eG Enterprise 7.6 laajentaa valvontaa tekoälypalveluihin, digitaalisiin työympäristöihin ja sovellusten sisäiseen toimintaan. Käymme tässä katsauksessa läpi keskeiset uudistukset ja niiden merkityksen IT-ylläpidolle: miten häiriöiden selvittäminen muuttuu ja mistä uusista kohteista saadaan valvontatietoa.
Observability eli järjestelmän toiminnan havainnoitavuus auttaa ymmärtämään, mitä IT-ympäristössä tapahtuu ja miksi. IT-ympäristössä tämä edellyttää usein käyttäjäkokemuksen, sovellusten ja infrastruktuurin tarkastelua yhdessä. Yksittäinen mittari antaa vain osan vastauksesta. Esimerkiksi korkea suorittimen käyttöaste voi kertoa ongelmasta, mutta se voi myös kuulua järjestelmän normaaliin toimintaan.
eG Enterprise 7.6:ssa valvonta ja tekoäly täydentävät toisiaan. Järjestelmä kokoaa mittaustiedot, tunnistaa poikkeamat ja analysoi palvelujen väliset riippuvuudet. Generatiivinen tekoäly auttaa tulkitsemaan näin muodostuvaa tilannekuvaa. Uudessa versiossa tekoäly voi tulkita yksittäisten hälytysten lisäksi yksityiskohtaisia diagnostiikkatietoja ja suorituskyvyn kehitystä ajan mittaan.
Työnjako on tärkeä myös tulosten arvioinnissa. Tekoälyn tuottama selitys tarvitsee tuekseen havaintoja järjestelmän toiminnasta. Ylläpitäjän pitää voida tarkistaa, mitkä mittarit, riippuvuudet ja tapahtumat tukevat ehdotusta. Tekoälyn ehdottamia jatkotoimia arvioidaan siis mittaustietojen ja järjestelmän todellisen tilanteen perusteella.
Anthropic Claude ja Microsoft Azure OpenAI Service tulevat aiemmin tuettujen OpenAI GPT -mallien ja Google Geminin rinnalle. Generatiivisen tekoälyn käyttö on vapaaehtoista. eG:n mukaan asiakas valitsee palveluntarjoajan ja päättää, kuinka laajasti tietoja sille lähetetään. Tekoälypalvelun kyselyistä veloitetaan erikseen.
Tekoäly auttaa tulkitsemaan valvontatietoa, mutta myös tekoälypalvelujen omaa toimintaa täytyy seurata. Tähän 7.6 tuo OpenAI-palvelujen valvonnan. OpenAI-palveluista seurataan REST-rajapintojen kautta, ilman erillistä valvonta-agenttia, muun muassa pyyntöjä, virheitä, vasteaikoja, token-kulutusta ja kustannuksia. Tarkastelua voidaan kohdistaa projekteihin ja rajapintatoimintoihin sekä Admin- ja Project-avaimiin.
Valvonnan kannalta on hyödyllistä erottaa kolme kysymystä: toimiiko palvelu, muuttuuko käyttötapa ja mistä kustannus muodostuu? Esimerkiksi kasvava lasku voi liittyä suurempaan käyttäjämäärään tai sovelluksen muuttuneeseen toimintaan. Se ei sellaisenaan osoita tehottomuutta. Jos sovellus hidastuu, on puolestaan pystyttävä erottamaan sen oma käsittelyaika ulkoisen tekoälypalvelun vasteajasta.
Digitaalisten työympäristöjen valvontaan tulee useita tarkennuksia. Niihin kuuluvat Azure Virtual Desktopin Azure Local -tuki, Amazon WorkSpaces Applicationsin kirjautumisvaiheiden erittely sekä Citrix Cloudin service principal -tunnistautumisen ja License Activation Service -yhteyden valvonta.
Citrix-valvonta tunnistaa myös zombie-istuntoja ja niin sanottuja black-hole-koneita, jotka voivat aiheuttaa istuntojen käytettävyysongelmia. Horizon-työpöydillä tarkistetaan, onko Teamsin mediaoptimointi käytössä. Fyysisiltä päätelaitteilta saadaan puolestaan tietoa Teams-kokousten viiveestä, viiveen vaihtelusta eli jitteristä sekä pakettihävikistä. Zscaler ZIA-, ZPA- ja ZDX-palvelut tulevat samaan valvontakokonaisuuteen.
Näiden ominaisuuksien merkitys näkyy esimerkiksi tilanteessa, jossa käyttäjä pääsee kirjautumaan mutta työskentely ei onnistu normaalisti. Pelkkä tieto palvelimen saatavuudesta ei vielä kerro, onko vika istunnossa, päätelaitteessa, verkossa vai jossakin palvelun tarvitsemassa taustajärjestelmässä. Vaiheittainen tarkastelu auttaa rajaamaan selvityksen oikeaan kohtaan.
SAP-valvontaan lisätään ABAP-lisenssin voimassaolon seuranta, Best Practice Checks -tarkistuksia sekä MPI-muistiputkien ja puskurien valvontaa. Cloud Connectorin liikennettä tarkastellaan resurssikohtaisesti. Microsoft 365:n puolella päättyneiden Teams-puhelujen seuranta siirtyy käyttämään Microsoft Graph -rajapintoja. Tämä korvaa aiemman toteutuksen, joka edellytti webhook-kerääjää verkon DMZ-alueelle.
Järjestelmäkohtaiset tarkistukset täydentävät yleisiä resurssimittareita. Esimerkiksi lisenssin umpeutuminen tai poikkeava asetus on eri ongelma kuin muistin loppuminen. Ylläpidon kannalta hyödyllinen havainto kertoo sekä tarkistettavan asian että sen, miksi se voi vaikuttaa palveluun.
Application Flow Insights kokoaa APM-näkymään sovelluksen kerrokset ja riippuvuudet, joihin viiveitä ja virheitä kertyy. Tarkoituksena on löytää yhteinen ongelmakohta ennen yksittäisten transaktioiden yksityiskohtaista läpikäyntiä.
Java-sovellusten tapahtumaketjujen jäljitys laajenee reaktiivisiin Spring WebFlux -sovelluksiin ja niiden tietokantakutsuihin. Jäljityksessä näkyvät lisäksi Amazon S3-, SNS- ja SQS-riippuvuuksien viiveet. Uusi Go Runtime Monitoring tuo näkyviin Go-sovellusten goroutinet eli kevyet rinnakkaiset suoritukset sekä roskienkeruun ja kekomuistin käytön.
Reaktiivisessa sovelluksessa yhden pyynnön käsittely voi siirtyä suoritussäikeestä toiseen. Siksi pyynnön tapahtumaketjun säilyttäminen on tärkeää: muuten hidas käyttäjätoiminto ja sen taustalla oleva palvelukutsu voivat jäädä erillisiksi havainnoiksi. Ajonaikaisen ympäristön mittarit auttavat puolestaan selvittämään, kuormittaako sovellusta sen oma toiminta vai kuluuko aika muiden palvelujen vastausten odottamiseen.
Valvonta laajenee Amazon ECS:n AWS Fargate -kuormiin, Azure Functionsiin ja Confluent Cloud Kafkaan. Oracle-, SQL Server- ja PostgreSQL-diagnostiikkaa syvennetään. Näiden uudistusten ansiosta palveluketjun toimintaa voidaan tarkastella aiempaa useamman teknologian osalta.
Hybridiympäristössä sama käyttäjän toiminto voi kulkea paikallisen sovelluksen, pilvipalvelun ja ulkoisen rajapinnan kautta. Yhteinen palvelunäkymä on hyödyllinen silloin, kun samoja aikaleimoja, riippuvuuksia ja oireita voidaan verrata yli teknologiarajojen.
Ominaisuusluetteloa kannattaa verrata käytössä oleviin teknologioihin ja toistuviin häiriöihin. Jos arkea vaikeuttavat hitaat kirjautumiset, työympäristöjen valvonnan tarkennukset ovat luonteva tarkastelukohde. Sovelluskehityksessä taas Spring WebFlux -jäljitys tai Application Flow Insights voi olla olennaisempi uudistus.
Arvioinnissa kannattaa erottaa valvonnan kattavuus, diagnostiikan tarkkuus ja havaintojen tulkinta. Uusi valvontakohde tuottaa lisää tietoa, tarkempi diagnostiikka auttaa rajaamaan ongelmaa ja generatiivinen tekoäly voi helpottaa tulosten ymmärtämistä. Näiden hyötyjen toteutuminen riippuu siitä, miten valvonta on määritetty kyseiseen ympäristöön.
Ennen päivitystä kannattaa tarkistaa oman asennuksen ja käytössä olevien integraatioiden tekniset vaatimukset.
Tuoteominaisuudet perustuvat eG Innovationsin julkaisemiin tietoihin. Artikkelin käytännön esimerkit havainnollistavat ominaisuuksien käyttötarkoituksia, eivät mitattuja asiakastuloksia.