通过 AI Assistant、OTel 标准化、持续分析和增强的日志分析实现可观测性转型

Elastic 可观测性通过 AI Assistant 提供准确的交互式见解,提供基于 OpenTelemetry (OTel) 的标准化最佳解决方案,扩展以将分析包括在内,并增强了日志分析以加速问题解决。

observability-launch-announcement-720x420.jpg

随着 AI 和生成式 AI 的出现,一个更现代的可观测性时代正悄然而至。随着这些 AI 技术成为主流,预计可观测性将从手动、被动的过程发展为更主动的 AI 驱动型方法,并且包括自动诊断问题,然后进行修复。

在数据中心运行单体应用程序的日子早已一去不复返,那时候软件更新并非常事。运营团队依靠服务器、网络和存储工具来监测他们的技术孤岛,手动分析数据,并使用随时待命的会议桥与其他团队一起识别、分类和解决问题。随着云的出现,以及云的复杂性、基础架构的抽象性和更快的开发周期,运营团队和 SRE 团队需要借助可观测性来帮助应对这些新的“未知挑战”。 虽然可观测性工具使得各个细小环节的串联变得容易了一些,但整体工作仍然需要手动完成,并且工作进度因工具孤岛的挑战和呈指数型增长的成本而受到阻碍。

凭借在 AI 和 Machine Learning (ML)、向量数据库、Elasticsearch Relevance EngineTM (ESRE) 和检索增强生成 (RAG) 方面的多年经验和创新,Elastic 完全有能力带领 IT 团队进入 AI 驱动的可观测性新时代 - 将指标、日志、跟踪和分析整合到一个平台中,以提供行之有效的见解。

正如 RedMonk 高级分析师 Kelly Fitzpatrick 所指出的:

icon-quote

2023 年的可观测性是一项挑战,既要驾驭变革性技术和新兴标准,又要管理日益复杂的系统。Elastic 努力帮助组织使用旨在适应这种不断演变的运营态势的工具来应对这些挑战。通过其面向可观测性的 AI Assistant,以及对 OpenTelemetry 的更多投入和 Universal Profiling 的正式发布,Elastic 致力于使 SRE 团队能够更好地管理其系统的成本和复杂性。

使用交互式 Elastic AI Assistant,通过上下文感知的、行之有效的见解增强运营智能

Elastic 利用多年的 Machine Learning 专业知识以及与生成式 AI 平台的集成,通过上下文感知的相关 AI 驱动见解来实现可观测性转型。面向可观测性的 Elastic AI Assistant(目前处于技术预览阶段)由 Elasticsearch Relevance Engine (ESRE) 提供技术支持,可增强了对应用程序错误、日志消息和警报的理解,同时提供建议以实现最佳代码效率。此外,Elastic AI Assistant 的交互式聊天界面允许 SRE 在一个地方进行交互式聊天和可视化所有相关的遥测数据,同时还利用专有的内部信息进行修复。

Video thumbnail

Elastic 允许用户向助手提供私人数据,例如运行手册、过去事件的历史记录、案例历史记录等等。使用 Elastic Learned Sparse EncodeR (ELSER) 支持的推理处理器,助手可以获取最相关的数据,以回答特定问题或执行任务。助手可以通过持续使用和引导式学习来学习并扩展其知识库。SRE 可以让助手了解特定问题,以便它可以为将来的场景提供支持,并帮助编写停机报告、更新运行手册和增强自动化修复。SRE 可以将 Elastic AI Assistant 与 Machine Learning 功能强强联合,通过消除跨孤岛之间的繁琐流程和手动数据检索,更快、更主动地查明和解决问题。

服务

通过将特定于业务的内部信息与 LLM 相结合,Elastic AI Assistant 可提供高度相关的结果,从而帮助加速问题的识别与解决,为您的团队提供强大的 AIOps。

详细了解 Elastic AI Assistant 如何提供上下文感知的见解以解决可观测性问题。

通过基于 OpenTelemetry 的标准化、增强的日志分析以及新信号 Universal Profiling 提高运营效率

Elastic 加大对 OpenTelemetry 的投入

Elastic 提供对 OpenTelemetry 的原生支持,并在为将来大多数用户都选择 OpenTelemetry 作为 Elastic 可观测性和 Elastic Security 的模式和数据收集架构做准备。在为 OpenTelemetry (OTel) 提供 Elastic Common Schema (ECS) 的基础上,Elastic 正在巩固其将 OpenTelemetry 确立为行业标准方面的承诺和投入。这使客户能够采用开放标准并实现开放数据采集的好处。Elastic 将继续向 OpenTelemetry 做出更多贡献,这将使 SRE 能够使用标准化方法来采集指标、日志和跟踪数据,以降低成本、提高可见性并建立供应商独立性。

services-inventory
dotnet-login-otel-auto

了解如何使用 OpenTelemetry 和 Elastic 来检测热门语言,采用标准化的开放日志格式 (ECS),并使用 AI 和 ML 分析数据,从而通过 OpenTelemetry 实现供应商独立性

使用 Universal Profiling 优化计算效率

Elastic Universal ProfilingTM现已正式发布)使企业能够实施成本控制、优化资源并实现可持续增长。复杂的云原生环境通常会给 SRE 团队带来盲点,因为许多组件无法检测到。Universal Profiling 时刻在线,零检测、低开销,可通过对第三方库的可见性来发现性能瓶颈,从而加快问题解决,同时还使组织能够降低云成本并减少基础架构的碳足迹。Universal Profiling 使 SRE 能够深入了解耗费资源的代码,以帮助优化计算周期,并快速识别和解决瓶颈。

Universal Profiling

增强的日志分析之旅

Elastic 增强的日志分析之旅使 SRE 能够通过其独特的日志路由处理器自动对日志进行分类,进一步处理和丰富日志数据,并支持使用 AI 进行日志分析。使用 Elastic 的 Machine Learning 算法,SRE 可以做到日志峰值自动分析、模式检测、异常发现和变点检测。Elastic 可观测性的日志采集现在支持通过 OpenTelemetry 进行开放采集,以及数百种交钥匙集成和自定义格式,所有这些都具有最佳的成本和性能。Elastic 增强的日志之旅降低了存储成本,提高了运营效率,并缩短了解决时间。

详细了解日志记录之旅以及 Elastic 如何提供帮助

日志率分析

实现可观测性的未来愿景

Elastic 将继续创新,并提供全栈可观测性解决方案,以行之有效的见解帮助 SRE 团队管理复杂的混合和多云环境。Elastic 在 AI 和 Machine Learning 方面的投资,以及统一、开放、灵活的平台,将继续满足客户的需求,并有助于改变可观测性的未来。要进一步了解我们的想法,请聆听 RedMonk 高级分析师 Kelly Fitzpatrick 的相关讨论。

Video thumbnail

本博文所描述的任何特性或功能的发布及上市时间均由 Elastic 自行决定。当前尚未发布的任何特性或功能可能无法按时提供或根本不会提供。

在本博文中,我们可能使用或提到了第三方生成式 AI 工具,这些工具由其各自所有者拥有和运营。Elastic 对第三方工具没有任何控制权,对其内容、操作或使用不承担任何责任或义务,对您使用此类工具可能造成的任何损失或损害也不承担任何责任或义务。在 AI 工具中使用个人、敏感或机密信息时,请务必谨慎。您提交的任何数据都可能用于 AI 训练或其他目的。Elastic 不保证您所提供信息的安全性或保密性。在使用任何生成式 AI 工具之前,您都应自行熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 及相关标志为 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其相应所有者的商标、徽标或注册商标。