获得对 Kubernetes 生态系统的实时可见性
将来自 Kubernetes 集群的日志、指标和痕迹，以及在该集群上运行的工作负载整合到一个一体化的解决方案中。通过动态服务发现、集中式代理管理和来自集群的丰富遥测数据，让您快速找出应用程序、服务和环境中的问题。
通过开箱即用型仪表板自动发现动态工作负载
动态工作负载需要动态监测，当您在容器中运行应用程序时，这些工作负载为临时的。无论 Kubernetes 服务和组件在何处运行，Elastic 都可以自动发现这些变化并让您及时了解相关情况，而采集时的元数据扩充，让您可以筛选、跟踪和识别系统的常见属性。查看上述变化和相关指标、日志和分析，均可在全面的开箱即用型仪表板中进行。
利用开放标准
Elastic 集成为 OpenTelemetry、Prometheus 和 Istio 之类的开放标准提供原生支持，以用于指标等数据的收集。使用 PromQL 可收集、转换和可视化现有的 Prometheus 指标。
除了 Elastic Agent 之外，还通过集成对用于采集日志、指标和痕迹的原生工具和多个开放标准提供支持，例如用于指标和痕迹收集的 OpenTelemetry、Prometheus 指标，以及 Istio 指标，包括对用于指标收集的 PromQL 查询的支持。
实现从应用程序和 Kubernetes 到云的端到端可见性
Elastic APM 不仅可提供对应用程序服务的可见性，还可将这些服务与相关的 Kubernetes 和云组件相关联。Elastic 的 Machine Learning 功能可就各层之间相互关联的问题提供更多见解。
深入分析整个生态系统
深入了解 Kubernetes 集群以及这些集群上运行的服务，包括 Kubernetes 节点、控制平面组件和工作负载。通过在上下文中快速导览到相关日志、指标或痕迹，更快、更高效地进行故障排查。
满怀信心地运行您的 Kubernetes 架构
在即席分析中提供具有背景信息相关性的体验，降低了与分布式微服务架构相关的复杂性，让您能够更容易地发现问题。使用 Elastic 的 Machine Learning 功能，有助于改进对 Kubernetes 集群的管理。
