基于 Elasticsearch Platform 构建的受 SRE 信赖的指标监测

Elastic 将一流的指标效率与业内最丰富的日志分析解决方案完美结合。查询速度比竞争对手的 TSDB 快 30 倍,基于专为高基数工作负载设计的列式数据存储构建,可在不增加高昂成本的情况下实现扩展。内置原生 PromQL,让您保留喜爱的工作流。

采用同类最佳的列式指标引擎

Elasticsearch 列式数据存储在任何规模下的指标摄取、存储和查询速度都优于其他数据存储。

在不丢失数据的情况下进行扩展

我们曾凭借深厚的工程实力,树立了日志摄取、存储和查询性能的行业标准,而正是这种实力,让我们能够打造出更适合高基数指标的 TSDB。同样的团队,同样的严谨性,全新的数据类型——旨在以更低的成本,完整保留每条指标的全部细节。

  • 行业领先的效率

    查询速度更快,成本更低

    Elasticsearch 运行查询的速度比 Prometheus 快 25 倍,并且存储指标的效率高出 2.5 倍——并且没有基数限制。您可以保留现有的数据摄取架构,保留更多历史记录,而且花费比同等规模的 Prometheus 架构更少。

  • 与架构无关

    一个数据存储,所有的格式

    大多数后端会将所有内容规范化为单一模式。而我们不会。无论您发送给我们的是 Prometheus、OpenTelemetry、Beats 还是 OCSF,Elasticsearch 都会以原生格式存储每个数据,并按原样进行查询。没有转换层,没有信息丢失,也没有转换成本。

  • 一日迁移

    从第一天起支持 PromQL

    您现有的 PromQL 查询、仪表板和警报规则都可以沿用,无需学习新的语言。支持远程写入和 OTLP 摄取。迁移只需更改配置,而非耗时一个月的项目。

  • 日志+指标+跟踪

    统一调查——无需切换上下文

    在典型的可观测性堆栈中,查找根本原因通常意味着要在多种查询语言和后端之间来回切换。在 Elasticsearch 中,指标、日志和跟踪都集中在一个地方。当警报触发时,相关的上下文已经在那里了。

Elasticsearch 不扫描行。它读取列。

Elasticsearch 基于分段的存储设计为列式存储,通过向量加载和处理,可在数百万个时间序列上实现亚秒级响应。

  • 查询任何高基数数据

    ES|QL 专为此而构建:它是一个向量化查询引擎,能够批量处理数据,并且在高基数情况下性能不会下降。在指标、日志和跟踪之间传递查询——包含原生 PromQL 支持。

  • 充分利用每个字节的价值

    借助一整套时间序列函数,涵盖速率、增量、百分位数、时间分桶和聚合功能,再加上文档值跳转和合成 ID 修剪功能,使存储保持精简,您将获得更深入的分析能力,且无需为此付出额外成本。

  • 从您已有的工作地点进行访问

    大多数后端只提供一种入口。Elasticsearch 提供三种入口:Kibana 用于仪表板和预构建的工作流,Elastic AI 智能体用于聊天引导式调查,以及专为团队已使用的 AI 工具构建的 MCP 应用和技能。

Elasticsearch 9.4 基准测试

工程实力,有数字为证

围绕定义生产级 TSDB 的三大指标展开正面对比:查询速度、存储密度、摄取吞吐量

维度 Elasticsearch 9.4 Prometheus Mimir ClickHouse
查询速度高基数时间序列 速度领先
基线
速度最多可降低 30 倍 速度最多可降低 30 倍 最多慢 8 倍
存储密度字节/样本 优异
3.74 B
~9.42 亿 ~3.95 亿 ~6.8 亿
摄取吞吐量样本/秒 速度领先
428K/s
402K/s 404K/s ~300K/s
原生 PromQL无需适配器 原生 ✓ 原生 ✓ 原生 需要适配器
OTel 原生无需架构转换 OTel-first 通过导出器 通过导出器 手动映射

作为列式指标引擎的 Elasticsearch

正是这项创新使这一切成为可能

从存储架构到查询执行,我们的平台的每个部分都是有目的地构建的。这就是使其成为现实的工程技术。

迁移工具——技术预览

从 Datadog 或 Grafana 一夜之间完成迁移

自动将 Datadog 和 Grafana 的仪表板及告警规则转换为 Elastic,显著降低平台切换的成本和复杂性。

准备好从 Datadog 切换并节省 50% 的指标费用了吗?

开始将 Prometheus 指标发送到 Elastic

Prometheus 远程写入终端不需要额外配置。一旦指标流动起来,您就可以使用内置的 PROMQL 函数通过 ES|QL 来查询它们,以实现与 PromQL 的兼容性,或者编写原生 ES|QL 查询,将指标与日志和跟踪信息在同一个存储中进行关联。

将指标转化为行动

大规模监测基础设施。探索 Discover 中的指标,以代码形式构建仪表板,让 AI 主导的调查突出显示异常情况、发现趋势并自动进行修复,使您能够更快地规划容量和解决问题。