Elastic Adds Machine Learning into the Elastic Stack

Mountain View, Kalifornien, und Amsterdam, Niederlande - 04 May 2017

Elastic, die Firma hinter Elasticsearch und dem Elastic Stack, der am meisten genutzten Sammlung von Open-Source-Produkten zur Lösung unternehmenskritischer Anwendungsfälle wie Suche, Logging und Analytik, gibt die Einführung ihrer ersten Machine-Learning-Funktionen in Version 5.4 von Elastic bekannt. Auf Grundlage der kürzlich erfolgten Übernahme von Prelert greifen die neuen Funktionen das zunehmende Verlangen von Kunden auf, Machine-Learning-Technologie einzusetzen, ohne dass interne Fachkenntnisse oder eine eigene Entwicklung nötig sind. Die neuen Machine-Learning-Funktionen von Elastic bieten eine fertige Lösung für jeden Zeitreihen-Datensatz, die automatisch Anomalien identifiziert, die Ursachenanalyse optimiert und False Positives in Echtzeitanwendungen reduziert. Die Technologie liefert schnelle Unternehmensvorteile für Firmen, die Probleme in ihrer Infrastruktur, Cyber-Angriffe oder Unternehmensprobleme in Echtzeit aufdecken wollen.

„Es ist unsere Vision, dem Prozess die Komplexität zu nehmen und es für unsere Nutzer einfach zu machen, Machine Learning innerhalb des Elastic Stack für Anwendungsfälle wie Logging, Sicherheit und Metriken einzusetzen“, so Shay Banon, Gründer und CEO von Elastic. „Ich freue mich, dass unsere neuen, nicht-überwachten Machine-Learning-Funktionen unseren Nutzern eine skalierte, sofort einsetzbare Möglichkeit bieten, Anomalien in ihren Zeitreihendaten zu finden, und das als natürliche Erweiterung von Suche und Analytik.“

Organisationen wollen zunehmend Echtzeit-Analysen erhalten und operationalisieren. Aus diesem Grund hat sich der Elastic Stack für Entwickler und IT-Teams zu einem der meistgenutzten Tools zum Sammeln, Anreichern und Analysieren von Log-Dateien, Sicherheitsdaten, Metriken, Textdokumenten und vielem mehr entwickelt. Aber die von solchen Organisationen generierten Daten werden immer umfassender und komplexer, was traditionelle Ansätze zur Datenanalyse unpraktisch macht. Drittanbieter- und standardmäßig erhältliche Machine-Learning-Toolkits bieten zwar die Möglichkeit, Statistikmodelle zu erstellen, doch die größte Herausforderung besteht darin, Echtzeit-Betriebssysteme für bestehende Workstreams und Anwendungsfälle zu entwickeln. Zur Entwicklung der richtigen statistischen Modelle für verschiedene, breitgefächerte Datensätze sind seltene und teure Datenanalysefähigkeiten nötig. Zudem sind von Hand erstellte Regeln instabil und generieren oft viele False Positives.

Jetzt verfügbar in Version 5.4 als Funktion von X-Pack: Der erste Satz an nicht-überwachten Machine-Learning-Funktionen von Elastic, der die Anomalie-Erkennung bei Zeitreihendaten wie Log-Dateien, Anwendungs- und Performance-Metriken, Netzwerk-Flows oder auch Finanz-/Transaktionsdaten automatisiert. Durch den Einsatz bestehender und kontinuierlicher Daten aus Elasticsearch bieten die neuen Machine-Learning-Funktionen den Elastic Nutzern eine sofort einsatzbereite Lösung zum Operationalisieren ihrer Arbeitsabläufe und Anwendungsfälle wie Logging, Sicherheits- sowie Metrikanalysen in Echtzeit. Darüber hinaus ermöglichen diese Funktionen, ausgereifte Machine-Learning-Aufträge mit der vertrauten, benutzerfreundlichen Kibana-UI zu erstellen und Komplexität und umständliche Integrationen zu minimieren. Zusätzliche Vorteile:

  • Wird als Bestandteil von X-Pack mit nur einem Befehl in Elasticsearch und Kibana installiert
  • Native Integration in den Elastic Stack; es müssen keine Daten aus Elasticsearch exportiert werden  
  • Intuitive Benutzeroberfläche zur Erstellung von Machine-Learning-Aufträgen und zur Analyse von erkannten Anomalien für viele verschiedene Datentypen (Log-Nachrichten, Netzwerkverkehr, Metriken)
  • Läuft mit Elasticsearch – äußerst skalierbar und hochverfügbar
  • Vollständige Unterstützung der Alerting-Funktionen für proaktive Benachrichtigungen von X-Pack

Mehr erfahren

About Elastic

Elastic builds software to make data usable in real time and at scale for search, logging, security, and analytics use cases. Founded in 2012, the company develops the open source Elastic Stack (Elasticsearch, Kibana, Beats, and Logstash), X-Pack (commercial features), and Elastic Cloud (a hosted offering). To date, there have been more than 100 million cumulative downloads. Backed by Benchmark Capital, Index Ventures, and NEA with more than $100 million in funding, Elastic has a distributed workforce with more than 500 employees in 30 countries. Learn more at elastic.co.

Pressekontakte bei Elastic

  • AMER
  • Michael Lindenberger
  • Reidy Communications for Elastic
michael@reidycommunications.com
  • EMEA
  • Rory MacDonald
  • Age of Peers Ltd for Elastic
rory@ageofpeers.com
  • APAC
  • Janis Ma
  • Elastic Asia Pacific
janis@elastic.co