当患者因无明显原因的症状就诊时,确定病因通常涉及两个步骤。 收集数据并评估数据。 患者可能会接受 MRI 或 X 光检查,然后由不同专业的医生进行检查。 不同的医生可能会在同一数据集中发现不同的线索——骨科医生和肿瘤科医生会在同一张 MRI 中寻找不同的异常。同样,不同类型的医生可能会使用不同的诊断信息来源。 肿瘤科医生可能会要求进行血液检查,这对骨科医生来说没有帮助,但仍能提供维持患者健康所需的重要信息。 医生共同评估复杂患者健康状况的方式类似于组织内不同团队必须管理应用健康状况的方式。 当将多种信息源视为一个完整的系统时,了解抽象新数据和独特数据的最佳方法有很多好处。 多维可视性模型通过组合分布式数据来提高对客户应用体验的可视性,从而更轻松地维护应用的健康状况。
多维可见性是概念化数据分割和可视化的一种新方法。 多维可视性的目标是消除数据孤岛,使信息在组织内可访问,通过更容易地了解不同系统如何相互作用和影响,可以更深入地了解整个应用的功能。
第一步是定义数据维度。 选择最适合数据使用方式和使用数据的个人的粒度级别 - 例如,您可能为安全专业人员提供比 UX 团队更详细的安全数据。 一旦定义了多个数据维度,就可以将它们组合在一份报告或可视化中,详细说明各个维度,并提供这些维度之间关系的表示 - 这就是术语多维可见性。 有了足够的数据维度,您就可以创建应用的端到端整体视图。
就像患者的疼痛一样,安全事件可能是系统中某些东西需要注意的第一个迹象。 使用从安全信息和事件管理系统 (SIEM) 获取的数据,我们可以查看应用或基础设施事件,例如 Web应用防火墙 (WAF) 事件、DDoS 指标或外部扫描警报。 通常情况下,这是 SecOps 团队的职责范围。 使用多维可视化方法,这些事件将与其他数据源相结合,并由多个团队进行审查,将安全维度与其他可用数据交叉引用,并寻找数据集之间的联系。 因为我们可以更容易地看到系统之间的关系,所以我们可以在小问题影响其他系统之前识别它们,从而防止出现严重问题;并且,无论这些原因在整个应用中位于何处,我们都可以识别和隔离新问题,从而更快地解决新问题。
通过组合多个数据源、记录这些维度之间的关系以及使数据民主化以便更广泛的受众可以使用,您可以在以前孤立的组织内提供新的见解。
此可视化显示了如何通过识别维度之间的关系来提供单维数据所无法提供的见解。 多维模型的复杂性可以扩展以满足您组织的需求。
为了让应用、基础设施和安全团队更容易成功使用多维模型而不迷失数据,缓解以下挑战非常重要:
市场研究表明,如果不解决这些问题,可能会导致安全事故、应用性能故障和彻底中断的发生率增加,所有这些都可能导致收入和客户信任的损失。
数字化转型计划强调客户体验作为应用健康状况衡量标准的重要性。 通过多维可视性方法,可以看到云流量拥塞问题与结账时间体验缓慢的投诉有何关联。 为了最有效地使用此方法,您需要选择有用的数据维度,确定这些维度之间的关系,为整个组织中的团队提供对多个数据维度的访问权限,并确保这些团队拥有帮助他们可视化和理解数据维度之间联系的工具。
多维可见性模型满足了整体应用健康的需求,并提供了一种灵活的应用建模方法。 通过更轻松地查看企业应用组合的所有组件之间的互操作性,这些技术将最佳的患者诊断结果交到应用程序的最佳医生(应用所有者和维护者)手中。