
J'aime que Sifflet apprenne des tendances de données passées pour prédire ce qui est normal et identifier ce qui devrait être classé comme un incident. Cette fonctionnalité est vraiment utile car nous ne recevons des alertes que si les données se comportent différemment de ce qu'elles faisaient dans le passé, réduisant ainsi le bruit et nous permettant de nous concentrer sur les vrais problèmes. Avis collecté par et hébergé sur G2.com.
Je ne peux pas modifier en masse les balises et ce serait bien d'avoir plus d'options pour éditer plusieurs moniteurs en même temps. Pour le moment, celles-ci sont très limitées. Cela a pris du temps et il y avait beaucoup de fonctionnalités non disponibles au début, mais le produit a beaucoup évolué depuis que nous avons commencé à l'utiliser. Avis collecté par et hébergé sur G2.com.
Merci pour l'examen détaillé ! C'est formidable d'entendre que la détection basée sur l'IA de Sifflet réduit avec succès le bruit des alertes pour vos pipelines dbt—c'est exactement l'objectif de notre agent Sentinel : apprendre les modèles uniques de vos données afin que vous puissiez vous concentrer sur les vrais problèmes plutôt que sur la configuration.
Concernant vos commentaires sur les actions en masse : Nous sommes entièrement d'accord. À mesure que votre couverture de surveillance s'étend, les gérer individuellement devient un goulot d'étranglement.
Nous travaillons activement sur ce point dans notre feuille de route à venir. Plus précisément, nous avons priorisé la mise en veille en masse pour les moniteurs et les qualifications en masse pour les faux positifs afin de vous aider à gérer les incidents et les moniteurs à grande échelle. Nous introduisons également des modèles de notification pour éliminer les configurations répétitives sur plusieurs moniteurs.
Merci de reconnaître à quel point le produit a évolué, nous avançons rapidement pour vous apporter ces fonctionnalités de scalabilité bientôt !






