Elastic Observability erfasst, zentralisiert und analysiert Observability-Daten jeder Größe und verringert durch fachbereichsspezifische Machine-Learning- und Anomalieerkennungsfunktionen den Arbeitsaufwand bei der Fehlersuche und ‑behebung. Das hilft, die Triage-Aktivitäten zu rationalisieren, sodass sich die Teams auf die Entwicklung besserer Software konzentrieren können.
Neue Herangehensweisen an Observability mit Machine-Learning- und Statistikfunktionen von Elastic
Jetzt ansehen
Machine-Learning-Funktionen im Elastic Stack helfen, verwertbare Erkenntnisse zu gewinnen
Mehr erfahren
Telekommunikationsinfrastruktur mit dem Elastic Stack verwalten und überwachen
Blogpost lesen
Die Machine-Learning-Engine von Elastic ist datenagnostisch, sodass Sie die Wahl haben, ob Sie überwachtes oder nicht überwachtes ML nutzen möchten. Mit nicht überwachtem, domänenspezifischem ML lassen sich Anomalien, Ausreißer und sogar ganz seltene Ereignisse in Ihren Observability-Daten ausfindig machen, während überwachtes ML dabei hilft, Modelle für praktisch alle Daten zu erstellen, zu testen und bereitzustellen.




Workflows untersuchen, den Incident-Management-Prozess verbessern und die Problemlösung beschleunigen
Spüren Sie auf der Grundlage von Endnutzer-, Infrastruktur- und Anwendungsüberwachungsdaten ohne eigenen Eingriff Probleme auf. Starten Sie einen Fall, um den Incident-Management-Prozess einzuleiten und um Dienstprobleme direkt in Elastic Observability öffnen und verfolgen zu können. Machine Learning fördert automatisch Korrelationen zwischen Ihren APM- und Infrastrukturdaten zutage, sodass Sie schneller die Ursachen für die Probleme ermitteln können.
Nutzen Sie die vorkonfigurierten Integrationen für PagerDuty, ServiceNow, Jira, Microsoft Teams, Slack und E‑Mail, um Ihre Alerts mit konkreten Aktionen zu verknüpfen. Mit der leistungsfähigen Webhook-Ausgabe in Elastic Stack können weitere Drittanbietersysteme einbezogen werden, die für Ihr Unternehmen wichtig sind und sich in die Workflows Ihres Teams integrieren lassen.

