自动捕捉您可能遗漏的信息

数据集复杂多变,因此利用规则或通过人工监视仪表板的话,几乎不可能实时发现基础架构问题、入侵者或业务问题。Elastic 的 Machine Learning 功能可以实时地自动模拟 Elasticsearch 数据的行为,例如趋势、周期等等,从而更快地发现问题,简化根本原因分析,降低误报率。

启用自动化异常检测功能。观看视频
通过添加自定义规则,获得 Machine Learning 作业内的领域知识。了解详情

不局限于数据表象

Elastic Stack 在快速解答诸如“逐小时看,上周每秒钟处理的请求数量如何?”等问题时表现十分突出,而且在结果的实时可视化方面性能也颇为出色。但是如果您希望更深入挖掘并询问“是否有某些不正常的事情发生?”和“是何原因导致的?”等问题,其表现如何呢?

我们的 Machine Learning 功能可解决这一问题,并且适用于广泛系列的用例和数据集,让您以创新方式在不同地方应用这些内容。

icon-logging-bb.svg

日志指标发现应用请求数量异常降低,然后深入探究导致异常且需进行故障排查的服务器。

icon-security-analytics-bb.svg

安全性分析发现异常网络活动或用户行为,趁攻击者制造破坏之前准确地定位攻击者。

业务分析

业务分析如果您的电子商务网站中弃置购物车异常增多,则会给您发出通知。

应用程序性能监控

应用程序监控找到瓶颈和响应速度缓慢的部分,以便您能进行处理并让您的应用流畅地运行。

正在寻找参考范例以便自己能在常见用例方面启用 Machine Learning 功能吗?欢迎查看这些 Machine Learning 示例

对真实世界的复杂性自动建模

博客流量每到晚间和周末就会下降。热门产品的销售额会逐渐提高。位置和全天时段会影响转化率。Elastic 的 Machine Learning 功能会学习数据的正常行为,而且完全自动。

无需定义规则、指定阈值或手动构建统计模型,借助我们的 Machine Learning 功能即可轻松开启异常识别功能。只需描述您要分析的数据(每秒请求数量),以及可能对此数据产生影响的其他属性(服务器、IP、用户名),就可以啦。模型首先会明确正常情况的基准线,从而检测出异常情况。

检测各种类型的异常

我们的 Machine Learning 功能突破了 Elasticsearch 探索数据的新边界。能够知道特定指标(如每秒请求数)在何时偏移了正常轨迹。首先构建一个“典型”用户或机器的配置文件,然后便可知道某个指标何时开始偏离群体值,通过这种方法即可检测单个异常值。对日志消息进行分类,以了解特定组的正常情况,让罕见事件或不同寻常的消息类型浮现出来。

以更快的速度明确问题并定位根本原因

知道存在问题固然不错,但是如果可以了解导致问题的原因,就更好了。

检测到异常后,我们的 Machine Learning 功能可以轻松确定导致异常的主要属性。例如,如果交易量异常下降,您可以快速确定发生故障的服务器或者导致问题的配置错误的交换机。

由于具备了跨数据类型和 Machine Learning 作业(如日志消息、网络流量、指标等等)进行精准定位和事件关联的能力,因此您可以更加快捷地解决手头问题,并将业务恢复正常。

预测未来趋势,做好充分准备

借助基于 Machine Learning 的按需预测功能,您能更充分地进行未来规划,甚至可以基于预测结果随时做出调整。

我的基础架构在下周一早晨 8 点的 CPU 负载预计应该是多少?我的服务器磁盘空间是否会在接下来两周内用完?借助按需预测功能,您就可回答这些问题并采取行动。

在向导的帮助下,启动、运行并寻找答案

不知道哪个作业适用于新的数据集?内置功能可帮助您找到目标作业,并确定您的数据集内能够与 Machine Learning 功能良好匹配的字段。而且,如果您使用的是常见的数据格式,我们还会通过推荐 Machine Learning 作业集合来进一步加以简化。

无论您是 Machine Learning 菜鸟,还是具有丰富经验的数据专家,创建 Machine Learning 作业都是很好的选择,例如在 API UI 内直接找到您的应用内响应时间超长的部分。尽管还不能做到和在线订餐一样简单,不过也已经非常接近了。

它学到的越多,您学到的也就越多。

快去试试吧。创建您的第一个 Machine Learning 作业来发现不寻常、诡异或异常的数据。

入门