Digma 的先发制人可观察性引擎减少了代码问题，简化了 AI

Digma是一家提供基于生产前可观测性数据的产品的公司，该公司宣布推出其先发制人的可观测性分析 (POA) 引擎。该引擎旨在检查、识别并提供“修复”建议，帮助平衡系统并减少代码库复杂性增加时发现的问题。

该公司声称，随着人工智能代码生成器的普及，在预生产阶段应用先发制人的可观测性可能变得更加重要。例如，斯坦福大学 2023 年的一项研究表明，使用人工智能编程助手的开发人员更有可能在代码中引入错误。尽管如此，像谷歌这样的大公司仍在日益依赖人工智能生成的代码，该公司超过 25% 的新代码是由人工智能创建的。

Digma 首席执行官兼联合创始人 Nir Shafrir 对用于确保系统良好运行的不断增长的资源发表了评论，他表示：“我们看到为确保最佳系统性能投入了大量精力，但在生产后期，复杂的代码库中仍然发现了许多问题。”

除此之外，对于预期增长的组织来说，规模扩张通常仍是一个粗略的估计，许多组织在技术发展过程中遇到的障碍恰恰出现在组织大规模扩张的时期。这意味着工程团队可能需要花费 20% 到 40% 的时间来处理在生产环境中后期发现的问题，有些组织甚至需要花费高达 50% 的工程资源来解决生产问题。

预计先发制人的可观测性将成为帮助企业获得竞争优势的关键因素。它为人工智能生成的代码带来了诸多潜在优势，包括提升速度和人工编写代码的可靠性。据 Digma 称，先发制人的可观测性有助于确保手动编写的代码更加可靠，并降低最终产品的风险。

除了解决AI代码生成引入的错误之外，Digma的先发制人可观察性分析引擎还旨在解决公司在使用人工代码时可能遇到的常见且长期存在的问题，这些问题可能导致违反服务水平协议 (SLA) 和性能问题。对于零售、金融科技和电子商务等交易量大的机构来说，这项技术可能非常有价值。

Digma 的算法旨在利用模式匹配和异常检测技术来分析数据并发现特定的行为或问题。它能够预测应用程序的响应时间和资源使用情况，并在潜在问题造成任何明显损害之前识别它们。Digma 通过分析跟踪数据来专门检测导致问题的代码部分。

先发制人的可观察性分析可以预防问题，而不是处理问题的后果。团队可以进行整体监控，并解决生产中经常被忽视的潜在问题。

Digma 首席技术官兼联合创始人 Roni Dover 强调了 Digma 的先发制人可观察性分析引擎与其他引擎的不同之处：“通过了解运行时行为并针对性能问题、扩展问题和团队冲突提出修复建议，我们帮助企业主动预防问题并降低风险，而不是在生产中救火。”

应用程序性能监控 (APM) 工具用于识别服务问题、监控生产状态并突出显示 SLA 错误。APM 非常适合在生产过程中服务出现故障或速度变慢时发送警报。但与先发制人的可观测性不同，APM 在非生产环境中受到限制，并且无法提供问题根源的分析。

通过在生产过程早期识别性能和扩展问题，即使数据量较低，预先观察性也有助于防止重大问题并降低云成本。

Digma 最近成功完成了 600 万美元的种子融资，表明人们对该技术的信心日益增强。