ما المقصود بالقياس عن بُعد؟

يؤدي القياس عن بُعد دورًا أساسيًا في صناعات متعددة، بما في ذلك الرعاية الصحية والطيران والسيارات وتكنولوجيا المعلومات، حيث يوفر للمؤسسات رؤًى قيّمة حول أداء الأنظمة وسلوك المستخدم والأمن والكفاءة التشغيلية. في الصناعات التي تعتمد على الأصول المادية، مثل الزراعة والمرافق والنقل، تستخدم المؤسسات القياس عن بُعد لتسجيل قياسات مثل درجة الحرارة وضغط الهواء والحركة والضوء. أما في مجال الرعاية الصحية، فتُتيح أنظمة القياس عن بُعد تتبُّع معدل ضربات القلب وضغط الدم ومستويات الأكسجين.

في كلتا الحالتين، تعمل الأدوات المادية وأجهزة الاستشعار على جمع البيانات من العالم الواقعي وإرسالها إلى مستودع مركزي. وغالبًا ما يتم نقل البيانات باستخدام بروتوكول اتصال متخصص مثل Modbus أو PROFINET أو OPC Unified Architecture أو EtherNet / IP لمزيد من التحليل.

ومع ذلك، لم يتم تصميم المستشعرات الفيزيائية لالتقاط مؤشرات الأداء الرقمية مثل معدلات الأخطاء، واستخدام الذاكرة، وأوقات الاستجابة، ومدة التشغيل، وزمن الانتقال. فبدلًا من ذلك، تعتمد فِرَق تكنولوجيا المعلومات على تزويد الأجهزة بالأدوات اللازمة، غالبًا من خلال وكلاء برمجيين - مستشعرات رقمية مبرمجة لمراقبة النظام وجمع البيانات ذات الصلة بشكل تلقائي. وغالبًا ما يتم تنظيم هذه البيانات على شكل مقاييس وأحداث وسجلات وتتبعات (MELT)، حيث يلتقط كل منها رؤية مختلفة لسلوك النظام ومهام سير العمل التشغيلية والجداول الزمنية للأداء.

بدأت الحدود الفاصلة بين أنظمة القياس عن بُعد المادية والرقمية تتلاشى، خاصةً مع تزايد اعتماد المؤسسات على استراتيجيات التحول الرقمي، التي تهدف إلى دمج التكنولوجيا الرقمية في جميع جوانب العمل.

على سبيل المثال، قد تستخدم الصناعات المادية التقليدية مثل التصنيع أجهزة الاستشعار لالتقاط استهلاك الطاقة ومراقبة الجودة والظروف البيئية. وفي الوقت نفسه، قد تعتمد على الوكلاء البرمجيين للتتبُّع المتقدم للأصول والصيانة الوقائية ومراقبة تدفق الإنتاج. لهذا السبب، يركِّز هذا المقال بشكل أساسي على القياس عن بُعد في تكنولوجيا المعلومات ودوره المتزايد في بيئات المؤسسات الحديثة.

يتضمن أساس القياس عن بُعد في تكنولوجيا المعلومات خمس خطوات رئيسية:

1. جمع المقاييس والأحداث والسجلات والتتبعات من مصادر بعيدة متفرقة باستخدام المستشعرات أو الوكلاء البرمجيين.
   
   
2. نقل تلك البيانات إلى مستودع أو جهاز توجيه مركزي عبر الواي فاي، أو الأقمار الصناعية، أو الراديو، أو أي وسيلة اتصال أخرى.
   
   
3. معالجة البيانات الواردة وتنظيمها بحيث يمكن الاستعلام عنها بسهولة.
   
   
4. الحفاظ على البيانات باستخدام حل تخزين مثل قاعدة بيانات السلاسل الزمنية أو مستودع البيانات أو بحيرة البيانات.
   
   
5. تحليل البيانات وتفسيرها وتصورها لاتخاذ قرارات عمل أكثر استنارة، غالبًا بمساعدة منصة قابلية الملاحظة.

تساعد استراتيجيات القياس عن بُعد الفعَّالة المؤسسات على تحقيق قابلية الملاحظة الشاملة للبنية التقنية، أي القدرة على فهم الحالة الداخلية لتقنية ما من البداية إلى النهاية بناءً على مخرجاتها الخارجية.

يُعَد القياس عن بُعد أيضًا عنصرًا أساسيًا في إنترنت الأشياء، وهو إطار عمل يزوِّد الأجهزة بمستشعرات متقدمة وبرمجيات واتصال شبكي، ما يمكِّنها من التواصل وتبادل البيانات عبر النظام.

تختلف أنظمة القياس عن بُعد حسب الصناعة وتعقيد النظام. تستخدم المنصات التقليدية أجهزة تسجيل، كانت تُعرف تاريخيًا باسم عدادات التتبُّع، لجمع البيانات عند المعدات أو بالقرب منها. تتم معالجة هذه المعلومات وتعديلها وأحيانًا تحويلها من تمثيل تناظري إلى رقمي في عملية تُعرَف باسم تكييف الإشارة.

بعد ذلك، يعمل جهاز التجميع (Multiplexer) على دمج عدة تدفقات بيانات في إشارة مركَّبة، ما يسهم في انتقال البيانات بشكل أكثر كفاءة. ثم يتم إرسال هذه الإشارة المركَّبة إلى محطة استقبال بعيدة عبر الراديو أو الأقمار الصناعية أو أي وسيلة اتصال أخرى. أخيرًا، يقوم جهاز فك التجميع (Demultiplexer) بتحليل الإشارات وتقسيمها إلى مسارات منفصلة لإعدادها للتحليل.

يعمل القياس عن بُعد بشكل مختلف في بيئات تكنولوجيا المعلومات الحديثة. فبدلاً من الاعتماد على أجهزة الاستشعار المادية، تستخدم الأنظمة التي تركِّز على تكنولوجيا المعلومات الوكلاء البرمجيين - وهي برامج خفيفة الوزن تعمل جنبًا إلى جنب مع الخدمات والتطبيقات لالتقاط المقاييس ذات الصلة. في بيئات Kubernetes، يعمل هؤلاء الوكلاء عادةً في حاوية منفصلة ضمن المجموعة نفسها التي توجد بها الخدمات التي تراقبها. قد تستخدم تكوينات أخرى حِزَم تطوير البرمجيات (SDKs) لتضمين الوكلاء داخل التطبيقات نفسها، أو تستخدم واجهات برمجة التطبيقات المخصصة (APIs) لتسهيل نقل البيانات.

بعد جمع البيانات، يتم نقلها عبر مسار القياس عن بُعد، الذي يمكنه توحيد البيانات وإزالة الضوضاء وإضافة بيانات وصفية (مثل معلومات البيئة والموقع الجغرافي) وإخفاء المعلومات الحساسة لضمان الامتثال. بعد ذلك، يتم تحويل هذه البيانات المنقحة إلى صيغة قياسية مثل JSON أو بروتوكول OpenTelemetry (OTLP).

بعد ذلك، يتم توجيهها بذكاء إلى واحد أو أكثر من أنظمة الواجهة الخلفية (مكونات الخادم في النظام البرمجي مثل الخوادم وقواعد البيانات ومنطق التطبيقات) عبر gRPC أو HTTP أو أي بروتوكول نقل آخر. تتحمل الواجهة الخلفية مسؤولية تخزين هذه البيانات وتحليلها وتفسيرها، وعرضها على شكل لوحات معلومات وتنبيهات وتوصيات وغيرها.

يمكن استخدام نظام قياس عن بُعد واحد لإدارة سير العمل بأكمله، من مرحلة الجمع ووصولًا إلى التحليل. ومع ذلك، في بعض الأحيان، خاصةً في البيئات متعددة السحابات والهجينة الحديثة، قد تستخدم المؤسسات عدة أنظمة قياس عن بُعد متخصصة لإدارة أجزاء مختلفة من مسار قابلية الملاحظة.

في مجال تكنولوجيا المعلومات، أكثر أنواع القياس عن بُعد شيوعًا هي المقاييس والأحداث والسجلات والتتبعات، والتي غالبًا ما يشار إليها بشكل جماعي باسم بيانات "MELT". ويمكن للمؤسسات استخدام منصات قابلية الملاحظة لدمج هذه المقاييس وتحليلها؛ لتكوين صورة كاملة عن أمن المنصة وسلوك المستخدم وكفاءة النظام وغير ذلك.

المقاييس هي قياسات رقمية تشير إلى حالة النظام أو أدائه. ومن الأمثلة عليها معدلات الطلب، ومعدل إنتاج الشبكة، وأوقات استجابة التطبيقات، ومعدلات تحويل المستخدمين، واستخدام وحدة المعالجة المركزية (CPU).

الأحداث هي وقائع مميزة تحدث داخل النظام. غالبًا ما تتضمن طوابع زمنية تُظهر متى بدأ الحدث ومتى انتهى. ومن الأمثلة عليها إشعارات التنبيه، ومحاولات تسجيل دخول المستخدمين، وانقطاع الخدمات، وفشل المدفوعات، وتغييرات الإعدادات.

السجلات توفِّر سجلًا مستمرًا وزمنيًا لسلوك النظام، على عكس الأحداث التي تشير فقط إلى حوادث معينة. ومن الأمثلة عليها عمليات إعادة التشغيل، واستعلامات قواعد البيانات، وسجلات الوصول إلى الملفات، وخطوات تنفيذ الكود. غالبًا ما يتم استخدام السجلات لتشخيص الأخطاء وتصحيحها، ما يساعد فِرَق تكنولوجيا المعلومات على تحديد اللحظة الدقيقة لحدوث الفشل.

تعكس التتبعات التدفق الشامل لطلب مستخدم معين أو معاملة معينة من خلال بيئة موزعة أو خدمة مصغرة، مع طوابع زمنية لكل خطوة. ومن الأمثلة عليها استدعاءات واجهات برمجة التطبيقات واستدعاءات HTTP واستعلامات قاعدة البيانات وعمليات الدفع للتجارة الإلكترونية. يمكن للتتبعات تحديد العوائق وتقديم رؤًى حول تجربة المستخدم الإجمالية.

بينما يوضِّح إطار MELT نطاق بيانات القياس عن بُعد المتاحة للمؤسسات، هناك أنواع بيانات إضافية تقع خارج هذا الإطار لكنها لا تزال تؤدي دورًا حيويًا في قابلية الملاحظة. الحدود بين أنواع القياس عن بُعد ليست دائمًا واضحة تمامًا، وقد يحدث تداخل بينها. على سبيل المثال، يمكن اعتبار زمن الانتقال مقياسًا ونقطة بيانات القياس عن بُعد للشبكة. وهناك أنواع أخرى من بيانات القياس عن بُعد، منها: 

• يستخدم القياس عن بُعد المكاني (Location telemetry) المستشعرات أو مستقبلات GPS لتتبُّع الموقع الجغرافي لشخص أو جسم. وتشمل التطبيقات إدارة أساطيل النقل، وخدمات الطوارئ، وتتبُّع الحياة البرية، وسلامة العمال.
  
  
• القياس عن بُعد الشبكي (Network telemetry) يوفر رؤًى في الوقت الفعلي حول حركة مرور الشبكة والأمن والأداء من خلال تتبُّع استخدام النطاق الترددي، ومعدلات فقدان الحِزَم، وأداء واجهات برمجة التطبيقات (API)، وبيانات بروتوكول إدارة الشبكة البسيط (SNMP) المرتبطة بأجهزة المودم وأجهزة التوجيه والخوادم والأجهزة المتصلة الأخرى.
  
  
• القياس عن بُعد الأمني (Security telemetry) يحدِّد السلوكيات المشبوهة والثغرات الأمنية عن طريق فحص سجلات المصادقة وسجلات جدران الحماية واستعلامات DNS وتنبيهات كشف التسلل وبيانات كشف نقاط النهاية والاستجابة لها (EDR).
  
  
• القياس عن بُعد للمستخدم (User telemetry) يتتبَّع أنماط استخدام التطبيقات وسجلات الأخطاء ومدة الجلسات واستعلامات البحث وأنواع أخرى من سلوك المستخدم. تُستخدم هذه البيانات لتحسين التطبيقات والخدمات وفهم توجهات العملاء والحفاظ على أمن الشبكة.
  
  
• القياس عن بُعد للتقييم (Profiling telemetry) يوضِّح كيفية استخدام البرمجيات والتطبيقات لوحدة المعالجة المركزية والذاكرة وغيرها من موارد الكمبيوتر مع مرور الوقت. ويوفر بيانات أداء دقيقة تساعد المطورين على فهم سبب تباطؤ النظام والأجزاء الأكثر استخدامًا من قاعدة التعليمات البرمجية.
  
  
• القياس عن بُعد للسحابة (Cloud telemetry) يعمل على جمع بيانات الأداء وتتبُّع التكاليف واستخدام الخدمات السحابية. قد تتضمن هذه البيانات نشاط التخزين وتغييرات التكوين وأحداث الهوية والوصول وقرارات التوجيه.
  
  
• القياس عن بُعد للذكاء الاصطناعي (AI telemetry) يمكنه تتبُّع أداء النماذج أثناء كلٍّ من مرحلة التدريب ومرحلة الإنتاج. تشمل المقاييس الرئيسية انحراف النموذج، أي متابعة كيف يفقد نموذج التعلم الآلي دقته وتماسكه مع مرور الوقت، ودرجات الثقة (تحديد مدى ثقة النموذج في تنبؤاته)، وزمن انتقال الاستنتاج، أي الوقت المستغرق لاستجابة النموذج للاستعلام. يمكن أن تساعد هذه المقاييس المطورين على تحسين موثوقية النموذج وعدالته وأدائه.

القياس عن بُعد هو عملية جمع ونقل أنواع متعددة من البيانات من الأنظمة والعناصر الموزعة. يشكِّل ذلك أساس قدرات الرؤية لدى المؤسسة، حيث يوفر رؤية واضحة حول كيفية تصرف وأداء كل عنصر. تعتمد المؤسسات في نهاية المطاف على القياس عن بُعد لتشغيل أنظمة المراقبة وقابلية الملاحظة لديها.

تشير المراقبة إلى كيفية استفادة مجموعة من بيانات القياس عن بعد التي جمعتها. على سبيل المثال، قد يستخدم نظام مراقبة القياس عن بُعد لوحات معلومات لمساعدة فِرَق عمليات التطوير على تصوُّر أداء النظام. وفي الوقت نفسه، يمكن لأتمتة التنبيهات إرسال إشعارات في كل مرة يحدث فيها حدث مهم، مثل انقطاع في الشبكة أو اختراق لأمن البيانات.

تتضمن قابلية الملاحظة تفسير البيانات التشغيلية وفهم كيفية ارتباط تدفقات البيانات المختلفة بسلامة النظام والأداء. لا تعمل قابلية الملاحظة على تحليل البيانات الحالية فحسب، بل تكتشف أيضًا التوجهات الكُبرى، وتستخدمها لتوجيه وتحسين صناعة القرار واستخدام الموارد. غالبًا ما تتضمن منصات قابلية الملاحظة الحديثة وظائف مدمجة للقياس عن بُعد والمراقبة. تؤدي قابلية الملاحظة أيضًا دورًا رئيسيًا في دعم التقنيات الناشئة، بما في ذلك الذكاء الاصطناعي الوكيل ومنصات الذكاء الاصطناعي التوليدي.

يُعَد الإطار مفتوح المصدر OpenTelemetry (OTel) واحدًا من أكثر منصات القياس عن بُعد شيوعًا، لما يتميز به من مرونة (تصميمه المعياري يُتيح التخصيص)، وتكلفة منخفضة (مكوّناته الأساسية متاحة مجانًا)، وقابلية عالية للتوافق (يتوافق مع العديد من المورِّدين ولغات البرمجة). لا يتولى OTel إدارة تخزين بيانات القياس عن بُعد أو عرضها بصريًا. بل يوفر مجموعة موحَّدة من حِزم تطوير البرمجيات (SDKs) وواجهات برمجة التطبيقات (APIs) وأدوات أخرى مخصصة لجمع البيانات ونقلها.

يستخدم ما يقرب من نصف مؤسسات تكنولوجيا المعلومات OTel، في حين يخطِّط 25% إضافيون لتطبيق الإطار في المستقبل، وذلك وفقًا لتقرير عام 2025 الصادر عن شركة الذكاء الاصطناعي Elastic. تُظهر المؤسسات التي تمتلك أنظمة قابلية ملاحظة متقدمة ميلًا أكثر لاستخدام OTel مقارنةً بالشركات التي لا تزال مهام سير عمل قابلية الملاحظة لديها في مراحلها الأولى. يتميز كلٌّ من IBM Instana وDatadog وGrafana وNew Relic وDynatrace وSplunk بدعم قوي لإطار OTel.

يُعَد الإطار مفتوح المصدر البديل Prometheus مشابهًا لإطار OTel في بعض الجوانب. تستضيف Cloud Native Computing Foundation (CNCF)، التابعة بدورها لمؤسسة Linux غير الربحية، الحلّين معًا. بخلاف OTel، يمتلك Prometheus بعض قدرات تخزين البيانات وإعداد العروض المصورة لها. ولكنه أضيق قليلًا من حيث النطاق؛ فبينما يمكن لإطار OTel جمع أنواع مختلفة من بيانات القياس عن بُعد، يعمل Prometheus حصريًا مع المقاييس.

توحيد القياس عن بُعد هو عملية تحويل المقاييس إلى صيغة موحَّدة بحيث تتمكَّن أدوات التحليل من تخزينها وقراءتها وتفسيرها. وهناك طريقتان رئيسيتان:

في هذا النهج من معالجة البيانات، يجب أن تتطابق جميع البيانات مع تنسيق محدد مسبقًا قبل تخزينها واسترجاعها. رغم أن المخطط عند الكتابة يتميّز بدرجة عالية من الموثوقية، فإن تطبيقه قد يكون صعبًا في البنى التحتية الحديثة لتكنولوجيا المعلومات، التي تتضمن أنظمة متعددة لكل منها تنسيقات وآليات حفظ مختلفة.

يُستخدَم المخطط عند الكتابة بشكل شائع في مستودعات البيانات المركزية المعروفة باسم مستودعات البيانات. يمكن أن تحتفظ حلول التخزين هذه بكميات هائلة من بيانات القياس عن بُعد، ولكن فقط إذا كانت تلك البيانات منظمة ومنسقة بتنسيق محدد مسبقًا. يمكن أن تكون مستودعات البيانات مكلفة عند توسيع نطاقها وصيانتها ولكنها مثالية لما تتمتع به من ذكاء الأعمال وتحليلات البيانات وعمليات سير العمل الأخرى حيث يكون الاتساق والموثوقية من أهم الأولويات.

يجمع هذا النهج البيانات بتنسيقها الأصلي ولا يحوِّلها إلا عندما يستردها المستخدم. على الرغم من أن المخطط عند القراءة أكثر تعقيدًا من الناحية التشغيلية، فإنه يمكنه التعامل مع البيانات عبر تنسيقات متعددة، ما يجعله أكثر مرونة من المخطط عند الكتابة.

يُستخدَم المخطط عند القراءة عادةً في بحيرات البيانات، التي تشبه مستودعات البيانات لكنها قادرة على تخزين وإدارة البيانات شبه المنظمة وغير المنسقة وغير المنظمة إلى جانب البيانات المنظمة. تحظى بحيرات البيانات بالتقدير لفعاليتها من حيث التكلفة وسرعة حركتها، ما يجعلها مثالية بشكل خاص لأدوات التحليلات التي تعتمد على التعلم الآلي. ولكن دون حوكمة قوية، قد يكون من الصعب إدارتها، ما يؤدي إلى بيانات غير مؤكدة أو غير متسقة.

يهدف البديل الناشئ المعروف باسم مستودع بحيرة البيانات إلى الجمع بين أفضل عناصر بحيرات البيانات ومستودعات البيانات. يدعم إطار العمل المخطط عند القراءة للبيانات غير المنظمة، وفي الوقت نفسه يُتيح المخطط عند الكتابة للبيانات المنظمة. يساعد هذا النهج الهجين المؤسسات على الحفاظ على الاتساق والدقة مع الاستفادة من مرونة بحيرات البيانات وسرعتها.

قد يكون من الصعب جمع بيانات القياس عن بُعد وصيانتها وتخزينها، خاصةً في البيئات السحابية الهجينة ومتعددة السحابات الحديثة. وتشمل التحديات الشائعة ما يلي:

يعمل القياس عن بُعد على تمكين المؤسسات من تحويل البيانات إلى رؤًى قابلة للتنفيذ يمكن استخدامها لتحسين الأداء وكفاءة سير العمل وإعداد الميزانية وتجربة العملاء وغير ذلك الكثير.