Inteligencia Artificial y Dynatrace

La Inteligencia Artificial (IA) está de moda actualmente. Desde Microsoft hasta Apple, las empresas están empezando a reconocer el poder que la IA puede aportar a sus plataformas, y Dynatrace no es ajena a esto. Hace años, vimos el valor que la IA podía aportar a la pila de aplicaciones, específicamente la resolución de problemas de una aplicación con análisis de causa raíz real (RCA).

En primer lugar, nuestra IA no está basada en una adquisición y adaptada a una herramienta APM ya existente. La plataforma Dynatrace, con IA, fue construida especialmente desde cero. Esto significa que las capacidades de IA dentro de Dynatrace son inherentes a todos los aspectos de la plataforma. Esto nos da la capacidad de ser parte del proceso de Integración Continua y Entrega Continua (CI/CD), despliegue y remediación, así como parte de un motor de orquestación.

Lo que Dynatrace IA no hace es imitar las funciones «cognitivas» humanas. En cambio, sí entra dentro de la definición de «agentes inteligentes» que es la siguiente: cualquier dispositivo que percibe su entorno y actúa para maximizar sus posibilidades de alcanzar con éxito sus objetivos. Para Dynatrace, esos objetivos serían un tiempo más rápido para determinar la causa raíz de un problema de una aplicación o grupo de aplicaciones dadas. Hacemos esto usando un grupo de modelos estadísticos bien conocidos y años de experiencia en APM. Todo esto, combinado, es lo que llamamos Dynatrace IA. Y dado todo esto, Dynatrace es considerada una IA determinista.

Modelos estadísticos utilizados en Dynatrace

Primero, veamos los diferentes algoritmos y modelos estadísticos que usamos para nuestra Inteligencia Artificial:

⇒Metodología de Jerarquización Gráfica

Se utiliza para determinar la relevancia o importancia de un objeto.

La clasificación de gráficos utiliza un enfoque de navegador aleatorio para determinar el nodo más relevante dentro de enormes gráficos de miles de componentes relacionados.

⇒Gráfico DB

Utilizado para analizar relaciones e interconexiones complejas.

En informática, una base de datos gráfica es una base de datos que utiliza estructuras gráficas para consultas semánticas con nodos, bordes y propiedades para representar y almacenar datos. Un concepto clave del sistema es el gráfico (o el borde o la relación), que relaciona directamente los elementos de datos disponibles.

⇒Línea de base multidimensional

Usada para entender cómo se comporta todo.

Una base de datos multidimensional (MDB) es un tipo de base de datos que está optimizada para aplicaciones de almacenamiento de datos y procesamiento analítico en línea (OLAP). Las bases de datos multidimensionales se crean frecuentemente utilizando datos de bases de datos relacionales existentes.

⇒Kolmogorov–Smirnov

Se utiliza para la línea de base dinámica

En estadística, la prueba de Kolmogorov-Smirnov (prueba K-S o prueba KS) es una prueba no paramétrica de la igualdad de distribuciones de probabilidad continuas y unidimensionales que puede utilizarse para comparar una muestra con una distribución de probabilidad de referencia (prueba K-S de una muestra) o para comparar dos muestras (prueba K-S de dos muestras).

⇒Correlación Temporal

Se usa para alinear eventos sobre una línea de tiempo.

Una función que da la correlación estadística entre variables aleatorias, dependiendo de la distancia espacial o temporal entre esas variables.

⇒Alisamiento exponencial Holt-Winters

Utilizado para suavizar el comportamiento anómalo, trabajando en conjunto con Kolmogorov-Smirnov

Una regla empírica para suavizar los datos de series temporales, especialmente para aplicar recursivamente hasta tres filtros de paso bajo con funciones de ventana exponencial. Estas técnicas tienen una amplia aplicación que no pretende ser estrictamente precisa o fiable para todas las situaciones.

¿Cómo utiliza Dynatrace la IA?

El motor de causalidad alimentado por Dynatrace AI detecta automáticamente las causas de fondo. Para ayudar a entender esto, primero discutamos la diferencia entre correlación y causalidad. Un ejemplo de correlación sería yo manejando por la carretera, golpeando un bache y el vehículo detrás de mí ponchando una llanta. Los dos eventos están correlacionados, pero mi manejo sobre un bache no causó el pinchazo de la llanta del otro vehículo. La causa sería el otro vehículo que pasa por encima de un clavo y su neumático se desinfla. La causa del pinchazo fue un clavo.

La IA de Dynatrace considera todos los terabytes de información sobre lo que está pasando en su entorno de aplicación.

· Monitorización de datos en contexto semántico a través de la recopilación unificada de métricas OneAgent y el rastreo de transacciones PurePath.
· Anomalías y violaciones de umbral, según lo determinado por el conjunto de algoritmos inteligentes de Línea Base
· Dependencias reales (descubiertas y mapeadas en el modelo de Smartscape en tiempo real)
· Conocimiento experto probado
· Secuencia de acontecimientos

y calcula la probabilidad de que incidentes individuales causen otros incidentes, aplicando un algoritmo de centralidad de “eigenvector” (el mismo enfoque de clasificación utilizado por Google Search) para construir un gráfico ponderado de todos los incidentes relacionados y determinar qué problema tiene la mayor probabilidad estadística de ser la causa principal.

Pero eso no es todo lo que podemos hacer con nuestra IA.

Ahora imagínese usar esto como parte de un proceso de desarrollo. En un mundo de “Desplazamiento a la izquierda”, la idea es realizar pruebas más temprano en el ciclo de vida. Con la Línea Base Automática de Dynatrace, a través de su modelado estadístico y el suavizado de “Holt-Winters”, podemos identificar regresiones en liberaciones de código tempranas. Usando APIs podemos comunicar esa regresión a herramientas de orquestación externas como Ansible Tower o AWS CodeDeploy, activando flujos de trabajo de gestión o acciones de auto-remediación. Al mismo tiempo, la Inteligencia Artificial determinaría la causa raíz de la regresión, permitiendo a los desarrolladores investigar el problema y determinar rápidamente dónde se necesitaban hacer cambios en su código.

Realmente hay muy pocas limitaciones en cuanto a la manera en que Dynatrace puede mejorar la forma en que usted hace negocios.

Resumen

Según Bernard Marr, en un artículo de Forbes, la IA nos está impactando en nuestra vida cotidiana y en nuestras decisiones empresariales.

En Dynatrace nos hemos dado cuenta de que el enfoque tradicional de monitorización, que consiste en observar los cuadros de mando, responder a las alertas y analizar manualmente los conjuntos de datos, ya no funciona. Los entornos de aplicaciones hiperdinámicos y altamente distribuidos de hoy en día se han vuelto demasiado complejos y se mueven demasiado rápido. El volumen, la velocidad y la variedad de información es simplemente más de lo que los seres humanos pueden seguir usando como herramientas tradicionales.

La Inteligencia Artificial puede absorber terabytes de datos y darle sentido instantáneamente. La Inteligencia Artificial automatiza todo el «levantamiento pesado». Con todos los descubrimientos y análisis que llevan horas o incluso días a los equipos de expertos, la IA lo hace en milisegundos para identificar proactivamente los problemas y determinar la causa subyacente y mucho más.

---

¿Tiene curiosidad por ver cómo podría ser una experiencia digital perfecta? En Altcomp integramos soluciones con plataformas enterprise, con lo mejor de la agilidad y economía de la nube, con lo mejor de la seguridad y control en tu Data Center y con la mayor simplicidad en los ambientes móviles.

Acuda con alguno de nuestros ejecutivos en Alternativas en Computación. Podemos ayudarle a plantear sus estrategias y a implementar la mejor solución para APM.

Artículo original de Tad Helke/ Dynatrace: Artificial Intelligence & Dynatrace