorsqu’ils se produisent. Elles renforcent la stratégie de Dynatrace visant à renforcer sa position sur le marché en répondant aux besoins croissants de gestion proactive et automatisée de leurs infrastructures informatiques. L’objectif est de réduire le temps consacré à la résolution de problèmes grâce à une automatisation accrue
et une analyse prédictive.

Autoscaling des ressources Kubernetes

Désormais, Dynatrace permet de créer des ressources de déploiement Kubernetes ajustées en fonction de l’utilisation réelle (autoscaling), évitant ainsi le sur- ou le
sous-provisionnement. Dans un environnement Kubernetes, les ressources allouées aux applications, telles que le processeur (CPU) et la mémoire, sont définies lors du déploiement des pods. Un surprovisionnement survient lorsque des ressources excédentaires sont allouées par rapport aux besoins réels de l’application, entraînant une sous-utilisation et des coûts inutiles.

À l’inverse, un sous-provisionnement peut causer des ralentissements ou des interruptions de service. L’ajustement des ressources de déploiement Kubernetes en fonction de l’utilisation réelle consiste à adapter dynamiquement les ressources allouées aux pods pour correspondre précisément aux besoins actuels de l’application. Davis AI fournit également des résumés des problèmes, des étapes de correction spécifiques et met en évidence les bonnes pratiques basées sur l’analyse d’incidents passés, ceci pour réduire le temps moyen de résolution (MTTR).

Enfin, au chapitre de l’inférence prédictive, Davis AI combine des capacités prédictives, causales et génératives. Il fournit aux équipes des prédictions basées sur les données d’observabilité, les artefacts créés par l’IA et l’automatisation, le tout en un seul endroit.

ARTICLES SIMILAIRESPLUS DE L'AUTEUR