
Gosto que o Sifflet aprenda com as tendências de dados passados para prever o que é normal e identificar o que deve ser classificado como um incidente. Este recurso é realmente útil porque só recebemos alertas se os dados se comportarem de maneira diferente do que no passado, reduzindo o ruído e permitindo que nos concentremos em problemas reais. Análise coletada por e hospedada no G2.com.
Não consigo editar em massa as tags e seria bom ter mais opções para editar vários monitores ao mesmo tempo. No momento, estas são muito limitadas. Levou algum tempo e havia muitos recursos não disponíveis no início, mas o produto evoluiu muito desde que começamos a usá-lo. Análise coletada por e hospedada no G2.com.
Obrigado pela revisão detalhada! É ótimo saber que a detecção baseada em ML do Sifflet está reduzindo com sucesso o ruído de alertas para seus pipelines dbt — esse é exatamente o objetivo do nosso agente Sentinel: aprender os padrões únicos dos seus dados para que você possa se concentrar em problemas reais em vez de configurações.
Em relação ao seu feedback sobre ações em massa: Concordamos completamente. À medida que sua cobertura de monitoramento cresce, gerenciá-los individualmente se torna um gargalo.
Estamos trabalhando ativamente nisso em nosso próximo roadmap. Especificamente, priorizamos a Suspensão em Massa para Monitores e Qualificações em Massa para Falsos Positivos para ajudá-lo a gerenciar incidentes e monitores em escala. Também estamos introduzindo Modelos de Notificação para eliminar configurações repetitivas em vários monitores.
Obrigado por reconhecer o quanto o produto evoluiu, estamos avançando rapidamente para trazer essas funcionalidades de escalabilidade em breve!






