因果關係是觀察性場景中的新玩家。他們平台地址的主要問題是，現代團隊淹沒了太多的警報，並且來自開源和第三方供應商的多個可觀察性解決方案的數據太多。他們的因果推理平台自動在無盡的可觀察性數據中查明根本原因，從而幫助工程師避免了不必要的手動努力。
Causely的創始人Shmuel Kliger數十年來一直在思考可觀察性的挫敗感（曾經被稱為監視）。他已將兩家以前的公司賣給了IBM和Dell EMC。他對機器的看法比人類更好地處理一些任務，他說，我們應該擁護軟件的機會，以幫助工程師更快地解決問題。
“如果有的話，這些問題隨著微服務和人工智能的興起而變得更糟，”克利格說。“企業正在收集無休止的數據，以為他們以後可能需要它，但是其中大部分數據最終毫無用處 - 當出現問題時，這只是妨礙您的，您需要查明問題的位置以及如何解決問題。”
因果而是為獨特“自頂向下”方法從定義有限的根本原因集開始。在自動映射應用程序的拓撲和服務依賴性之後，它們的因果推理系統可以理解模式，並將數據迅速連接到根本原因。
今天，該公司宣布了與OpentElemetry的最新集成，這是收集可觀察性數據的備受喜愛的開源項目。據克利格（Kliger）認為，儘管OpentElemestry標準了可觀察性的必要範式轉移，這是通過標準化遙測數據的收集和處理方式，但在組織的雲和Microservices架構中收集的指標，日誌和痕蹟的壓倒性量可以使工作變得壓倒性，使工作變得越來越難以使工具工具固定在工具上，並使其難以降低工具工具，並使其難以降低工具工具。
在不到一分鐘的時間內，Causely會在雲端環境中安裝。對於尚未採用OpenTelemetry的團隊，他們可以選擇利用Causely的基於EBPF的自動啟示，以立即開始收集痕跡。
“我們是Opentelemetry的忠實信徒，但沒有免費的午餐。”克利格說。“ OpentElemetry會產生很多噪音，並且需要大量的手動努力，以在需要時浮出所需的數據，而無需像Causely這樣的系統。”
