Veriniz evde kalır
Trace'ler, loglar, metrikler ve yapay zekâ analizi sizin sunucularınızda durur. Tamamen kapalı ağda çalışır: lisans çağrısı yok, telemetri yok, dış model yok.
Kurum içi APM ve AIOps
Veri merkezinizden hiç çıkmayan gözlemlenebilirlik.
Wrentrix her isteği izler, normalin nasıl göründüğünü öğrenir ve neyin bozulduğunu kendi sunucularınızda çalışan yapay zekâyla açıklar. OpenShift, Kubernetes ve Linux için tasarlandı. Bulut yok. Kod değişikliği yok.
- Ağınızdan 0 bayt telemetri çıkar
- Kurulumdan ilk trace'e ~2 dk
- .NET ve Java için kod değiştirmeden metot izleme
Genel bakış● Canlı
İstekler0
Hata oranı%0,4
p95 gecikme212 ms
payment-api41 ms
checkout-service612 ms
inventory-api18 ms
loyalty-worker137 ms
AI Olası kök neden
v2.14 dağıtımı ConfigMap'i değiştirdikten iki dakika sonra checkout-service p95 değeri 4,2 kat arttı.
3 ilişkili trace1 ayar değişikliğiyerel model
SLO burn rate 14,4×checkout · 1 sa / 5 dk pencere
İş yükleriniz neredeyse orada çalışır
- Red Hat OpenShift
- Kubernetes
- Linux
- OpenTelemetry
- Yerel yapay zekâ
- PostgreSQL
Neden Wrentrix
Buluta tek bir span göndermeden kurumsal gözlemlenebilirlik.
Düzenlemeye tabi sektörler hem derin görünürlüğe hem de sıkı veri yerelliğine aynı anda ihtiyaç duyar. Wrentrix ikisini birden sağlar: veri toplamadan yapay zekâ analizine kadar her şey sizin sınırlarınız içinde çalışır.
Kod değiştirmeden izleme
Bir küme ekleyin, tek bir YAML uygulayın. Java ve .NET servisleri bir sonraki yeniden başlatmalarında kendi metotlarına kadar izlenir. SDK yok, yeniden derleme yok.
Çalışmasını gösteren yapay zekâ
Yerel modelde kök neden analizi ve tıklayarak izleyebileceğiniz bir kanıt zinciri: trace'ler, değişiklikler, taban çizgileri ve alarmlar. Kara kutu değil.
Dağıtık izleme
Bir isteği tüm servisler boyunca izleyin, onu yavaşlatan metoda kadar inin.
Canlı bağımlılık haritası, uç nokta istatistikleri ve gruplanmış hatalarla OpenTelemetry tabanlı izleme. Wrentrix'in admission webhook'u .NET ve Java podları başlarken metot düzeyinde kancalar ekler; böylece kendi sınıflarınız trace'te adıyla görünür.
- Servis haritası, uç nokta p50/p95/p99, hata grupları
- .NET ve Java için otomatik metot span'leri: kod yok, yeniden derleme yok
- Trace'lere bağlı loglar; yüksek hacim için tail-based örnekleme
POST /api/orderstrace 7f3a…c21e · 486 ms
checkout-service486 ms
OrderController.Create447 ms
payment-api POST /charge68 ms
StockService.ReserveAsync341 ms
SELECT stock_items306 ms
kafka publish order.created22 ms
metot span Wrentrix .NET kancası tarafından otomatik yakalandı
Taban çizgileri ve SLO'lar
Her uç nokta ve her metot için normalin nasıl göründüğünü bilin.
Wrentrix, haftanın saatine göre taban çizgilerini kendi geçmişinizden öğrenir ve gürültüyü değil gerçek sapmaları işaretler. SLO'lar hata bütçeleriyle ve işler yatışınca kendiliğinden kapanan çok pencereli burn-rate alarmlarıyla gelir.
- Anomali puanlamalı uç nokta ve metot taban çizgileri
- SLO hata bütçeleri, 4 burn-rate pencere çifti
- Problem motoru ilişkili sinyalleri tek olayda toplar
StockService.ReserveAsyncAnomali · taban çizgisinin 4,2 katı
taban çizgisi (p5–p95, önceki haftalarda aynı saat)şu anki p95
Kubernetes ve OpenShift
Her iş yükü, her dağıtım, her değişiklik ilişkilendirilmiş halde.
İş yükleri, podlar, olaylar, HPA ve boyutlandırma önerileri tek yerde. Wrentrix spec, ConfigMap, Secret ve yeniden başlatma değişikliklerini kaydeder, gecikme ve hata sıçramalarıyla yan yana getirir. Böylece "ne değişti?" sorusunun cevabı saniyeler alır.
- Değişiklik ilişkilendirme: spec, config, secret, rollout restart
- En düşük/ortalama/p95/en yüksek kaynak kullanımı ve boyutlandırma önerileri
- Süreç keşfi ve journal loglarıyla Linux sunucular
İş yüklerinamespace: payments
İş yüküPodCPU p95Son değişiklik
payment-api4/43 gün önce
checkout-service6/6ConfigMap · 2 dk
inventory-api3/31 gün önce
loyalty-worker2/3dağıtım · 40 dk
change_correlation config_changed, p95 sıçramasıyla eşleşti (+380 ms)
Gerçek kullanıcı izleme
Uygulamanızı müşterilerinizin gördüğü gibi görün.
Hafif bir tarayıcı toplayıcısı Core Web Vitals, SPA rotaları, JavaScript hataları ve her fetch çağrısını raporlar ve her çağrıyı arka uç trace'ine bağlar. Böylece ön yüz ve arka uç yavaşlığı sonunda buluşur.
- p75'te LCP, INP, CLS ve iyi / geliştirilmeli / kötü dağılımı
- Uygulama başına anahtarlar ve izinli kaynak listeleri
- Oturum zaman çizelgeleri ve gruplanmış JS hataları
Web Vitals · p75checkout-web · 24 sa
2,1 snLCP · iyi
240 msINP · geliştirilmeli
0,04CLS · iyi
traceparent her fetch arka uç trace'ine bağlanır
Yerel modelde AIOps
Sistemlerinize ne olduğunu sorun. Kanıtlı cevap alın.
Wrentrix, asistanını ağınızın içindeki bir modelde çalıştırır. Canlı telemetriyi okur, kullandığı trace'leri ve değişiklikleri kaynak gösterir, Türkçe veya İngilizce cevap verir.
Siz
Checkout öğleden sonra neden yavaşladı?
AI
14:02'de v2.14 dağıtımı sırasında checkout-service ConfigMap'i değişti. İki dakika sonra p95 gecikme 146 ms'den 612 ms'ye çıktı. Yavaşlama StockService.ReserveAsync içinde; veritabanı çağrısı artık hafta içi taban çizgisinin 4,2 katı sürüyor.
- değişiklik ConfigMap
checkout-config· resourceVersion 88412 → 88530 - taban ReserveAsync p95 306 ms, normali 73 ms (aynı saat, son 3 hafta)
- trace 3 yavaş trace, hepsi
SELECT stock_itemsbekliyor
Önerilen adım: yeni ConfigMap'teki bağlantı havuzu ayarlarını karşılaştırın. “Veritabanı havuzu tükenmesi” runbook'u ekte.
Servisleriniz hakkında her şeyi sorun…↵
Kök neden analizi
Alarmlar ve olaylar için otomatik analiz, sıralı adaylar, kanıt zinciri.
Doğal dille sorgu
“Son 12 saatte en çok trafik alan 3 servis” gerçek bir sorgu planına dönüşür.
Bu ekranı açıkla
Herhangi bir SLO, dağıtım veya anomali için tek tıkla anlaşılır özet.
Otomatik müdahale
Webhook'ları veya Ansible AWX iş şablonlarını otomatik ya da onayla tetikleyin.
Platform
Tarayıcıdan veritabanı çağrısına tek platform.
Dağıtık izleme
HTTP üzerinden OTLP (protobuf / JSON, gzip), servis haritası, uç nokta istatistikleri, hata grupları.
Metot düzeyinde izleme
.NET ve Java için kod değiştirmeden; Python ve Node.js için kural tabanlı. 17 kovalı histogramlardan metot taban çizgileri.
Loglar ve örüntüler
Pod, sunucu ve OTLP logları örüntülere kümelenir; yeni ve yükselen örüntüler işaretlenir.
SLO'lar ve problemler
Hata bütçeleri, burn-rate alarmları ve sinyalleri topolojiye göre gruplayan problem motoru.
Kubernetes ve OpenShift
İş yükleri, podlar, olaylar, HPA, boyutlandırma ve değişiklik ilişkilendirme.
Linux sunucular
CPU, bellek, disk, ağ, journal logları ve teknolojiye göre süreç keşfi.
Gerçek kullanıcı izleme
Core Web Vitals, SPA rotaları, JS hataları ve ön yüzden arka uca trace bağlantıları.
Sentetik kontroller
TLS sertifika süresi ve yanıt süresi alarmlarıyla HTTP(S) ve TCP yoklamaları.
Akıllı alarmlar
Alarm sihirbazı, kanallar, runbook'lar ve yapay zekâ alarm özetleri.
Ekipler ve erişim
LDAP veya SSO gruplarından eşlenen, ekip kapsamlı görünümler ve izinler.
Tek oturum açma
PKCE ile OIDC SSO, LDAP eşitleme ve her değişikliğin denetim kaydı.
Özel panolar
Kendi görünümlerinizi oluşturun; zamanlanmış raporlar ve yapay zekâ özetleri alın.
Enstrümantasyon
.NET · kodsuz metot izlemeJava · kodsuz metot izlemePythonNode.jsTüm OpenTelemetry SDK'ları
Nasıl çalışır
Helm chart'tan ilk trace'e dakikalar içinde.
- 1
Wrentrix'i kurun
Kümenize Helm chart veya OpenShift operatörüyle, Linux sunucuya Docker Compose ile. Varsayılan
restricted-v2SCC altında çalışır.$ helm install wrentrix ./wrentrix.tgz \ -n wrentrix -f values.yaml - 2
Hedef ekleyin
Arayüzden bir küme veya Linux sunucu seçin, jetonu içinde gelen hazır YAML dosyasını ya da kurulum betiğini indirin.
$ oc apply -f wrentrix-k8s-agent.yaml - 3
Verilerin gelişini izleyin
Düğümler, podlar ve sunucular yaklaşık iki dakikada görünür. Java ve .NET uygulamaları bir sonraki yeniden başlatmada metot düzeyinde izlenir; Wrentrix iş yüklerinizi asla yeniden başlatmaz.
✓ 6 düğüm · 334 pod · trace akıyor
Güvenlik ve veri egemenliği
Bankalar, havayolları ve kamu için tasarlandı.
Wrentrix'in topladığı her şey çizdiğiniz sınırın içinde kalır. Şema mimarinin tamamıdır, gizli bir bulut bileşeni yoktur.
- Tamamen kapalı ağda çalışır; kapalı ağlar için imajsız ajan kurulumu
- Yalnızca yerel yapay zekâ: istemler ve cevaplar sunucularınızdan çıkmaz
- OIDC SSO, LDAP, ekip tabanlı RBAC ve denetim kaydı
- En az yetkili podlar, root yok, ek SCC yok
- Ajan iş yüklerinizi asla yeniden başlatmaz; hata durumunda podları engellemeyen admission webhook
0bayt telemetri ağınızın dışına gider
< 25 mspod başlangıcı başına p95 admission webhook ek süresi
~2 dkajan YAML'ını uygulamaktan ilk veriye
TR · ENarayüz ve yapay zekâ asistanı dilleri
SSS
Sık duyduğumuz sorular.
Ağımızdan dışarı veri çıkıyor mu?
Hayır. Veri toplama, depolama, analiz ve yapay zekâ modeli sizin denetiminizdeki altyapıda çalışır. Wrentrix tamamen kapalı ağlarda çalışır.
Uygulama kodumuzu değiştirmemiz gerekiyor mu?
Hayır. Ajan kurulduktan sonra Java ve .NET podları bir sonraki başlangıçlarında metot düzeyine kadar otomatik izlemeye alınır. Python ve Node.js OpenTelemetry ile kapsanır; tüm OpenTelemetry SDK'ları OTLP ile veri gönderebilir.
Hangi platformlar destekleniyor?
Red Hat OpenShift ve Kubernetes kümeleri ile Linux sunucular. Wrentrix'in kendisi Helm chart, OpenShift operatörü veya Docker Compose ile kurulur.
Yapay zekâ nerede çalışıyor?
Sizin denetiminizdeki altyapıda. İstemler ve cevaplar sunucularınızda kalır, dış bir yapay zekâ servisi kullanılmaz. Yapay zekâ özellikleri tümüyle kapatılabilir de.
Ajan iş yüklerimizi yeniden başlatır mı?
Asla. İzleme, yeni podlar başlarken uygulanır. Ajana ulaşılamazsa podlar izleme olmadan normal şekilde başlar.
OpenTelemetry ile uyumlu mu?
Evet. Wrentrix OTLP trace ve loglarını kabul eder, otomatik izleme için OpenTelemetry operatörünü kullanır ve mevcut toplayıcılarınızla birlikte çalışır.
Başlayın
Wrentrix'i kendi altyapınızda görün.
Ortamınızı kısaca anlatın, yerinde ya da seçtiğiniz bir kümede demo kuralım.