Fünf Features, mit denen New Relic AI mir das Leben erleichtert

Als Engineers müssen wir ständig Prioritäten abwägen: Produktionsprobleme sind zu beheben, die Performance muss optimiert werden und wir müssen sicherstellen, dass die Systeme auch unter größter Belastung funktionieren. Die Komplexität moderner Anwendungen und ihrer weitläufigen Infrastrukturen führt oft dazu, dass wir Stunden damit verbringen, Logs zu durchforsten, benutzerdefinierte Abfragen zu schreiben und weit verstreute Informationen zusammenzubringen. New Relic AI setzt dem ein Ende: Es setzt Large Language Models (LLMs) ein, sodass die Handhabung von Systemdaten viel intuitiver ist. Anstatt mich mit Rohdaten herumschlagen oder komplexe Abfragen erstellen zu müssen, kann ich meine Fragen in natürlicher Sprache stellen und erhalte sofort sinnvolle, umsetzbare Einblicke. Das hat meine Workflows enorm vereinfacht – jetzt kann ich mich auf die wirklich wichtigen Dinge konzentrieren.

In diesem Blogpost erläutere ich fünf Arbeitserleichterungen, die New Relic AI mir als Entwicklerin gebracht hat. Ob es darum geht, versteckte Probleme zu finden, lästige Routineaufgaben zu automatisieren oder das Monitoring zu straffen – dieses Tool hat meine Herangehensweise an Observability komplett umgekrempelt.

1. Schnelleres Debugging

Debugging ist oft eine der zeitaufwändigsten Arbeiten im Engineering-Alltag, besonders bei großen, verteilten Systemen. Wenn etwas kaputt geht, ist das Durchforsten der Logs die offensichtliche erste Maßnahme. Allerdings bedeutet das oft, sich durch Hunderte oder Tausende von Textzeilen zu wühlen, um herauszufinden, was falsch gelaufen ist. New Relic AI revolutioniert die Log-Analyse und macht sie nicht nur schneller, sondern auch intelligenter. Anstatt die Logs manuell zu durchsuchen, können Sie New Relic AI Fragen in natürlicher Sprache stellen. New Relic AI fasst dann die Fehler für Sie zusammen, zeigt eventuelle Muster auf und schlägt sogar die nächsten Schritte vor.

Ein Beispiel: Sie arbeiten während eines Großereignisses mit hohem Traffic am Anzeigenservice, und plötzlich schlagen Transaktionen ab und zu fehl. Anstatt nun diverse Logdateien zu durchforsten, stellen Sie New Relic AI einfach eine Frage wie die Folgende:

Warum schlagen manche Transaktionen in meinem Anzeigenservice fehl?

New Relic AI generiert sofort eine Abfrage in der New Relic Query Language (NRQL) und liefert eine Übersicht über die Anzahl der fehlgeschlagenen Transaktionen, wie unten dargestellt:

Sie können die Abfrage zudem weiter verfeinern, um Fehlertypen und -ursachen zu ermitteln. Geben Sie zum Beispiel ein:

Warum sind diese Transaktionen fehlgeschlagen?

Die KI liefert dann eine detaillierte Aufschlüsselung der Fehler, einschließlich Klasse, Meldungen und Anzahl. So kann sich beispielsweise herausstellen, dass die Fehler durch SQL-Verbindungsprobleme und Zeitüberschreitungen verursacht wurden:

Der obige Screenshot zeigt zwei Fehler:

• java.lang.Exception: SQL connection failed (Too many connections), was darauf hindeutet, dass Ihre Datenbank die Höchstzahl an Verbindungen erreicht hat und Abfragen deshalb jetzt fehlschlagen.
• java.util.concurrent.TimeoutException: Context timed out, was wiederum darauf hinweist, dass Anfragen an einen externen Service oder eine externe Ressource den festgelegten Zeitrahmen überschreiten.

Dank dieser kurzen Zusammenfassungen verschwenden Sie keine Zeit mehr mit der mühseligen Suche in umfangreichen Logs, sondern können sich sofort an die Behebung des Verbindungsengpasses machen und eventuelle externe Abhängigkeiten optimieren. Das spart wertvolle Zeit und nimmt Ihnen einen Teil der Last in Stresssituationen, sodass Sie Probleme schneller und effektiver lösen können.

2. NRQL-Abfragen in natürlicher Sprache

Wenn Sie New Relic schon verwenden, wissen Sie, dass NRQL das Rückgrat aller Telemetrieabfragen ist. Ganz gleich, ob Sie Systemmetriken analysieren oder Fehler nachverfolgen: Mithilfe von NRQL können Sie sich aussagekräftige Einblicke verschaffen. Allerdings kann das Schreiben dieser Abfragen eine zeitaufwändige Angelegenheit sein, vor allem, wenn Sie mit der Syntax nicht vertraut sind. Wenn man unter Zeitdruck steht, kann man auf so etwas gut verzichten. Zum Glück gibt es jetzt New Relic AI, sodass Sie sich nicht erst mit NRQL vertraut machen müssen. Stattdessen beschreiben Sie in ganz normaler Sprache, was Sie brauchen, und die KI generiert die Abfrage für Sie.

Angenommen, Sie überwachen Ihren Frontendservice und möchten die Antwortzeit des Service überprüfen und die Performance analysieren. Dazu können Sie die KI einfach fragen:

Wie lang war die durchschnittliche Antwortzeit bei meinem Frontendservice in der letzten Stunde?

New Relic AI erstellt daraus folgende Abfrage:

Alternativ können Sie auch eine Performance-Übersicht für den Service abfragen, anstatt sich nur auf eine einzige Metrik zu beschränken. Geben Sie zum Beispiel ein:

Zeig mir die Performance des Zahlungsservice

New Relic AI führt daraufhin folgende Abfrage aus:

Die nachstehende Abbildung zeigt die Performance-Metriken für den Zahlungsservice, z. B. die durchschnittliche Dauer und Anzahl der Transaktionen in der letzten Stunde.

3. Klar verständliche Dashboard-Einblicke

Dashboards sind für Observability wesentlich, denn sie bieten grafische Einblicke in System-Performance, Nutzungstrends und Health-Metriken. Komplexe Dashboards mit mehreren Diagrammen können allerdings manchmal etwas unübersichtlich sein – vor allem, wenn Sie mit den Daten nicht vertraut sind oder einen schnellen Überblick benötigen. New Relic AI löst dieses Problem durch eine zusammenfassende Erläuterung des Dashboard-Inhalts. Anstatt auf der Suche nach Mustern zwischen Diagrammen hin- und herwechseln zu müssen, können Sie einfach fragen, was das Dashboard zeigt, und New Relic AI liefert eine leicht verständliche Zusammenfassung der wichtigsten Einblicke.

Angenommen, Sie sind gerade mit dem Monitoring eines neuen Service beauftragt worden und Ihr Team hat bereits ein Dashboard dafür erstellt. Um sich schnell einen Überblick zu verschaffen, können Sie fragen:

Was zeigt dieses Dashboard an?

New Relic AI analysiert das Dashboard dann und gibt Ihnen die wichtigen Fakten. Nachstehend sehen Sie ein Beispiel für die Zusammenfassung eines Dashboards in New Relic.

Dank dieser Zusammenfassung können Sie sich schnell einen Überblick über die Performance insgesamt verschaffen und eventuelle Trends erkennen, ohne jedes einzelne Diagramm analysieren zu müssen. Diese Funktion ist besonders nützlich, wenn Sie neue Teammitglieder einarbeiten oder sich kurzfristig auf ein Meeting vorbereiten müssen. So können Sie sich auf das Wesentliche konzentrieren und müssen nicht unnötig Zeit mit der Entschlüsselung von Diagrammen verbringen.

4. Umfassende Alert-Abdeckung

Wenn etwas schiefläuft, sind es in der Regel die Alerts, auf die wir Engineers uns als Erstes konzentrieren. Ohne angemessene Alert-Abdeckung können kritische Probleme unbemerkt bleiben und zu Ausfällen oder Performance-Einbußen führen. Die Alert-Konfiguration für jede einzelne Entity in einem komplexen System manuell zu überprüfen, ist für uns allerdings ein echter Albtraum – wir wollen Probleme beheben, anstatt die Alert-Abdeckung zu verifizieren. Zum Glück ermöglicht New Relic AI es uns, schnell diejenigen Entities, Services, Hosts und Anwendungen zu ermitteln, für die keine Alerts eingerichtet sind. Um nicht überwachte Services zu identifizieren, können Sie zunächst den Assistenten bitten, die Lücken in Ihrem Stack oder einem Teil davon zu finden.

Zeig mir die APM-Services an, die nicht von einem Alert abgedeckt sind

Der obige Prompt sollte eine Liste der APM-Services generieren, die nicht von Alerts abgedeckt sind. 

Nachdem Sie die Abdeckungslücken ermittelt haben, können Sie die fehlenden Alerts ebenfalls mit dem New Relic AI Assistenten, der UI oder REST API einrichten.

5. Vereinfachtes Synthetic Monitoring

Synthetic Monitoring sorgt durch Simulation von Benutzerinteraktionen dafür, dass Ihre kritischen Services immer verfügbar sind und einwandfrei funktionieren. Allerdings ist ein potenzieller Stolperstein dabei die manuelle Einrichtung dieser Monitore und das Festlegen von Konfigurationen, Zeitplänen und Schwellenwerten.

New Relic AI kann das für Sie erledigen – Sie müssen lediglich eine einfache Beschreibung eingeben. Wenn Sie beispielsweise die Uptime Ihres API-Endpunkts nachverfolgen möchten, können Sie folgenden Prompt verwenden:

Richte mir einen Ping-Monitor für meinen Kassenservice ein

New Relic AI stellt dann die Schnittstelle zur Erstellung des Ping-Monitors bereit.

Sie können den Ping-Monitor nach Ihren Vorstellungen konfigurieren und erhalten sofort einen Überblick über Uptime und Antwortzeiten. Keine Menüs, kein Hin und Her zwischen Bildschirmen. Stattdessen sofortige Ergebnisse, die ganz auf Ihre Anforderungen zugeschnitten sind. Bei diesem Feature geht es aber nicht nur um Bequemlichkeit, sondern es soll präventives Monitoring leichter zugänglich und effizienter machen. Und es soll die Resilienz Ihrer Services sicherstellen, damit eventuelle Probleme sich gar nicht erst auf Benutzerseite bemerkbar machen.

Fazit

Beim Engineering dreht sich alles um das Lösen von Problemen, aber wie effizient das durchgeführt werden kann, hängt maßgeblich von den Tools ab, die wir verwenden. New Relic AI hat meine Herangehensweise an Observability komplett umgekrempelt. Aufgaben, die früher Stunden dauerten, sind jetzt in Minuten erledigt. Ich kann jetzt NRQL-Abfragen in natürlicher Sprache schreiben, mühelos die Informationen auf den Dashboards erfassen und dafür sorgen, dass alles von Alerts abgedeckt ist. New Relic AI erleichtert mir meine Arbeit enorm und hilft mir, mich auf das Wesentliche zu konzentrieren: nämlich die Entwicklung zuverlässiger, hochleistungsfähiger Systeme.

Wenn Sie ebenfalls im Engineering tätig sind und intelligenter anstatt härter arbeiten möchten, sollten Sie sich New Relic AI genauer ansehen. Denn es ist weit mehr als nur ein Tool. Es revolutioniert Observability.