Sei esperti, un solo verdetto. SRE li convoca.

Rete, infrastruttura, applicativo, log, host e vulnerabilità: ogni esperto legge i suoi strumenti, l'agente orchestratore mette insieme i referti. Tutto in sola lettura.

Scopri Agents

Agente orchestratore

Ipotesi · timeline · report

Log: 14 errori di timeout alle 13:41 sull'indice del punto vendita. Allego le righe.

Esempio illustrativo · ogni richiesta ai tool resta nel log di audit

Un'indagine, dalla segnalazione al report.

Nessuno deve aprire sei console una dopo l'altra: l'agente lo fa al posto di chi è di turno, e riporta quello che ha trovato.

  1. 13:42

    Arriva la segnalazione.

    Un messaggio, per esempio su Teams, fa partire l'indagine: dice che cosa non funziona e dove.

  2. 13:42

    Si apre un container isolato.

    Ogni indagine lavora nel proprio ambiente, separato dal resto dell'infrastruttura.

  3. 13:43

    Gli esperti leggono.

    Rete, infrastruttura, applicativo, log, host e vulnerabilità: ognuno interroga solo i suoi strumenti, in sola lettura.

  4. 13:46

    L'orchestratore ragiona.

    Mette in fila gli eventi in una timeline, cerca la causa con i 5 Perché e formula le ipotesi.

  5. 13:48

    Arriva il report.

    Le ipotesi con il loro grado di confidenza e una soluzione proposta, per chi è di turno. Il suo feedback torna all'agente.

Esempio illustrativo

Ogni risposta, un altro perché.

L'orchestratore non segue uno script: dopo ogni risposta degli strumenti decide che cosa chiedere dopo. Scende di un perché alla volta, scarta le piste che non reggono e si ferma sulla causa.

Punto vendita: casse lente dalle 13:40

  1. Perché?Perché le casse sono lente?

    Il punto vendita segnala casse lente dalle 13:40. Parto dal sintomo: quanto è lento l'applicativo, e da quando?

    Applicativo

    dynatrace.response_time(service="checkout", window="60m")

    Tempi di risposta in salita dalle 13:38. Le richieste restano in coda.

    Pista esclusa · Rete

    Escludo prima la causa più semplice: può essere la rete verso il punto vendita?

    wug.packet_loss(site="store", window="30m")

    Nessun pacchetto perso, latenza nella norma. La rete non spiega il rallentamento.

  2. Perché?Perché l'applicativo rallenta?

    Se l'applicativo rallenta e la rete è sana, qualcosa fallisce dietro. Cerco gli errori attorno alle 13:38.

    Log

    splunk.search(index="store", query="timeout", window="30m")

    14 errori di timeout alle 13:41, tutti verso il database.

    Pista esclusa · Infrastruttura

    Timeout verso il database. Il server è sotto sforzo?

    checkmk.host_status(host="db-01")

    Raggiungibile, CPU e memoria sotto le soglie. Non è una questione di risorse.

  3. Perché?Perché le richieste al database vanno in timeout?

    Server sano ma richieste in timeout: perché? Guardo le connessioni aperte, con un comando dell'elenco consentito.

    Host

    ssh.run(host="app-01", cmd="ss -s")

    Il pool di connessioni è al limite dal riavvio del servizio, alle 13:35.

    Pista esclusa · Vulnerabilità

    Resta un dubbio: una vulnerabilità può spiegarlo? Cerco solo ID e versioni, non invio altro.

    cve.lookup(product="app-runtime", version="installed")

    Nessuna CVE critica sulle versioni in uso. Ipotesi non correlata.

Causa radice

Causa più probabile: il pool di connessioni al database è saturo dopo il rilascio. Confidenza alta. Preparo il report con la timeline e la soluzione, e aspetto il feedback di chi è di turno.

Esempio illustrativo · ogni azione è una richiesta in sola lettura e resta nel log di audit

Chi è di turno riceve un'ipotesi, non un allarme.

Il report non si ferma al sintomo: elenca le cause possibili in ordine di confidenza, mostra la timeline e propone una soluzione. Chi è reperibile decide che cosa fare e dice all'agente se aveva ragione.

Scopri Agents

Report dell'incidente

Ipotesi di causa radice

  • Pool di connessioni al database saturo dopo il rilascioConfidenza alta
  • Picco di richieste sul servizio applicativoMedia
  • Latenza di rete verso il punto venditaBassa
  • CVE su una libreria applicativaNon correlata

Soluzione proposta

Alzare il limite del pool e riavviare il servizio nella finestra concordata.

Feedback di chi è di turnoCausa confermata

Esempio illustrativo

Guarda tutto, non cambia niente.

Su un'infrastruttura che non si può rischiare di toccare, l'agente è costruito per leggere e basta.

Solo lettura
Ogni esperto usa soltanto gli strumenti di un elenco consentito, e nessuno di questi modifica, riavvia o configura.
Container isolato
Ogni indagine gira nel proprio ambiente, separato dal resto.
Tutto nel log di audit
Ogni richiesta ai tool viene registrata.
Nessun accesso a internet
Fanno eccezione gli ID e le versioni delle CVE, verso domini autorizzati.
Modello AION in locale
Il ragionamento è di un modello AION sulle PGX: i dati dell'incidente restano dove sono.

Portiamo AION SRE sui tuoi strumenti di monitoraggio.

Raccontaci quali strumenti usate: ti mostriamo come gli esperti li leggono e che cosa ne esce in un'indagine.

Sede
Corso Vercelli 89, 28100 Novara

I tuoi dati sono trattati secondo la nostra Privacy Policy e non saranno ceduti a terzi.