Elastic 在 2025 年度 Gartner® 可观测性平台 Magic Quadrant™ 中被评为领导者

Observability 存在调查问题，而仪表板和警报不足以解决当今复杂系统中的问题。AI 驱动的功能、强大的分析能力和可扩展性对于推动实时调查并保持低成本至关重要。我们认为，这就是 Elastic 第二次在 2025 年度《Gartner® 可观测性平台魔力象限™》中获评“领导者”的原因。

Elastic 可观测性可帮助组织监测、排除故障和优化其从基础架构和应用程序性能到最终用户体验的整个生态系统，所有这些都由 Elasticsearch Platform 提供支持。我们认为，获评“领导者”进一步巩固了我们的信念，即开放式架构、AI 驱动的见解和可扩展性是可观测性的未来发展方向。

作为 SRE，故障排除比以往任何时候都更复杂。无论情况如何，都需要消化和处理大量信息。这不仅包括客户的体验，还包括内部数据和上下文信息，以帮助提供最合适的解决方案。

Elastic 提供 AI 驱动的功能，例如多信号异常检测、模式分析、关联，以及充当虚拟 SRE 的 AI 助手。

借助 Elastic 的 AI 助手，SRE 可以使用自然语言问题进行分析。Elastic 的 AI 助手之所以具备多功能性，不仅体现在可连接开箱即用的 LLM 或您选择的模型，还体现在能够利用 Elastic 的向量数据库来提供上下文相关的、富有见解的信息，例如：

• 来自内部 GitHub 存储库、Jira 等的问题

• 您的支持服务中的客户问题

• 检索和使用运行手册

• 创建图表和仪表板

管理 LLM 对于服务可靠性工程师 (SRE) 管理生成式 AI 应用程序至关重要，它能确保无错误运行，同时最大限度地降低与 LLM 生成的响应的不可预测性相关的风险。

Elastic 为所有主流模型提供开箱即用的集成，例如 Azure OpenAI、OpenAI、Amazon Bedrock 和 Google Vertex AI。这些集成包括预构建的仪表板，用于显示令牌使用情况、成本相关指标以及日志和指标（例如总调用次数、错误率和延迟），并按模型或终端进行细分。成本见解信息通过 Elastic 的告警、SLO、AI 助手以及任何已配置的 ML 作业自动提供。

《Gartner 可观测性平台魔力象限》，

Gregg Siegfried、Matt Crossley、Padraig Byrne、Andre Bridges、Martin Caren，2025 年 7 月 7 日。

GARTNER 是 Gartner, Inc. 和/或其附属公司在美国和国际上的注册商标和服务标志，MAGIC QUADRANT 是 Gartner, Inc. 和/或其附属公司的注册商标，经许可在此使用。保留所有权利。

Gartner 不为其研究出版物中描述的任何供应商、产品或服务提供担保，也不建议技术用户只选择评级最高或具有其他名号的供应商。Gartner 研究出版物包含 Gartner 研究组织的观点，这些观点不应被解释为事实陈述。Gartner 不对本研究提供任何明示或暗示的保证，包括对适销性或特定用途适用性的任何保证。

本文中描述的任何功能或功能性的发布和时间均由 Elastic 自行决定。当前尚未发布的任何功能或功能性可能无法按时提供或根本无法提供。

这张图片由 Gartner Inc. 发布，截取自一篇较长的研究文档，应在整个文档的上下文中进行评估。可向 Elastic 索取 Gartner 的这份报告。