Middleware Observability Platform

OpsAIはアプリケーション、インフラ、データベース、コンテナ、ログ、LLMアプリを同時に見張り、見つけた兆候をシグナル間で突き合わせる。価値が出るのはアラートの次の段階だ。有力な原因を示し、修正案を出し、プルリクエストまで開ける。エラー検知そのものは無料で、原因分析はトークン課金なので、すべての障害にAIを走らせたくないチームでもアラートだけは残せる。

APMモジュールはスパンをリアルタイムに記録し、APIエンドポイントから触れたデータベースまでリクエストを追う。継続プロファイリングはどの関数がCPUを消費しているかを示し、これは遅いトレースとは別の問いに答える。トレースは時間がどこへ消えたかを、プロファイルはどのコードが消したかを教えてくれる。トラフィックマップと依存関係のビューは、障害を非エンジニアに説明する場面で役立つ。

ログはどんなJSONソースからでも入るため、出力を整形し直す必要はない。属性一致、あいまい一致、正規表現で検索でき、デプロイ中はライブ表示を止めて再開できる。QueryGenieは自然言語の依頼をクエリに変換するので、構造化クエリを日常的に書かない人でも扱える。機密データのマスキングと独自属性の抽出は保存前に行われ、ログに顧客情報が含まれる場合に効いてくる。

インフラ監視とKubernetes監視は同じエージェントで動く。自動インストルメンテーションがホスト、Kubernetesクラスタ、Linuxノード、クラウドサービスをカバーし、マシンごとのスクリプトは要らない。クラスタの健全性、CRD、ネットワークポリシーを1つのビューに集め、コンテナワークロードにはECSレベルの詳細も出す。CPUスパイクをそれが引き起こした遅延と結びつける作業は、この製品が最初から狙った流れであり、チームが真っ先に実感する部分でもある。

リアルユーザーモニタリングは、Webとモバイルアプリで利用者が実際に何を体験したかを記録し、遅いページ読み込みを引き起こしたバックエンドのトレースにつなぐ。セッション再生を使えば、利用者に状況を説明してもらう代わりに、画面とネットワークデータを並べて確認できる。プライバシー設定で項目を匿名化し取得範囲を絞れるため、個人情報を扱う製品でも使いやすい。

合成チェックはHTTP、UDP、DNS、WebSocketのリクエストを複数拠点から定期的に送り、リクエストとレスポンスの詳細を残す。ブラウザテストはログインから決済までのような利用者の動線をスクリプト化し、複数のブラウザとデバイスプロファイルで実行する。サーバー側の監視では見えない部分、つまり外部からサービスに到達できて使えるかどうかを2つで補う。

データベース監視とLLM可観測性は別のモジュールだが、共通のタイムラインでつながる。データベース監視はMySQL、PostgreSQL、MongoDB、Cassandra、Auroraのクエリ単位まで掘り下げ、CPU、メモリ、ディスク、スループットをクエリと並べて追う。LLMモジュールはプロンプト、エージェント、複数ステップのワークフローについてレイテンシ、トークン消費、コスト、応答品質、エラーを計測し、高コストや失敗したAI呼び出しを、それを生んだトレースとセッションに結びつける。