““当今的企业架构将业务限制在人力所能承载的规模内……要扭转这一局面并实现数字化规模扩展，企业架构必须将可观测性和自动化纳入核心能力。””
您可能听过类似这样的说法：“仅凭今天的能力，我们无法在明天取得成功。”这并不是什么新概念。创新是任何行业或企业生存的关键。支撑业务的企业架构同样如此。
近期备受关注的一项创新是生成式AI。但由机器学习驱动的AI以自动化为基础。虽然可以将手动流程和重复性任务自动化，但如果缺少与之相辅相成的可观测性，自动化就无法真正取得成功，也无法充分发挥倍增效应。
以汽车行业的创新及其对普通驾驶者的影响为例。25至30年前开车出行时，汽车的手套箱里很可能放着一张地图。如果前往陌生的地方，又没有同伴帮忙导航，一旦错过转弯处或出口，就只能靠边停车，把地图铺在车头上，眯着眼辨认细小的线路和街道名称，重新确定路线。
这时，可观测性和自动化应运而生。随着全球定位系统（GPS）跟踪技术的发展，大量位置数据（即遥测数据）不断涌入，可用于确定经纬度位置。驾驶员借助个人导航设备，无需开到最近的路牌处，就能了解自己相对于目的地的位置。此外，这些导航设备还具备自动化功能，可利用观测到的遥测数据重新规划前往最终目的地的路线。驾驶员只需沿新路线行驶即可。
架构中的可观测性与自动化
数字化企业不同于实体企业，只有将可观测性和自动化能力纳入企业架构，才能蓬勃发展。客户的数字体验与企业数字服务的可用性、安全性和性能密切相关。
要监控数字服务的各个组成部分，需要对所有位置（本地、云端和边缘）的全部系统和应用实现全栈可观测性，以便在性能下降和威胁严重影响消费者体验乃至业务之前加以识别。然而，即使能够从持续流动的运营数据中获得洞察，如果没有全面自动化，数字体验仍会面临风险。手动操作、修复和缓解措施无法满足规模化需求，因为“当毫秒必争时，根本没有人工干预的余地”。这正是我们所说的真正数字化企业。
以前面使用导航系统的驾驶员为例。系统的自动化能力有限，是否按照新路线行驶仍由驾驶员决定。如果您曾在城市中驾车，等待GPS重新规划路线，可能也经历过这样的反复挫败：系统需要额外时间来处理车辆偏离路线的数据、确定新路线并更新地图，而当地图更新时，车辆恰好已经驶过重新规划路线所指向的路口，导致一次又一次错过转弯。数字服务的全面自动化更像自动驾驶汽车。在其架构中，可观测性和自动化显然并非事后补充，而是全面融入基础架构，以持续进行评估、分析并采取行动，从而优化乘客体验。
无论是数字化业务，还是驾驶汽车（极少数情况除外），人始终是最终决策者。但要做出适当的决策，就需要信息，而这些信息来自数字信号，无论是GPS系统还是全栈可观测性能力。数字化业务调整方向的速度不可能超过决策速度，而决策速度完全取决于系统提取、分析信息并生成可行洞察的速度。对于数字化业务而言，这意味着需要具备可观测性和自动化能力。因此，我们必须对企业架构进行现代化改造，将二者纳入核心能力。
要了解如何部署这些关键能力，以及它们能为数字化业务带来哪些额外优势，请阅读我们的O’Reilly图书中由工程副总裁兼应用CTO Mike Wiley撰写的“可观测性与自动化”一章：《面向数字化业务的企业架构》。
相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。