作为一名处理电子商务平台的值班工程师，要处理的工作可能相当棘手，尤其是每天要处理数百万笔交易。由多个微服务组成的系统架构在很大程度上增加了环境的复杂性；不过，尽管看起来很吓人，但挑战并不在于管理这样一个庞大的系统，而在于处理其产生的大量遥测数据。我们谈论的是从指标、日志到跟踪等各种不同的洞察力，这对任何勇于承担这项任务的人来说都是一项艰巨的任务。
当遇到突发事件时，真正的挑战就来了。就像大海捞针一样，值班工程师发现自己面临着一项艰巨的任务，那就是在茫茫数据海洋中寻找此类事件的根本原因。他们别无选择，只能一头扎进去，通过筛选和挖掘数据来找到众所周知的那根针。
从遥测数据到宝贵见解
那么，如何将堆积如山的遥测数据转化为可操作的见解呢？进入人工智能（AI）。人工智能驱动的可观察性已成为电子商务领域及其他领域的关键角色，有望为我们处理、分析数据并从中获得洞察力的方式带来变革性转变。
当应用到电子商务平台的架构中时，人工智能的可观察性创造了一个强大的框架，使工程师能够以惊人的速度将原始数据转化为可操作的见解。除了简单的数据分析外，这一过程还为预测分析和自动化应对某些事件铺平了道路，使值班工程师的工作变得更加轻松。
人工智能可观察性的力量
有了人工智能驱动的可观察性，工程师们就可以深入系统内部的核心问题，从而能够在细粒度层面上解决异常问题。这就是观察系统、从中学习并预测其未来行为。这一过程反过来又能让工程师找出模式和相关性，将其转化为洞察力。
人工智能可以完成繁重的工作，让工程师们可以自由地做他们最擅长的事情--根据所提供的洞察力采取行动。他们可以及时解决瓶颈问题，并针对潜在问题采取预防措施，使系统不仅具有弹性，而且高效。
人工智能驱动的可观察性工具本质上就像一个虚拟助手，帮助工程师精确定位异常源，并以更快的速度检测事件。它就像一只无所不能的眼睛，注视着电子商务平台的每一个角落，确保万无一失。
总之，浏览 TB 级数据的艰巨任务不再需要在值班工程师的头上挥之不去。借助人工智能驱动的可观测性，我们可以将遥测数据转化为洞察力，并在整个电子商务平台掀起一股提高效率的浪潮。有了这种方法，我们就能大步迈向更具弹性和效率的系统，从而有效满足快节奏和不断发展的电子商务生态系统的需求。
原文如此： https://venturebeat.com/ai/from-terabytes-to-insights-real-world-ai-obervability-architecture/
