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。

使用集中托管的 Elastic Agent,轻松监测 Kubernetes 在 EKS、AKS、GKE 或自管型集群上的部署情况。

了解详情

使用 Elastic 可观测性,管理和监测您的 Kubernetes 环境。

了解详情

确保 Kubernetes 集群上的 OpenTelemetry 应用程序可观测且安全。

了解详情

通过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。查看上述动态和相关指标、日志和分析均可在全面的即用型仪表板中进行。

利用开放标准

Elastic 集成为指标等适用的开源标准提供原生支持,例如 OpenTelemetry、Prometheus 和 Istio。PromQL 用于收集、转换和可视化现有的 Prometheus 指标。

除了 Elastic Agent 之外,用于采集日志、指标和跟踪的原生工具均通过集成支持开放标准,包括针对指标和跟踪的 OpenTelemetry、Prometheus 指标以及 Istio 指标,其中包括支持用于指标收集的 PromQL 查询。

Illustration

实现从应用程序和 Kubernetes 到云的端到端可见性

Elastic APM 不仅支持监测应用程序服务,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 集群及上运行的服务,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航到相关日志、指标或跟踪,更快、更高效地进行故障排查。

Screenshot

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。Elastic 的 Machine Learning 功能有助于改进对 Kubernetes 集群的管理。

  • 行之有效的见解

    通过基于阈值的告警,您能够轻松跟踪与 Kubernetes SLO/SLA 相关的性能和可用性。使用错误预算来确定何时在您的生态系统中部署新功能和更新。

  • 发现未知的未知

    使用基于 Machine Learning 的异常检测,检测响应时间或错误率中的异常值。通过日志分类识别有问题的服务或地理位置,以发现 Kubernetes 日志中未知的未知因素。

  • 自动关联

    分析有问题的事务并自动识别影响因素,以找到问题的根本原因,无论这些问题是与应用程序、环境还是特定 Pod 相关。