Elastic 的新指标功能将显著延长公共部门 IT 的正常运行时间

Elastic Observability 中的新列式指标引擎可让公共部门 IT 团队将日志、指标和追踪整合到单个平台中。因此,SRE 可以延长正常运行时间,同时在此过程中保护纳税人的资金。

公共部门站点可靠性工程师 (SRE) 面临着一系列独特的压力,无论是为联邦机构、卫生部门、公立大学还是交通管理局提供支持。您需要在复杂的混合基础架构中保持关键任务的正常运行时间,同时还要满足严格的审计和合规要求。此外,您还必须向监督机构、立法者和您服务的公众证明每一笔 IT 支出都具有合理性。

从历史上看,可观测性工具市场使最后这一要求变得十分困难;功能最强大的平台往往价格最高,而价格最高的平台往往会因现代基础架构所需的丰富监控手段而对您变相惩罚。当成本飙升时,可预见的普遍反应是丢弃数据、缩短保留时间,或者干脆放弃高基数指标。在凌晨 2:00 发生故障,导致面向市民的服务、学生门户或医院系统受影响时,缺失的上下文信息往往决定了故障能快速解决还是会造成长时间停机。

Elastic 通过近期推出的全新指标功能改变了这一现状,这些功能包括完全列式指标引擎、原生 Prometheus 和 PromQL 支持、开箱即用的基础设施内容以及智能体调查工作流。因此,公共部门 IT 团队无需像以往那样在监控范围和预算之间做出取舍,即可获得全面的运营可见性。

通过单个平台管理日志和指标,减少可观测性技术债

许多公共部门组织已经依赖 Elastic 来实现高性价比的日志存储和保留,尤其是为了遵守政府规定,例如美国的 OMB 备忘录 M-26-14

现在,这种备受信任的日志基础已延伸到了指标领域。大多数运行现代基础架构的公共部门组织积累了大量可观测性技术债,其表现是各种工具各自为政:一个系统用于日志,另一个系统用于指标,和第三个系统用于追踪。每个信号都存在于不同的后端,使用不同的查询语言,并且需要切换上下文才能进行关联。当故障发生时,工程师们不得不承受巨大的压力,在彼此相互独立的系统中手动拼凑出故障的全貌。

Elastic Observability 将指标、日志和跟踪存储在单个统一的后端中。当警报触发时,调查所需的上下文信息已经以相关日志事件、先前指标异常或相关跟踪的形式收集起来。工程师们无需在形成假设前打开三个软件标签页。机器学习 (ML) 异常检测会根据基础设施指标自动运行,因此告警生成时会同步带有所发生的变化以及偏差严重程度的上下文,而不仅仅是生硬的阈值超标提示。对于管理公众所需服务的公共部门 SRE 来说,这意味着更快的平均解决时间。对领导层而言,这意味着更少的长时间停机和更少的人工关联时间。

部署灵活性:云、本地部署、隔离网络

Elastic Observability 支持三种部署模式:Elastic Cloud Serverless、Elastic Cloud Hosted 以及完全自管理的本地部署或隔离网络环境。与一些限制本地部署或将最有价值的功能保留给托管版的供应商不同,Elastic 的全部功能在所有三种环境中均可使用。这让有着严格数据驻留要求的组织,可以在自己的基础设施中运行完整的平台,而无需牺牲功能。

专为预算问责而构建的定价模型

公共部门的 IT 预算依赖于可预测性。多年期合同、预算周期和拨款流程无法应对由不透明定价机制引发的意外发票。

许多商业可观测性供应商采用随着现代基础架构增长而不可预测地复合增长的定价模型。按主机收费加上自定义指标费用和容器超额费用,导致账单随着 Kubernetes 环境的扩展或 OpenTelemetry 检测的深入而不断攀升。由于这些成本与基数挂钩——而基数恰恰是在复杂环境中实现可观测性价值的核心属性——这使得成本难以预测。

Elastic 的模型有着根本性的区别:您按数据量付费,而不是按主机数量或系统检测的精细程度付费。在 Elastic Observability Serverless 上,以时间序列数据流 (TSDS) 索引模式存储的指标,其采集和留存定价均为标准 Observability 每 GB 费率的 25%,或者说,按容量分层,摄取每 GB 约 0.023 美元,每月保留每 GB 约 0.005 美元。无需每台主机许可,没有基于基数的附加费,也没有因更丰富的检测增加的自定义指标分类 其成本仅为 Datadog 和其他供应商的一半

长期保留同样极具性价比;每月每 GB 仅约 $0.005 的成本,让保存一年或更长时间的全分辨率指标数据在经济上完全可行,切实支持了公共项目通常所需的追溯性审计。

关于定价和部署模式的说明

公共部门客户通常对其数据储存位置有不可协商的限制。对于美国组织,Elastic 获得了 AWS GovCloud(美国)的 FedRAMP 中级和高级授权。对于运行 Elastic Cloud Hosted自管理部署(包括在机密或高合规环境中常见的隔离网络环境)的组织,目前 TSDS 指标无需额外付费。在这两种情况下,列式存储引擎都意味着指标运行所需的基础设施更少,无论采用何种部署模式都能显著提升成本效益。

成本节约背后的工程原理

Elastic 全新指标功能的性能提升反映了 Elasticsearch 存储和查询时序数据底层架构的彻底重构。

Elastic 围绕专为 TSDS 工作负载构建的列式存储引擎重建了指标功能。其成效十分显著

  • 现在,OpenTelemetry 指标每个数据点占用 3.75 字节,低于去年同期的 25 字节——存储空间减少了 6.6 倍,存储效率比 Prometheus 高出 2.5 倍。

  • 时间序列查询运行速度可比早期 TSDS 版本快 160 倍,比 Prometheus 快 30 倍,索引吞吐量最高提升了 50%。

对于公共部门 IT 团队来说,其影响非常直接:存储效率提升意味着他们能够以极低的成本维护数月甚至数年的全分辨率指标,同时不牺牲速度或性能,从而实现跨越重要时间范围的趋势分析、容量规划和审计追踪。添加新的 Kubernetes 标签、云标签或应用维度只会增加数据量,不会触发定价层级的跳变,也不会对底层系统架构造成压力。

原生 Prometheus 支持:保护您已经构建的系统

公共部门基础设施的发展是一个缓慢而审慎的过程。采购周期长,系统集成深度,且面向公众的服务一旦中断,其运维风险极高。任何平台的过渡都必须保护已构建的系统。

大多数运行现代云和容器化基础设施的 SRE 团队都已经在基于 Prometheus 的工具链上投入了大量精力:抓取配置、警报规则、PromQL 查询以及 Grafana 仪表板,这些都代表着多年的运维经验积累。。从历史上看,迁移指标后端往往意味着必须将所有这些内容全部重写。

Elastic 已经消除了大部分迁移摩擦。Prometheus 的指标通过 Prometheus Remote Write 接入,并在无任何语义改变的前提下直接存入相同的列式存储中。PromQL 可在 Kibana 中原生使用,因此现有的查询、仪表板和警报规则无需修改即可直接迁移。对于希望将 Grafana 作为可视化层的组织,Elasticsearch 提供了一个原生兼容 Prometheus 的 API,任何兼容的前端都可以直接对其进行查询,这意味着团队可以在完全更换后端的同时,继续保留工程师早已熟知的交互界面。

简化的迁移流程

迁移可以逐步进行,并且很大程度上实现自动化。可观测性迁移平台是一个基于命令行界面 (CLI) 的工作流,它将受支持的 Grafana 和 Datadog 资产转换为 Kibana 原生输出,并生成审核结果所需的证据,从而将手动重建的迁移流程转变为转换和验证的工作流。该平台支持导出的资产或实时 API,涵盖来自 Datadog 和 Grafana 的仪表板和告警内容。对于公共部门团队而言,至关重要的是,该工作流还会生成面向审核人员的证据,例如迁移报告、清单、验证包和部署计划,以便团队了解哪些内容转换成功,哪些内容被降级或标记为需要人工审核,以及哪些内容仍需人工判断。

Elastic 是公认的可观测性领军企业

Elastic Observability 在市场上的信誉持续提升。2026 年 7 月,Elastic 在 2026 年 Gartner® 可观测性魔力象限™ 中获评领导者,这是我们连续第三年获此殊荣。我们认为,这一认可体现了 Elastic 始终致力于引领市场变革,同时通过 Prometheus 和 OTel 为客户提供标准化带来的效率提升,并支持客户使用单一平台管理日志、指标和追踪数据。

Gartner 魔力象限

公共部门 IT 领导力的战略选择

对于公共部门的 IT 领导者来说,这一选择兼具运维与战略双重意义。统一的可观测性平台将一流的指标与 Elastic 既有的日志功能相结合,从多个维度改变了现状:

  • 采用可预测的定价模型,可观测性覆盖成本显著降低。

  • 自动化调查上下文意味着更快的事件响应和更高的服务可用性。

  • 经济实惠的长期留存可为合规性和审计就绪提供支持。

  • 在单一平台上整合指标、日志和跟踪,能够降低采购复杂性与集成风险。

公共部门指标运维的下一步规划

如要了解公共部门领导者如何对待可观测性,请下载《2026 年公共部门可观测性格局》报告,或预约我们的专家面对面交流

Gartner, Inc.,《可观测性平台魔力象限》,帕德雷格·伯恩、马丁·卡伦等,2026 年 7 月 13 日。

GARTNER™ 是 Gartner, Inc. 和/或其附属公司的商标。MAGIC QUADRANT 是 Gartner, Inc. 和/或其关联公司的注册商标,经许可在此使用。保留所有权利。

Gartner 不为其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 的出版物仅代表 Gartner 商业和技术见解组织的观点,不应被视为事实陈述。Gartner 不对本出版物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。

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。Gartner 文档可向 Elastic 索取。

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。