以前はSRE Agentとして知られていたNew Relic Autopilotへようこそ。インシデントを管理する新しい方法をご紹介できることを嬉しく思います。Autopilotは、特定のデータ相関と診断の自動化を支援することで、インシデント管理ワークフローを支援するように設計されています。
注意
コンプライアンスの制限：AutopilotはHIPAAアカウントで使用できます。AutopilotはFedRAMPではまだ利用できません。
エージェント内の履歴/MELTデータの保持期間は、お客様の一般的なアカウント保持設定とは異なる場合があります。
New Relic Autopilot には生成AIリソースへのアクセスが含まれており、生成AIサービス利用規約が適用されます。
Autopilot 提案は社内のビジネス目的にのみ使用してください。
New Relic Autopilotについて
New Relic Autopilot は、エンジニアリングチームが問題を調査し、システムの動作を理解し、運用ワークフローを加速するのを支援する、AIを活用したオペレーションエクスペリエンスです。
Autopilotの仕組み
Autopilot New Relicテレメトリー、AI推論、および運用ワークフローを組み合わせて、本番環境の問題を調査します。エンジニアが運用上の意思決定をコントロールできるようにしながら、コンテキストの収集、シグナルの分析、可能性の高い根本原因の特定、および次のアクションの推奨を行う専門的な機能を調整します。
機能
以下は、Autopilotが運用を最適にサポートする方法の例です：
一括トリアージと検証: エージェントは、受信通知の予備フィルターとして機能するように設計されています。 これは、過去のベースラインと現在のシステムの健全性に対して集計のコンテキストを評価し、イベントが優先度の高い異常であるか、予想される変動であるかを判断するのに役立ちます。
出来事エンティティ ヘルス: エージェントは、スタックのモニター部分で迅速かつ高レベルのパルス チェックを提供します。 利用可能なゴールデン ストップ メトリクスと基盤となるインフラストラクチャ パフォーマンスの関連付けを試みることにより、AI モニタリングによりシステムの健全性に関する物語的な概要が生成されます。
変更インテリジェンス: 最近のアップデートによって導入された潜在的なパフォーマンスの低下、新しいエラー パターン、またはレイテンシのスパイクを特定し、デプロイメント後にシステムが正常かどうかを確認するのに役立ちます。
インシデントの詳細な分析: システムの低下が発生した場合、エージェントは自動化された根本原因の発見を支援するように設計されています。ディストリビューティッド（分散）トレーシングをたどり、ログパターンを分析し、リソースメトリクスを検査して、停止の原因となっている可能性のある潜在的な技術的障害や下流の依存関係を特定するのに役立ちます。
修復の提案: 診断にとどまらず、Autopilotは復旧作業を支援するAIモニタリングです。潜在的な根本原因が特定されると、エージェントは潜在的な技術的介入 — デプロイメントのロールバックやリソース割り当ての調整など — を提案する場合があります。これらは実装前にエンジニアが確認する必要があります。
Slackのコラボレーション: Slackで直接Autopilotを使用します。スレッドから離れることなくアラートをトリアージし、インシデントを調査するには、チャネルでNew Relicアプリをメンションします。Autopilot Slackインテグレーションを参照してください。
重要
Autopilot 提案は、ユースケースに合わせて慎重に確認する必要があります。
運用ワークフロー
以下のワークフローは、Autopilotがテレメトリーを実用的なオペレーショナルインテリジェンスに変換するのにどのように役立つかを示しています。各段階は前の段階に基づいて構築されており、エンジニアは検出から診断、推奨される修復へとより迅速に移行できます。
Autopilotが環境を分析する仕組み
Autopilot は、テレメトリーデータと潜在的なインサイトの間のインテリジェントなレイヤーとして機能するように設計されています。エージェントに質問すると、専用のツールスイートを活用して分析を実行します。
エージェントの分析プロセスは、次の3つの主要な柱に基づいています：
包括的なコンテキスト収集: エージェントは、利用可能なアーキテクチャーなど、関連する詳細を収集するように設計されています。 これは、関連するエンティティを特定し、それらの関係性や依存関係を調査し、パフォーマンスの変化を引き起こした可能性のある最近の変更イベントやデプロイメントを強調表示するのに役立ちます。
詳細なテレメトリー調査：コンテキストが確立された後、エージェントは問題の調査に深く入り込みます。これにより、次の評価を行えます：
- メトリクスとトレンド: スループット、レイテンシ、エラー率を分析して、将来のシステム動作の可能性を予測します。
- ログとエラー: ディストリビューティッド（分散）トレーシング、エラー グループ、ログパターンを調べて、潜在的なソースと異常の原因を特定します。
- 健全性とアラート：発生中のインシデント、アラートポリシー、およびセキュリティ脆弱性をレビューし、潜在的な影響範囲を把握する。
自動化された根本原因および影響分析：このエージェントは、原因分析を支援するように設計されています。これは、パフォーマンスの低下と特定のトランザクションパターン、インフラストラクチャのボトルネック、エンドユーザーへの影響との相関関係を分析しようとするものです。また、自然言語をNRQLに変換して、特定のデータ ポイントを取得するのにも役立ちます。
入手方法
Autopilot は、以下のいずれかをご利用のProまたはエンタープライズエディションの組織で利用できます：
- 高度な計算アドオン、または
- レガシー計算（CCU）プラン。
ヒント
Autopilot 1組織あたり1時間に最大100 requestsを許可します。
現在の制限
Autopilotを使用する際は、以下の制限事項に留意してください：
- Autopilot アクションを推奨しますが、実行はしません。人が確認して実行します。ご自身のユースケースに合わせて、提案を慎重に確認してください。
- Autopilot アラートを作成しません。
- Autopilot アプリケーションを計装したり、計装セットアップを生成したりしません。
- Autopilot ConfluenceやServiceNowなどの外部システムには書き戻しません。ただし、Slackインテグレーションにより、Autopilotの推奨事項をSlackワークスペースに公開できるようになります。
- 調査の品質は、テレメトリーのカバレッジと運用メタデータに依存します。データが限られている場合、推奨事項には裏付けとなる証拠が少なくなるか、収集すべき追加情報が特定される可能性があります。
- Autopilotによる調査の提案は、テレメトリーのカバレッジや運用メタデータなど、多数の要因に依存します。データが限られている場合、推奨事項には裏付けとなる証拠が少なくなるか、収集すべき追加情報が特定される可能性があります。