Tech Patrol

Etiket: observability

  • # Yapay Zeka Destekli Kod Hata Ayıklama Platformu Lightrun, 70 Milyon Dolar Yatırım Aldı

    ## Yapay Zeka Destekli Kod Hata Ayıklama Platformu Lightrun, 70 Milyon Dolar Yatırım Aldı

    Yapay zeka destekli kodlama, geliştiricilerin işlerini daha hızlı ve kolay hale getirme vaadiyle büyük bir popülarite kazandı. Ancak bu durum, aynı zamanda, kod satırlarında devasa bir artışa ve dolayısıyla çökmelere veya diğer aksaklıklara neden olan hataların olasılığında bir yükselişe yol açtı. İşte bu noktada devreye giren İsrailli startup Lightrun, üretimdeki kodları tanımlamak ve hatalar ortaya çıkmadan önce gidermek için bir gözlemlenebilirlik platformu oluşturdu. Şirket, B Serisi yatırım turunda 70 milyon dolar topladığını duyurdu. Bu yatırım, pazardaki bu tür araçlara olan ihtiyacı ve Lightrun’ın bu talebi karşılama konusundaki başarısını açıkça ortaya koyuyor.

    Yeni yatırımcı Accel, bu turu mevcut yatırımcı Insight Partners ile birlikte yönetiyor. Yatırım turuna Citi, Glilot Capital, GTM Capital ve Sorenson Capital de katılıyor. Lightrun, 2021’de Insight Partners liderliğindeki A Serisi de dahil olmak üzere bugüne kadar toplam 110 milyon dolar yatırım almış oldu.

    Startup, değerlemesini açıklamasa da, işlerin yolunda gittiğine dair güçlü işaretler var. İlk olarak, müşterileri arasında Citi gibi stratejik bir yatırımcı ve ADP, AT&T, ICE/NYSE, Inditex, Microsoft, Priceline, Salesforce ve SAP gibi büyük isimler yer alıyor.

    İkinci olarak, ürün ve şirketin güncel pazar ortamına uyum sağlama zamanlaması da oldukça başarılı. Lightrun, Temmuz 2024’te kuruluşların entegre geliştirici ortamlarında (IDE’ler) kullanılmak üzere Runtime Autonomous AI Debugger (Çalışma Zamanı Otonom Yapay Zeka Hata Ayıklayıcısı) adlı yeni bir yapay zeka tabanlı hata ayıklama aracını duyurmuştu. Şirketin platformu zaten etkileyici sonuçlar sunsa da, bu ürün birçok işletmenin karşı karşıya olduğu mevcut duruma gerçekten hitap ediyordu: Yapay zeka, çok daha fazla kodlamaya ve çok daha fazla soruna yol açıyordu ve Lightrun bu sorunları ele almak için bir yapay zeka aracı geliştirmişti.

    Şirket, piyasaya sürüldüğünden bu yana gelirlerinin 4,5 kat arttığını ve bu durumun yatırımcıların ilgisini çektiğini belirtiyor. Accel’in yatırımını yöneten Andrei Brasoveanu, Lightrun’ı yıllardır takip ettiğini ve bu lansmandan sonra harekete geçtiğini söylüyor. Brasoveanu, “Her şey geçen yıl bir araya geldi,” diyor ve ekliyor, “Yapay zeka sayesinde kurumsal alanda bir ivme gördüler.”

    CEO ve kurucu ortak Ilan Peleg, CTO Leonid Blouvshtein ile birlikte şirketi kurmadan önce orta mesafe koşucusu olarak İsrail’de 4 ulusal şampiyonluk kazanmış ve Avrupa’daki tüm orta mesafe koşucuları arasında ilk 16’ya girmişti. Zamanlama konusunda deneyimli olan Peleg’e göre, günümüzde pazarda düzinelerce gözlemlenebilirlik aracı geliştiren şirket bulunuyor (en öne çıkanlardan bazıları Datadog ve App Dynamics).

    Ancak henüz hiçbiri bu tür bir çalışmanın “kutsal kasesine” ulaşamadı: Sadece üretimde gönderilen tüm kodun büyük resmini elde etmek değil, aynı zamanda bunun halihazırda kullanılmakta olanlarla nasıl etkileşime gireceğini ve sorunların nerede ortaya çıkabileceğini tahmin etmek. Ve bunu, kuruluşa minimum kesinti ve dolayısıyla minimum maliyetle yapmak.

    Peleg, “Kod ucuzluyor, ancak hatalar pahalı,” diyor. Bu sorun ise bir “dönüm noktasına” ulaşmış durumda. Peleg, “Geliştiriciler artık yapay zeka sayesinde kullanılan tüm otomasyon nedeniyle her zamankinden daha fazla kod gönderebiliyorlar,” diyor. “Ancak işler ters gittiğinde düzeltmek hala çok manuel bir süreç.”

    Lightrun’ın başarısı, kodu IDE’de olduğu gibi izleyebilen ve üretimde aktif olarak bulunan kodla birlikte nasıl davranacağını anlayabilen bir gözlemlenebilirlik araç seti oluşturmak oldu. Daha sonra, kesintisiz ve çökmeler olmadan çalışmaya devam etmek için üretim aşamasına geçerken kodda otomatik olarak ayarlamalar yapabiliyor. Bunu, bu davranışı anlamak için yapay zeka tabanlı simülasyonlar oluşturarak ve ardından sorunlar ortaya çıkmadan önce kodu düzelterek yapıyor.

    Peled, “Bizi benzersiz kılan kısım burası,” diyor. Gözlemlenebilirliğin kuruluşlardaki diğer faaliyetlere ne kadar yakın olduğu göz önüne alındığında, Lightrun’ın nasıl gelişebileceğine dair birçok seçenek bulunuyor. Bunlardan biri, hatalardan kaynaklanan bariz güvenlik etkileri göz önüne alındığında, siber güvenlik ekipleri için daha özel araçlar oluşturmak. Bir diğeri ise, olası hataları bulmayı ve düzeltmeyi daha da verimli hale getirmek için araçlarının bazılarını kod oluşturma noktasına daha da yakın bir şekilde inşa etmek olabilir.

    Peled, şimdilik planlarının, araçlarını, yeteneklerini ve işlerini özellikle IDE’de geliştirmeye odaklanmak olduğunu söylüyor. Gelecekte amaca yönelik daha fazla araç geliştirmeyi dışlamasa da, “Dayanıma risk oluşturan her şeyi azaltıyoruz,” diyor. Kod asistanlarına gelince, “Bunlar geleceğimizde olabilir,” diyor, “ancak yürütüldükten sonra yazılım düzeltme sorununa odaklanmak ve bu sorun üzerinde çalışmak bile karmaşık ve geniş kapsamlıdır.” Gelecekte kod oluşturmanın nasıl görüneceğini tahmin etmenin zor olacağını belirtiyor. Günümüzde, tüm üretim sorunlarının yüzde 30 ila 60’ının hem insanlar hem de makineler tarafından oluşturulan kod sorunlarından kaynaklandığı tahmin edilirken, Lightrun her şeyin nasıl oluşturulduğundan bağımsız olarak her şeyi gözlemlemenin ve düzeltmenin bir yolunu sunmak için yarışıyor.

  • # Lightrun Secures $70M to Tackle AI-Induced Debugging Nightmares

    ## Lightrun Secures $70M to Tackle AI-Induced Debugging Nightmares

    The rise of AI-assisted coding promises to turbocharge developer productivity. However, it’s also creating a surge in code volume, inevitably leading to more bugs, crashes, and application failures. Recognizing this growing pain point, Israeli startup Lightrun has secured $70 million in Series B funding to expand its AI-powered observability platform, which aims to proactively identify and remediate code issues before they impact production.

    The funding round was co-led by Accel and existing investor Insight Partners, with participation from Citi, Glilot Capital, GTM Capital, and Sorenson Capital. This brings Lightrun’s total funding to $110 million, including a Series A round led by Insight Partners back in 2021.

    While the company isn’t disclosing its valuation, several factors point towards its strong market position. Lightrun boasts an impressive client list, including strategic backer Citi, along with industry giants like ADP, AT&T, ICE/NYSE, Inditex, Microsoft, Priceline, Salesforce, and SAP. These partnerships highlight the platform’s value in demanding enterprise environments.

    Lightrun’s core offering is an observability platform designed to provide developers with real-time insights into their code, both during development and in production. In July 2024, the company launched its Runtime Autonomous AI Debugger, an AI-driven tool that integrates with popular Integrated Developer Environments (IDEs). This debugger directly addresses the challenges created by AI-generated code, offering an automated solution for identifying and resolving bugs before they reach production.

    According to Lightrun, its revenues have grown by a remarkable 4.5x since the launch of the AI debugger. This rapid growth attracted the attention of Accel partner Andrei Brasoveanu, who had been closely monitoring Lightrun for several years. “Everything came together last year,” Brasoveanu stated. “They saw acceleration in the enterprise, all because of AI.”

    Ilan Peleg, CEO and co-founder of Lightrun, believes the current market is flooded with observability tools, but few address the critical need to understand how newly shipped code will interact with existing systems and anticipate potential problems. Lightrun aims to achieve this “holy grail” of observability by providing developers with a comprehensive view of their code’s behavior, minimizing disruptions and associated costs.

    “Code is becoming cheap but bugs are expensive,” Peleg emphasizes, highlighting the escalating costs associated with production issues. He points out that AI-driven automation is allowing developers to ship code faster than ever before, but the process of fixing issues remains largely manual.

    Lightrun’s solution focuses on mirroring the production environment within the IDE, enabling developers to monitor code behavior and predict potential conflicts. The platform leverages AI-based simulations to understand code interactions and automatically adjust code before deployment, preventing crashes and interruptions.

    Looking ahead, Lightrun sees opportunities to expand its platform into areas like cybersecurity, where code vulnerabilities can have significant security implications. The company also envisions integrating its tooling earlier in the development process, further improving the efficiency of bug detection and resolution.

    For now, Lightrun remains focused on strengthening its core IDE-based platform. As Peleg notes, “Everything that poses risk to resilience, we are mitigating.” While he acknowledges the potential for code assistants in the future, he emphasizes the immediate need to address the complex challenge of software remediation. With estimates suggesting that 30% to 60% of production issues originate from code generated by humans and machines, Lightrun is positioning itself to tackle this problem head-on, providing a critical layer of observability and automated debugging to help developers ship reliable code in the age of AI.

  • # Gözlemlenebilirlik 2.0 ve Onun Veritabanı: GreptimeDB İle Yeni Bir Çağ

    ## Gözlemlenebilirlik 2.0 ve Onun Veritabanı: GreptimeDB İle Yeni Bir Çağ

    Gözlemlenebilirlik, modern yazılım sistemlerinin sağlığı ve performansı hakkında derinlemesine bilgi edinme yeteneği olarak tanımlanır. Geleneksel izleme yöntemlerinin ötesine geçerek, sistemlerin iç işleyişine nüfuz etmeyi ve olası sorunları proaktif olarak tespit etmeyi amaçlar. Greptime’ın blog yazısında belirtildiği üzere, “Gözlemlenebilirlik 2.0”, bu kavramı bir sonraki seviyeye taşıyor ve beraberinde yeni nesil veritabanı çözümlerini gerektiriyor.

    **Gözlemlenebilirlik 2.0 Nedir?**

    Gözlemlenebilirlik 2.0, sadece metrikleri ve logları toplamakla kalmaz, aynı zamanda bu verileri anlamlandırmayı ve eyleme dönüştürülebilir içgörüler sunmayı hedefler. Bu, sistemlerin karmaşıklığı arttıkça giderek daha önemli hale geliyor. Dağıtık mimariler, mikroservisler ve bulut yerel uygulamalar, geleneksel izleme araçlarıyla takip edilmesi zor olan karmaşık etkileşimler yaratır. Gözlemlenebilirlik 2.0, bu karmaşıklıkla başa çıkmak için daha akıllı, otomatik ve bütünleşik bir yaklaşım sunar.

    **Neden Yeni Bir Veritabanı?**

    Gözlemlenebilirlik 2.0’ın potansiyelini tam olarak kullanabilmek için, verilerin toplanması, depolanması ve analiz edilmesi için yeni bir veritabanı altyapısına ihtiyaç duyulmaktadır. Geleneksel ilişkisel veritabanları ve hatta bazı NoSQL çözümleri, gözlemlenebilirlik verilerinin hacmi, çeşitliliği ve hızıyla başa çıkmakta zorlanabilir.

    GreptimeDB, bu ihtiyacı karşılamak için tasarlanmış yeni nesil bir veritabanı olarak öne çıkıyor. Zaman serisi verileri, loglar, izleme verileri ve diğer gözlemlenebilirlik sinyallerini etkin bir şekilde depolama ve sorgulama yeteneği sunuyor. Bu sayede, sistemlerin gerçek zamanlı olarak izlenmesi, sorunların hızlı bir şekilde teşhis edilmesi ve gelecekteki performans sorunlarının önlenmesi mümkün hale geliyor.

    **GreptimeDB’nin Sunduğu Avantajlar:**

    * **Yüksek Performanslı Sorgulama:** GreptimeDB, optimize edilmiş sorgulama motoru sayesinde büyük veri kümelerinde bile hızlı ve verimli sorgular gerçekleştirir.
    * **Ölçeklenebilirlik:** Sistem büyüdükçe, GreptimeDB de kolayca ölçeklenebilir ve artan veri hacmi ve sorgu yükünü kaldırabilir.
    * **Zaman Serisi Optimizasyonu:** Gözlemlenebilirlik verilerinin çoğu zaman serisi verisi olduğundan, GreptimeDB bu tür verileri depolama ve sorgulama konusunda özel olarak optimize edilmiştir.
    * **Entegrasyon Yeteneği:** GreptimeDB, mevcut izleme araçları ve platformları ile kolayca entegre edilebilir, bu da mevcut iş akışlarına entegre etmeyi kolaylaştırır.

    **Sonuç:**

    Gözlemlenebilirlik 2.0, modern yazılım sistemlerini yönetme ve optimize etme konusunda önemli bir paradigma değişimi sunuyor. GreptimeDB gibi yeni nesil veritabanları, bu yeni yaklaşımların potansiyelini tam olarak kullanmamızı sağlayacak altyapıyı sağlıyor. Sistemlerinizi daha derinlemesine anlamak, sorunları daha hızlı çözmek ve gelecekteki sorunları önlemek istiyorsanız, Gözlemlenebilirlik 2.0 ve GreptimeDB gibi çözümleri değerlendirmeniz kritik öneme sahip.

  • # Observability 2.0: Is GreptimeDB the Database Powering the Next Generation?

    ## Observability 2.0: Is GreptimeDB the Database Powering the Next Generation?

    The technology landscape is constantly evolving, and with it, the way we monitor and understand our complex systems. A recent blog post from Greptime, dated April 25th, 2025, hints at a significant leap forward in the field: Observability 2.0. While details remain somewhat sparse, the article, titled “Observability 2.0 and the Database for It” and authored by todsacerdoti, strongly suggests that GreptimeDB, a database solution, is playing a pivotal role in enabling this new era.

    Traditional observability focuses primarily on the “three pillars”: logs, metrics, and traces. These data streams provide valuable insights, but often in isolation. Observability 2.0, as implied by the blog post (and generating considerable buzz in tech circles with a score of 72 and 20 comments on a popular tech news aggregator), likely builds upon these foundations, offering a more integrated, contextualized, and actionable view of system health.

    So, what makes GreptimeDB a contender to power this next generation? Here’s what we can infer:

    * **Scale and Performance:** Modern systems generate massive amounts of observability data. Observability 2.0, with its emphasis on richer context, will likely exacerbate this trend. GreptimeDB likely offers the necessary scale and performance to handle these burgeoning datasets efficiently. This likely involves optimized storage, indexing, and query capabilities specifically tailored for time-series data – the lifeblood of observability.

    * **Unified Data Platform:** The blog title explicitly links Observability 2.0 with the database. This suggests that GreptimeDB is positioned as a central repository for all observability data, breaking down silos between logs, metrics, and traces. A unified platform allows for correlation analysis, identifying root causes across different data types, and ultimately leading to faster problem resolution.

    * **Advanced Analytics and AI Integration:** Observability 2.0 isn’t just about collecting more data; it’s about deriving deeper insights. GreptimeDB likely incorporates advanced analytics capabilities, enabling users to identify anomalies, predict potential issues, and automate responses. Furthermore, the integration of AI and machine learning could allow the system to learn from past events, proactively identify patterns, and suggest optimal solutions.

    * **Real-Time Insights:** In today’s fast-paced digital world, delayed insights are often useless. Observability 2.0 demands real-time analysis and response capabilities. GreptimeDB likely offers features that enable low-latency data ingestion, processing, and querying, allowing users to react swiftly to emerging issues.

    While concrete details about GreptimeDB’s specific features remain under wraps, the link to Observability 2.0 is intriguing. It points towards a future where observability is not just about monitoring, but about understanding, predicting, and proactively improving system performance. If GreptimeDB can deliver on its promise, it could well become a critical component in the next generation of observability tools. The 20 comments on the original post indicate a healthy level of interest and scrutiny, suggesting that the community is eager to learn more about the advancements GreptimeDB brings to the table. The blog post serves as a tantalizing glimpse into the potential of Observability 2.0 and the database technology that will drive it.