风险投资者在可观测性软件——即赋予团队监控、测量和理解系统或应用状态能力的软件——中看到了潜力，这并不令人意外。据650 Group称，可观测性市场预计将从2022年的2.78亿美元增长至2026年的20亿美元。
这种增长或许源于该软件所感知到的益处。Enterprise Strategy Group于2022年进行的一项调查发现，先进的可观测性部署可将停机成本降低90%，使年度成本降至250万美元，而可观测性“初学者”则为2380万美元。
无论如何，像Observe这样的厂商正备受青睐。
Observe为存储、管理和分析机器生成的数据和日志开发SaaS可观测性工具，已筹集5000万美元的可转换债务融资（即可转换为股权的债务），由Sutter Hill Ventures领投。据首席执行官杰里米·伯顿（Jeremy Burton）称，这笔资金将用于扩大Observe的销售和研发团队规模，该公司计划到2024年底将员工人数从150人增至250人。
伯顿表示，选择债务融资是为了推迟股权稀释。“我们预计将在明年年初进行B轮融资，届时债务将转换为股权。”伯顿在回复TechCrunch的电子邮件采访中表示，“过去三年，我们一直依靠债务融资运营公司。”
技术架构与竞争格局
总部位于圣马特奥的Observe由雅各布·莱弗里奇（Jacob Leverich）、乔恩·瓦特（Jon Watte）、乔纳森·特雷弗（Jonathan Trevor）和菲利普·翁特布鲁内尔（Philipp Unterbrunner）于2017年创立。它将所有原始可观测性数据存储在数据湖——一个集中式存储库中。通过伯顿所称的“数据图”，它对这些数据进行分析并层层叠加，旨在让用户更轻松地浏览和理解数据。
Observe的应用监控软件竞争对手包括New Relic、Splunk、Datadog和Sumo Logic等监控和日志分析工具，以及进入可观测性领域的新兴玩家如Grafana、Chronosphere和Honeycomb。但该公司正在推出新工具和功能以保持领先优势。
伯顿声称，Observe现在能够每天向单个客户实例摄入超过一PB的数据，并提供用于交互式调试的“实时”模式。此外，截至本周，Observe提供了一系列生成式AI功能，旨在加速特定的可观测性任务。
生成式AI赋能可观测性
例如，Observe新的GPT Help模块本质上是一个聊天机器人，可以响应关于Observe功能、“如何操作”任务和错误消息的自然语言指令。与此同时，GPT Extract解析数据以动态地为日志添加结构。GPT Slack Assistant嵌入Slack，帮助用户排查问题并为事件响应总结线程。而OPAL Co-Pilot则根据自然语言输入生成Opal代码——即Observe的查询语言。
那么，投资可观测性的组织是否真的需要所有这些时髦的生成式AI功能？有可能。就其而言，伯顿似乎认为确实如此。
Burton表示：“随着组织日益数字化，现代分布式应用程序产生的遥测数据量正在爆炸式增长。传统工具既未针对如此庞大的数据量设计，也未针对在生产环境中调查未知问题的复杂性设计……但自成立之初，Observe就将可观测性视为一个数据问题——如果用于故障排除的数据能够存储在一处，并在单一工具中进行推理分析，用户就能更快地解决问题。”
平台升级与市场策略调整
生成式AI并非Observe平台上的唯一新功能。该公司推出了Observe Apps，这是包含Observe配置和针对特定开发环境进行可观测性的最佳实践的预构建包。此外，Observe还推出了公共API和命令行界面，同时提供将数据导出为CSV文件或Snowflake仪表板以供进一步分析的选项。
Burton承认，经济低迷和疫情迫使Observe调整其市场进入策略，更加专注于拥有200至2,000名员工的企业。但他表示，这最终带来了成功，使Observe的客户群扩展到超过60个品牌，月均活跃用户达到约1,600人。
Burton说：“在过去一年里，我们将销售团队转向更大的客户账户，这带来了更高的平均销售价格和更低的客户流失率。虽然目前我们不披露年度经常性收入，但我们可以分享的是，Observe已经超越了其2023年的新年度合同价值目标。”
生成式AI和平台刷新能否将Observe推向新的高度？或许可以。或者，它可能只是让Observe继续保持稳健、有纪律的增长路径，而这未必是一件坏事。