Loading blogs...
Berichten met de tag Observability.
Eén optiek die achteruitgaat kan duizenden alerts veroorzaken en duizend GPU's stilleggen. Wat NVIDIA Minerva doet, wat het waard is in GPU-uren, goodput, MTBI, MTTR en tokens, welk van de drie afnamemodellen past, uitgewerkte voorbeelden voor een Vera Rubin NVL72-neocloud, een Blackwell-cluster van een universiteit en een organisatie met Grafana en ServiceNow, en hoe het zich verhoudt tot UFM.
Eén flapperende InfiniBand-link kan een job van 256 GPU's stilleggen. Wat NVIDIA Unified Fabric Manager doet, wanneer UFM Telemetry, Enterprise of Cyber-AI past, uitgewerkte voorbeelden voor een DGX B300-cluster van 4 nodes, een cluster van 32 nodes in SuperPOD-stijl en een universitaire Slurm-dienst, en wat zicht op de fabric waard is in GPU-uren.
AI agents fail quietly: a confident answer from the wrong document, a tool called with the wrong argument. Learn how to trace every model, retrieval and tool step with OpenTelemetry, attach quality scores, and keep the records auditors ask for.
Unit tests prove a function is correct, not that a system survives a slow database or a lost zone. A practical guide to cold-start integration tests, fault injection with Toxiproxy, circuit breakers, recovery drills and safely automated mitigation.
A practical playbook for running AI agents in production: classify every tool by side effect, gate mutations behind a human, set hard stop conditions, trace each step with OpenTelemetry and evaluate continuously.
Waarom versnipperde monitoring blinde vlekken, dubbele uitgaven en trage incidentafhandeling veroorzaakt — en hoe u gecentraliseerde observability tot een niet-onderhandelbare bedrijfsstandaard maakt.
Workstation over het blootleggen van knelpunten bij LLM-agenten met waarneembaarheid: OpenTelemetry, Prometheus/Grafana/Thanos, Langfuse – met duidelijke voor- en nadelen, kostenvoordelen en gebruiksstatistieken die marges beschermen.
Een ondersteuningsvriendelijk, voor SRE geschikt overzicht van doorlopende upgrades van de Couchbase-server onder de Couchbase Autonomous Operator (CAO), waarbij gebruik wordt gemaakt van spec.paused om één knooppunt tegelijk opnieuw in evenwicht te brengen, zodat u de status kunt stabiliseren, valideren en terugdraaiopties open kunt houden.