Dynatrace stellt SRE Agent für die Störungsanalyse allgemein bereit

Untersuchung beginnt, sobald ein Problem eröffnet wird

Wenn Dynatrace ein Problem eröffnet, beginnt der SRE Agent sofort mit der Untersuchung. Laut Dynatrace liegen die Ergebnisse innerhalb weniger Minuten vor. Sie enthalten eine Erklärung der Ursache, Belege aus Logs, Metriken, Deployments oder Konfigurationsänderungen sowie eine Einschätzung der betroffenen Services, Nutzer und geschäftlichen Auswirkungen.

Der Agent empfiehlt außerdem die nächsten Schritte, etwa das Zurücksetzen eines Deployments oder den Neustart eines fehlerhaften Services. Er zeigt, was er geprüft und ausgeschlossen hat, sodass Ingenieure seine Ergebnisse anhand der verfügbaren Belege nachvollziehen können.

Im Beispiel von Dynatrace führte ein fehlgeschlagenes Deployment für einen Zahlungsservice dazu, dass der Checkout 29 Minuten lang ausfiel. Der SRE Agent führte die Störung auf ein Codeproblem zurück, das bereits zuvor ähnliche Probleme verursacht hatte, empfahl ein Rollback, informierte das Zahlungsteam und bereitete das Zurücksetzen zur Genehmigung vor.

Workflows steuern Weiterleitung und Gegenmaßnahmen

Der SRE Agent ist als Aktion in einen Dynatrace-Workflow eingebettet. Der Agent untersucht das Unbekannte, während der Workflow festlegt, wann die Untersuchung startet, welchen Kontext und welche Anweisungen der Agent erhält und was mit dem Ergebnis geschieht.

Ein Workflow kann starten, sobald ein Problem eröffnet wird, ein Ereignis eintritt oder ein Zeitplan ausgeführt wird. Teams können Bedingungen auf Basis von Problemtyp, Auswirkung oder Kritikalität festlegen und den Agenten dann zugehörige Logs, Ereignisse, Deployments und Metriken untersuchen lassen. Er kann außerdem Abhängigkeiten in Smartscape verfolgen, frühere Probleme mit derselben Ursache prüfen und Erklärungen ausschließen, die nicht passen.

Konfigurierte Regeln bestimmen die Dringlichkeit einer Störung, während Daten zur Zuständigkeit das verantwortliche Team identifizieren. Der Workflow kann ein Problem mit Anmerkungen versehen, ein Ticket in ServiceNow, Jira oder Jira Service Management eröffnen, eine Zusammenfassung über Slack, Microsoft Teams oder per E-Mail senden, ein Postmortem erstellen oder einen Pull Request, eine Konfigurationsänderung oder einen Runbook-Schritt zur Genehmigung vorbereiten.

Dynatrace betont, dass die Nutzer die Kontrolle über die Workflow-Schritte behalten. Betriebsabläufe können bei Bedarf autonom ausgeführt werden, während Gegenmaßnahmen weiterhin von Menschen genehmigt werden können.

Dynatrace verknüpft den Agenten mit seiner bestehenden Analyse

Der SRE Agent beginnt nicht mit einem unstrukturierten Alarmstrom. Laut Dynatrace hat Dynatrace Intelligence die Ursache sowie die betroffenen Services und Nutzer bereits identifiziert, bevor der Agent ausgeführt wird. Außerdem gruppiert das System Ereignisse mit derselben Ursache, sodass Ingenieure ein einziges Problem statt einer Flut von Alarmen erhalten.

Dieser vorhandene Kontext gibt dem Agenten einen Ausgangspunkt für seine Untersuchung. Dynatrace zufolge baut der Agent auf der in den eigenen Daten des Kunden gefundenen Ursache auf, ergänzt Belege und Informationen zu den Auswirkungen und empfiehlt eine Aktion, die anhand der Beweiskette überprüft werden kann.

Teams können mit Services beginnen, für die sie verantwortlich sind, und den Agenten auf kritische oder schwerwiegende Probleme beschränken. Dynatrace empfiehlt, die Analyse mit den Ergebnissen der eigenen Störungsuntersuchung des Teams abzugleichen, Prompts und Filter anzupassen und die Ergebnisse anschließend an Jira, ServiceNow, Slack oder Microsoft Teams zu senden. Sobald sich die Analyse als nützlich erweist, können Teams ihren Umfang erweitern und die Zuständigkeit auf ein Servicekonto übertragen.