Opslane - On-call mesajlarını birleştirip stresi azaltan araç

• LLM kullanarak uyarıları eyleme dönüştürülebilir olanlar ve gürültü olarak sınıflandırır
  • Uyarı geçmişini ve Slack konuşmalarını analiz ederek uyarının eyleme dönüştürülebilir olup olmadığını belirler
  • Müdahale için duruma özel bilgiler (içgörüler ve ek kaynaklar) sağlayarak uyarı yorgunluğunu azaltır
• Slack ile entegre çalışır, uyarı kalıplarını analiz eder ve kanaldaki uyarılar için haftalık rapor sunar

Modüler mimari

1. Uyarı toplama: Datadog, webhook üzerinden uyarıları FastAPI sunucusuna gönderir
2. FastAPI sunucusu: Sistemin çekirdeği olarak gelen uyarıları işler, Slack ile etkileşime girer ve veri akışını yönetir
3. Slack entegrasyonu: Uyarı yönetimi ve etkileşim için kullanıcı arayüzü sağlar
4. Veritabanı: Uyarı verilerini ve embedding'leri depolamak için Postgres ve pgvector kullanır

Entegrasyonlar

Esnek veri modeli sayesinde birden fazla entegrasyon desteklenebilir. Şu anda Opslane, Datadog'u destekliyor

GN⁺ özeti

• Opslane, uyarı yorgunluğunu azaltıp eyleme dönüştürülebilir uyarıları ayırarak on-call deneyimini daha az stresli hale getiren bir araçtır
• Slack ile entegrasyonu sayesinde uyarı yönetimi ve debug süreçlerine yardımcı olur, haftalık raporlarla uyarı kalitesini analiz eder
• Açık kaynak olarak sunulur, topluluk katkılarını memnuniyetle karşılar ve Datadog entegrasyonunu destekler
• Benzer işlevlere sahip araçlar arasında PagerDuty ve VictorOps bulunur.

[GN⁺]

Hacker News görüşleri

• Birinci görüş: Uyarı yorgunluğunu azaltmak için uyarıları eyleme dönüştürülebilir olanlar ve gürültü olarak sınıflandırıp işlemek üzere bağlamsal bilgi sağlayan ürünler tartışılıyor

  • Bu sorun, faydalı gözlemlenebilirlik oluşturamayan şirketlerin sorununu daha iyi gösteriyor
  • Ürün memnuniyetle karşılanabilir, ancak kötü kültürel pratikleri mümkün kılan yönünün ana satış noktası olarak vurgulanmaması tercih ediliyor
  • Telekomünikasyon sektörü bu sorunu 15 yıl önce Fault Management otomasyonu ile çözmüştü
  • Uyarılar Slack'e taşınınca veriler yapısız metne dönüştü ve karmaşık filtreleme çözümleri gerektirmeye başladı

• İkinci görüş: Kritik işler için güvenilmez LLM'ler kullanılmasına dair endişe dile getiriliyor

  • Asıl sorunun çözülüp LLM eklenmemesi isteniyor

• Üçüncü görüş: All Quiet kurucusunun LLM kullanmayan bir araç geliştirdiği belirtiliyor

  • Kullanıcılar kritik uyarıların opak bir LLM'e dayanmasını istemiyor
  • AI semptomlara yardımcı olabilir, ancak kök neden olan gözlemlenebilirlik ve süreç sorunlarını çözemez

• Dördüncü görüş: LLM ile bildirimlerin önemini filtreleme konusunda endişe dile getiriliyor

• Beşinci görüş: Aracı Slack'e sıkı şekilde bağlamanın kullanılabilir platformları sınırladığı belirtiliyor

  • Başka anlık mesajlaşma platformları da var
  • IM kullanmanın daha geniş sorunu başka bir yorum dizisinde tartışılıyor

• Altıncı görüş: Bu yönelimin büyük bir hayranı olunduğu belirtiliyor

  • İlk bootstrapping ve sürekli baseline oluşturma hakkında merak dile getiriliyor
  • Louie.AI ekibinin SE ve kilit pozisyonlar için işe alım yaptığı bildiriliyor

• Yedinci görüş: Mevcut iş yerinde uyarı sisteminin sorunlarının bilindiği ama neden çözülemediği açıklanıyor

  • Uyarıların kapatılamaması ve kök nedenin belirlenip çözülememesi sorunu
  • On-call sürecini iyi yürütmek kültürel bir sorundur
  • Teknik araçlar kültürel sorunları çözemez
  • Kültürel sorunları çözmek için ya başka bir iş bulmak ya da sorunu kabullenmekten başka yol olmadığı söyleniyor

• Sekizinci görüş: Ürünü geliştirdikleri için tebrik ediliyor ve ilk paragrafta bir kelimenin eksik olduğu belirtiliyor

• Dokuzuncu görüş: İş uyarıları için benzer bir UI arandığı belirtiliyor

  • Snowflake/BigQuery gibi veri kaynaklarını kullanan bir araç isteniyor
  • Kullanılan araçların sonunda spam dolu Slack kanallarına dönüştüğü söyleniyor