Grafana amplia il Knowledge Graph in Grafana Cloud per più segnali e contesto operativo

Chi indaga un incidente in Grafana Cloud ora parte da una mappa unica: componenti, relazioni, stato di salute e informazioni operative nello stesso posto. Grafana ha annunciato a ObservabilityCON 2026 l’estensione del Knowledge Graph per accelerare le indagini e ridurre i passaggi tra strumenti¹.

Il problema è noto: telemetria abbondante, contesto sparso. Dipendenze dei servizi, ownership e cronache degli incidenti vivono in runbook, ticket e chat. Collegare i segnali resta lento. Il Knowledge Graph inserisce quel contesto nella vista operativa: mostra come i servizi si legano, come stanno, chi li possiede, cosa è successo in passato¹.

L’aggiornamento allarga il perimetro del grafo su infrastruttura e applicazioni e introduce segnali vicini agli utenti. L’obiettivo è avvicinare ciò che accade nei sistemi a ciò che gli utenti sperimentano, senza raddoppiare il lavoro di correlazione¹.

Nel grafo entrano il catalogo dei servizi, i team in reperibilità e le lezioni apprese durante incidenti precedenti. Informazioni prima disperse si uniscono ai segnali tecnici in una rappresentazione coerente. Questo riduce il tempo speso a ricostruire il contesto ogni volta che un allarme scatta¹.

Secondo l’annuncio, lo stesso contesto viene esposto a persone e agenti di intelligenza artificiale. La base dichiarata sono standard aperti, con un modello comune che allinea dati e relazioni. Scopo: indagini più rapide e collaborazione più diretta tra chi gestisce i sistemi e gli agenti che li supportano¹.

L’effetto pratico si vede nel percorso dal sintomo alla causa probabile. Un alert sullo stato di un servizio punta subito alle sue dipendenze, ai proprietari e alla storia degli incidenti rilevanti. La vista connessa taglia i salti tra dashboard, documenti e chat. Le relazioni non vanno ricostruite manualmente: il grafo le presenta nel momento utile¹.

Grafana parla di full‑stack observability in Grafana Cloud, con il Knowledge Graph come strato di contesto che attraversa lo stack. Man mano che arrivano nuovi segnali e si arricchisce il contesto operativo, la comprensione del sistema si aggiorna nella stessa vista. La combinazione tra infrastruttura, applicazioni e segnali legati all’esperienza d’uso punta a una lettura più completa di cosa sta succedendo¹.

Le “lezioni catturate durante incidenti” smettono di restare chiuse in documenti o thread. Entrano nella mappa che guida gli interventi successivi. Così la memoria operativa del team diventa parte del flusso di indagine, pronta quando serve, accanto a proprietà e dipendenze del servizio coinvolto¹.

L’inclusione degli agenti AI nel medesimo contesto apre una strada operativa: con uno schema condiviso e standard aperti, attività ripetitive di triage e correlazione possono spostarsi dagli individui a strumenti che parlano lo stesso linguaggio dei team. La verifica sul campo dirà quanto questa integrazione riuscirà a comprimere i tempi di risposta nelle situazioni reali¹.