{"id":14435,"date":"2019-05-25T11:39:27","date_gmt":"2019-05-25T09:39:27","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=14435"},"modified":"2019-05-22T10:44:08","modified_gmt":"2019-05-22T08:44:08","slug":"dynatrace-erweitert-support-fuer-kubernetes","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=14435","title":{"rendered":"Dynatrace erweitert Support f\u00fcr Kubernetes"},"content":{"rendered":"\n

Dynatrace<\/a> bietet \u00fcber seine offene KI-Engine Davis ab sofort intelligente und pr\u00e4zise Antworten sowie fundierte Erkenntnisse zu Kubernetes<\/a>-Umgebungen. Durch die automatische Integration neuer Metriken \u00fcber die Nutzung sowie den Zustand von Kubernetes-Clustern und Nodes in Davis sowie deren Kombination mit den umfangreichen, hochpr\u00e4zisen Anwendungs- und Transaktionsdaten, die Dynatrace bereits sammelt, k\u00f6nnen Unternehmen Kubernetes erfolgreich implementieren, Innovationen durch DevOps beschleunigen und die Wettbewerbsf\u00e4higkeit steigern, indem sie neue Services schneller auf den Markt bringen.
Mit neuen, sofort nutzbaren Kubernetes-Dashboards und erweiterten Filterfunktionen finden Cloud-Teams schnell die richtigen Informationen, so dass sie Kubernetes-Workloads analysieren und optimieren sowie den Zustand von Clustern und Nodes einfach verwalten k\u00f6nnen. Kubernetes wird h\u00e4ufig eingesetzt, um die digitale Transformation zu beschleunigen und die Agilit\u00e4t zu erh\u00f6hen. Aber die hohe Dynamik von Kubernetes und die selbst\u00e4ndige Ausbreitung damit orchestrierter Cloud-nativer Workloads k\u00f6nnen problematisch sein, wenn Unternehmen nicht die n\u00f6tige Transparenz in Echtzeit besitzen oder Informationen automatisch ermitteln.<\/p>\n\n\n\n

\"\"
Screenshot: Sysbus<\/figcaption><\/figure>\n\n\n\n\n\n\n\n

\u201eBereits vor f\u00fcnf Jahren haben wir diese hochdynamische, hybride Cloud-Welt vorausgesehen und unsere Dynatrace-Plattform f\u00fcr Microservice- und Container-basierte Umgebungen wie Kubernetes entwickelt\u201c, erkl\u00e4rt Steve Tack, SVP of Product Management bei Dynatrace. \u201eWir haben nicht nur herausgefunden, wie eine Kubernetes-Umgebung \u2013 mit Containern und Nutzlasten \u2013 automatisch instrumentiert werden kann, sondern wir k\u00f6nnen auch eine Kubernetes-orchestrierte Cloud in Echtzeit mit einer deterministischen KI-Engine analysieren, die wir Davis nennen. Damit k\u00f6nnen DevOps- und IT-Betriebs-Teams Innovationen und Automatisierungen schneller und sicherer durchf\u00fchren. Nun machen wir Dynatrace noch intelligenter, indem wir den Status von Kubernetes-Clustern und Nodes, Nutzungsmetriken und Dashboards in unsere offene Plattform integrieren.\u201c<\/p>\n\n\n\n

Die Software-Intelligence-Plattform von Dynatrace wurde speziell f\u00fcr dynamische, containerbasierte Cloud-Umgebungen entwickelt und verf\u00fcgt \u00fcber drei Unterscheidungsmerkmale, welche die Probleme eigenentwickelter oder herk\u00f6mmlicher Monitoring-L\u00f6sungen in Kubernetes-Umgebungen l\u00f6sen:<\/p>\n\n\n\n

  1. Automatisch \u2013 Mit OneAgent entdeckt und konfiguriert Dynatrace automatisch alle Komponenten in der Umgebung, einschlie\u00dflich kurzlebiger Container und neuer Services w\u00e4hrend der Entwicklung. Andere L\u00f6sungen erfordern, dass jeder Container manuell instrumentiert wird. Da dies nicht m\u00f6glich ist, erzeugen Microservices blinde Flecken im Container.\u00a0<\/li>
  2. Umfassend \u2013 Die SmartScape<\/a>-Technologie bildet dynamisch die komplette Topologie der Umgebung und die Abh\u00e4ngigkeiten \u00fcber die gesamte Enterprise Cloud hinweg ab. Diese Abbildung wird kontinuierlich und in Echtzeit aktualisiert, um einen umfassenden \u00dcberblick \u00fcber die Infrastruktur, Container-Orchestrierung, Services und Anwendungen zu erhalten. Dazu geh\u00f6rt auch die Art und Weise, wie sie miteinander verbunden sind und wie gut sie funktionieren. In einem hochdynamischen Umfeld wie Kubernetes ist dies besonders wichtig.\u00a0<\/li>
  3. Pr\u00e4zise \u2013 Die KI-Engine Davis<\/a> lernt kontinuierlich die durchschnittliche Performance einer Kubernetes-Cloud-Umgebung, die Milliarden von Abh\u00e4ngigkeiten in Millisekunden verarbeitet. Davis bietet pr\u00e4zise Antworten auf Fehlerursachen, automatische Einblicke in die User Experience und das Nutzerverhalten sowie Gesch\u00e4ftsauswirkungen von Problemen in Echtzeit. Dies erm\u00f6glicht eine schnellere Entscheidungsfindung, eine Optimierung der IT-Ressourcen und bessere Gesch\u00e4ftsergebnisse. Die automatische Integration von Metriken zum Status von Kubernetes-Clustern und Nodes sowie zur Nutzung macht Davis jetzt noch intelligenter.<\/li><\/ol>\n\n\n\n

    \n\nWeitere Informationen: www.dynatrace.com<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

    Dynatrace bietet \u00fcber seine offene KI-Engine Davis ab sofort intelligente und pr\u00e4zise Antworten sowie fundierte Erkenntnisse zu Kubernetes-Umgebungen. Durch die automatische Integration neuer Metriken \u00fcber die Nutzung sowie den Zustand von Kubernetes-Clustern und Nodes in Davis sowie deren Kombination mit den umfangreichen, hochpr\u00e4zisen Anwendungs- und Transaktionsdaten, die Dynatrace bereits sammelt, k\u00f6nnen Unternehmen Kubernetes erfolgreich implementieren, Innovationen durch DevOps beschleunigen und die Wettbewerbsf\u00e4higkeit steigern, indem sie neue Services schneller auf den Markt bringen.
    \n Mit neuen, sofort nutzbaren Kubernetes-Dashboards und erweiterten Filterfunktionen finden Cloud-Teams schnell die richtigen Informationen, so dass sie Kubernetes-Workloads analysieren und optimieren sowie den Zustand von Clustern und Nodes einfach verwalten k\u00f6nnen. Kubernetes wird h\u00e4ufig eingesetzt, um die digitale Transformation zu beschleunigen und die Agilit\u00e4t zu erh\u00f6hen. Aber die hohe Dynamik von Kubernetes und die selbst\u00e4ndige Ausbreitung damit orchestrierter Cloud-nativer Workloads k\u00f6nnen problematisch sein, wenn Unternehmen nicht die n\u00f6tige Transparenz in Echtzeit besitzen oder Informationen automatisch ermitteln.<\/p>\n","protected":false},"author":3,"featured_media":14436,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[10036,4],"tags":[6257,3137,3449,10885,4602,3249,7360,9619,12424,3766],"class_list":["post-14435","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kuenstliche-intelligenz","category-news","tag-cloud","tag-container","tag-dashboard","tag-davis","tag-devops","tag-dynatrace","tag-kubernetes","tag-node","tag-smartscape","tag-workload"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/14435","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=14435"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/14435\/revisions"}],"predecessor-version":[{"id":14437,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/14435\/revisions\/14437"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/14436"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14435"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14435"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14435"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}