可观测性厂商 AI 大战开始：Grafana、Datadog、Splunk 全部入场

Grafana Labs 扩展了 Grafana Assistant 的能力，使其 AI 驱动的可观测性助手能够通过自然语言查询并关联来自 30 多个不同数据源的数据。该公司表示，这一更新是迈向“统一可观测性”（unified observability）的一步，让运维人员、开发者以及站点可靠性工程师（SRE）无需在多个监控工具之间切换，就能调查故障、生成查询并排查复杂的分布式系统问题。此次增强建立在 GrafanaCON 2026 上公布的 Grafana Assistant 整体 AI 战略之上。当时，Grafana 将 AI 定位为一种运营伙伴，而不仅仅是一个聊天机器人。通过扩大支持的数据源范围，包括云平台、数据库、可观测性后端、问题跟踪系统以及基础设施监控系统，Grafana 正试图解决现代运维团队面临的一个常见挑战：分散在数十个互不连接平台中的碎片化运营数据。现代生产环境很少只依赖单一监控平台。相反，组织通常会从不同工具和数据源中收集指标、链路追踪、云端遥测数据、基础设施事件、业务数据以及运营上下文信息。传统情况下，调查一次生产故障通常需要工程师在这些工具之间来回切换，手动关联时间戳，重建服务依赖关系，并拼接出完整的问题背景。Grafana Assistant 希望通过允许用户使用自然语言提出跨多个系统的问题，来简化这一流程。工程师无需手动编写 PromQL、LogQL、SQL 或 TraceQL 查询，只需要描述正在调查的问题，助手便可以检索并关联相关信息。与通用型 AI 助手不同，Grafana Labs 表示，Grafana Assistant 是专门围绕可观测性工作流程设计的。除了回答问题之外，它还可以生成仪表盘、构建复杂监控查询、解释陌生指标、导航 Grafana 资源，并利用来自整个组织基础设施的遥测数据启动调查。在最新版本中，Grafana Assistant 扩展支持了更多企业级数据源，包括 Snowflake、Oracle、Elasticsearch、Dynatrace、Honeycomb、MongoDB、Zabbix 和 Jira，使调查过程能够在一次对话中融合运营、基础设施以及业务上下文信息。该理念是不再要求用户学习多种查询语言，而是由助手将自然语言转换为适当的查询，同时遵循现有权限体系和基于角色的访问控制。此次发布反映了可观测性领域正在发生的更广泛变化。随着分布式系统变得越来越复杂，以及 AI 驱动应用产生越来越多的遥测数据，仅仅收集数据已经不够。运维团队越来越需要能够跨日志、指标、链路追踪、性能分析、基础设施事件以及应用行为进行信息关联的智能系统。因此，与竞争对手类似，Grafana 在 2026 年持续扩展其 AI 产品组合，推出了用于监控大语言模型应用的 AI Observability，用于连接外部 AI Agent 的模型上下文协议（Model Context Protocol，MCP）支持，并让 Grafana Assistant 可用于自托管的 Grafana Enterprise 和 OSS 部署。Grafana 的此次发布正值可观测性厂商越来越多地围绕 AI 能力展开竞争，而不再只是比拼遥测数据采集能力。Datadog 已扩展其 AI 驱动的 Bits AI 助手，使其能够执行自动化调查和根因分析；Dynatrace 的 Davis AI 则结合因果推理和自动化能力，加速故障响应。Splunk 将 AI Assistant 集成进安全和可观测性工作流程，而 New Relic 推出了 Intelligent Observability 功能，可以自动关联遥测数据并推荐修复措施。虽然自然语言接口能够让故障调查更快速、更易使用，但助手响应的质量和准确性仍然取决于多个因素，包括底层遥测数据的完整性、合适的访问权限，以及 AI 模型能否可靠地在多样化、异构的数据源之间生成并执行查询。原文链接：https://www.infoq.com/news/2026/07/grafana-assistant-data-source/