دستیار گرافانا به ۳۰ منبع داده مختلف متصل میشود
شرکت گرافانا لابز نسخه جدید «دستیار گرافانا» را منتشر کرده است. این بهروزرسانی قابلیت پرس و جو و همبستگی دادهها را از بیش از ۳۰ منبع مختلف از طریق زبان طبیعی امکانپذیر کرده است. هدف اصلی این تغییر، حرکت به سمت یک معماری مشاهدهپذیری یکپارچه است که به اپراتورها، توسعهدهندگان و مهندسان قابلیت اطمینان سایت (SRE) اجازه میدهد بدون جابهجایی بین ابزارهای متعدد، حوادث را بررسی و کوئریهای پیچیده را ریشهیابی کنند.
این ارتقا بازتاب مستقیم استراتژی کلان هوش مصنوعی گرافانا است که در کنفرانس GrafanaCON 2026 معرفی شد. در این دیدگاه، هوش مصنوعی به عنوان یک شریک عملیاتی تعریف شده که صرفاً نقش یک چتبات عمومی را ایفا نمیکند. با افزودن پشتیبانی از پلتفرمهای ابری، پایگاهدادهها، بکاندهای نظارتی، سیستمهای ردیابی مشکل و ابزارهای مانیتورینگ زیرساخت، گرافانا یک گلوگاه رایج در تیمهای فنی مدرن را هدف گرفته است: پراکندگی دادههای عملیاتی در دهها پلتفرم جداگانه.
اتمام عصر جابهجایی بین ابزارها و تفسیر دستی لاگها
محیطهای تولیدی امروزی به ندرت به یک پلتفرم نظارتی واحد تکیه میکنند. سازمانها متریکها، ردیابیهای توزیعشده، تلمتری ابری، رویدادهای زیرساختی و دادههای تجاری را از منابع متفاوتی جمعآوری میکنند. سنتاً بررسی یک اختلال در محیط واقعی مستلزم جابهجایی مهندسان بین اپلیکیشنهای مختلف، تطبیق دستی مهرهای زمانی و بازسازی وابستگیها بوده است. دستیار گرافانا این فرآیند را با امکان پرسوجو به زبان طبیعی که بلافاصله چندین سیستم را پوشش میدهد، ساده کرده است.
به جای نوشتن دستی کوئریهای پیچیده در زبانهای PromQL، LogQL، SQL یا TraceQL، مهندسان تنها مشکل را توصیف میکنند و دستیار هوش مصنوعی وظیفه تبدیل آن به کوئریهای استاندارد و استخراج دادههای مرتبط را بر عهده میگیرد. برخلاف ابزارهای عمومی، این دستیار بهطور اختصاصی برای جریانهای کاری مشاهدهپذیری طراحی شده است. توانایی ساخت داشبوردها، تفسیر متریکهای ناآشنا، پیمایش در منابع گرافانا و راهاندازی خودکار تحقیقات بر مبنای تلمتری شبکه، از دیگر قابلیتهای کلیدی آن است.
منابع داده جدید و حفظ کنترل دسترسی سازمانی
در آخرین نسخه، پشتیبانی به منابع دادههای سازمانی متنوعی از جمله Snowflake، Oracle، Elasticsearch، Dynatrace، Honeycomb، MongoDB، Zabbix و Jira گسترش یافته است. این افزودن امکان دارد تا مهندسان لایههای عملیاتی، زیرساختی و تجاری را در یک مکالمه واحد به هم متصل کنند. هسته اصلی این طراحی، حذف نیاز به یادگیری چندین زبان کوئری متفاوت است. دستیار هوش مصنوعی زبان طبیعی را به استعلامهای مناسب ترجمه میکند در حالی که مجوزهای فعلی و کنترلهای دسترسی مبتنی بر نقش (RBAC) بدون هیچ تخریبی حفظ میشوند.
رقابت ناظران سیستمها بر پایه هوش مصنوعی
این توسعه در زمانی رخ میدهد که شرکتهای فعال در حوزه نظارت بر زیرساخت، تمرکز خود را از جمعآوری خام داده به قابلیتهای تحلیلی مبتنی بر یاد ماشین تغییر دادهاند. رقابت اصلی دیگر بر سر حجم تلمتری نیست، بلکه بر سر سرعت تشخیص ریشه علت اختلال است. شرکتهایی مانند دیتا داگ با توسعه Bits AI به سمت تحقیقات خودکار و تحلیل علل ریشهای حرکت کردهاند و دایناتریس با Davis AI از استدلال علّی برای تسریع پاسخ به حوادث استفاده میکند.
گرافانا نیز در طول سال 2026 سبد ابزارهای هوش مصنوعی خود را با پشتیبانی از پروتکل زمینه مدل (MCP) جهت یکپارچهسازی عاملهای AI خارجی و قابلیت نظارت هوشمند بر اپلیکیشنهای مدل زبانی بزرگ (LLM) تکمیل کرده است. قرار گرفتن این دستیار در اختیار استقرارهای Enterprise و نسخههای متنباز (OSS) نشان میدهد که گرافانا قصد دارد استاندارد جدیدی برای یکپارچهسازی دادههای پراکنده تعریف کند. در محیطهای پیچیده امروزی، ابزاری که بتواند زبانی مشترک برای تعامل لاگها، متریکها و رفتار برنامهها بسازد، قطعا نقش محوری در شکلگیری نسل بعدی تیمهای عملیاتی ایفا خواهد کرد.
