情况介绍
- 流量激增 > 调查
- 排除第一个潜在原因
- 排除第二个潜在的原因
- 没法子了 > 吃点东西吧
- 询问Lightstep
- Lightstep建议对痕迹进行最大的改变
对任何人来说，当警报触发或仪表盘上出现尖峰时，这是一个非常熟悉的场景--点击进入你选择的可观察性（或监控）解决方案，开始调查。你有一大堆问题：爆炸半径是多少？系统的哪个部分导致了这个问题？我可以采取快速补救措施吗？希望有一些智能工作流程可以让你提出并找到这些问题的答案，这样你就可以快速地进行分流和补救了。而一旦问题得到解决，你如何确保它不会再次发生？你的补救措施在短期内解决了问题，分流确定了可能的区域，但你还没有开始调查根本原因，因为你已经花了最后一个小时（或更长时间）让系统恢复健康。
2021年，Lightstep宣布了Change Intelligence。变化智能为专家和新手自动开辟了新的调查途径。当发生尖峰时（或触发警报），你在Lightstep内有一个选项，可以快速、自信地缩小你所寻找的地方。它是上游还是下游？是你的服务，你依赖的服务，还是其他团队拥有的服务？是一个特定的客户，他们平时的工作量增加了一倍？Change Intelligence给了团队一个选择，可以快速找到一组基线追踪，和一组偏离的追踪之间的差异。今天，我们宣布，我们已经把它做得更好了（很明显），而且比以前更容易让每个用户使用。
对Observability平台提出的一个基本问题是 "发生了什么，为什么？"
我们遇到的一个常见情况是（内部和客户），在你的调查中遇到了一堵砖墙--一个死胡同。在今天的公告中，你可以通过点击 "分析偏差 "按钮，在Lightstep笔记本中访问变化情报，在整个系统中立即生成强大的基于跟踪的吞吐量关联，如果你陷入困境，可以帮助你推进调查。这些相关性帮助你立即了解你的服务健康状况的变化，以及--最重要的--什么可能导致这些变化。
可观察性是关于对你的数据提出问题。笔记本是任何可观察性实践者的一个强大的盟友。笔记本不仅允许你在所有的指标和跟踪中形成强有力的假设，而且还允许你查询最有趣和最有用的数据，以了解客户体验（无论是调试p50的性能回归，还是追踪一次蓝月亮错误的根本原因），同时以协作的方式完成这些。调试大规模分布式系统的一个挑战是，当你不是你所调查的服务的专家时，该怎么办？进入变化智能（再次，显然！）。
现代分布式系统很复杂--有时候，系统不同部分之间的连接并不明显。有了Change Intelligence，任何开发者、操作者或SRE都可以对系统进行推理，就像他们是专家一样。此外，你可以把从Change Intelligence产生的任何图表或洞察力带回你的Notebook进行调查，以完成你的事后报告的叙述。这仅仅是Notebooks解决团队故障排除过程中出现的需求的一种方式，它提供了细化的、特定背景的数据，并促进了实时协作解决问题的能力，而不会破坏你的调查流程。分析--在上下文中--减少解决的平均时间（MTTR），并推动主动的性能改进。
在排除故障、调试、调查和优化任何东西时，Lightstep笔记本将迅速成为你最喜欢的工具。有了跨度图上的吞吐量关联，在图表上选择偏差和访问变化情报的超级简化方法，以及整个系统中按强度排列的关联的综合列表，并能在一次点击中获得基础数据，你就不会再在调查中遇到死胡同了。
