gydtep

利用这些项目的组合或多或少可以解决针对性的一类或者几类问题，但真正应用起来你会发现各种问题：

多套方案交织：可能要使用至少Metrics、Logging、Tracing3种方案，维护代价巨大

gydtep

数据不互通：虽然是同一个业务组件，同一个系统，产生的数据由于在不同的方案中，数据难以互通，无法充分发挥数据价值

gydtep

在IT系统的可观察性上，也可以类似划分6级：

等级0：手工分析，依靠基础的Dashboard、告警、日志查询、分布式链路追踪等方式进行手动告警、分析，也是目前绝大部分公司使用的场景

gydtep

等级1：智能告警，能够自动去扫描所有的可观察性数据，利用机器学习的方式去识别一些异常并进行自动告警，免去人工设置/调整各种基线告警的工作

gydtep

等级3：根因分析+问题自愈，自动根据异常以及系统的CMDB信息直接定位问题的根因，根因定位准确后那边可以去做问题的自愈。这一阶段相当于是一次质的飞跃，在某些场景下可以在人不用参与的情况下实现问题的自愈。

gydtep

等级4：故障预测，故障发生总会有损失，所以最好的情况是避免故障的发生，因此故障预测技术可以更好的来保证系统的可靠性，利用之前积累的一些故障先兆信息做到“未卜先知”

gydtep

等级5：变更影响预测，我们知道绝大部分的故障都是由变更引起的，因此如果能够模拟出每个变更对系统带来的影响以及可能产生的问题，我们就能够提前评估出是否能够允许此次变更。

gydtep

智能视频解决方案以数字化、网络化视频监控为基础，用户可以设置某些特定的规则，系统识别不同的物体，同时识别目标行为是否符合这些规则，一旦发现监控画面中的异常情况，系统能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效的协助安保人员处理危机，切实提高监控区域的安全防范能力。

gydtep

边缘AI和云AI相得益彰，并且云资源几乎总是与边缘AI用例有关。在一个完美的世界中，为了简化和扩展，我们将所有工作负载集中在云中，但是，诸如延迟，带宽，自治性，安全性和隐私之类的因素使得必须在靠近数据的边缘部署更多的AI模型。消息来源。一些培训正在边缘进行，并且越来越多地关注联合学习的概念，该概念将处理集中在数据区域，同时集中结果以消除区域偏见。

gydtep

更好的网络基础架构和新的边缘计算架构的兴起，正在打破集中式云AI与分布式边缘AI工作负载之间的障碍。

其优势是基础架构的巨大新兴变化，它通过增加分布在世界每个角落的信息技术层来补充云。我们相信边缘AI会引发一场革命，就像云技术获得牵引力一样大。