Monitoreo de métricas en Elasticsearch Platform en la que confían los SRE
Elastic combina métricas altamente eficientes con la solución de análisis de logs más completa del sector. Consultas hasta 30 veces más rápidas que otras TSDB, sobre un almacén de datos columnar diseñado para cargas de trabajo de alta cardinalidad que escalan sin disparar los costos. También PromQL nativo para mantener tus flujos de trabajo preferidos.
Conoce el motor de métricas columnares que es el mejor de su clase
El almacén de datos columnar de Elasticsearch supera a otros en métricas de ingesta, almacenamiento y velocidad de búsqueda a cualquier escala.
Escalar sin perder datos
La sólida base de ingeniería que estableció el estándar para la ingesta, el almacenamiento y el rendimiento de las búsquedas de logs es precisamente la que aplicamos para crear una base de datos de series temporales (TSDB) mejorada para métricas de alta cardinalidad. El mismo equipo, el mismo rigor, un nuevo tipo de datos: diseñada para conservar todas las métricas con la máxima resolución sin un costo elevado.
Elasticsearch no escanea las filas. Lee columnas.
El almacenamiento basado en segmentos de Elasticsearch tiene un diseño columnar, lo que garantiza respuestas en menos de un segundo en millones de series temporales con carga y procesamiento vectorial.
PUNTOS DE REFERENCIA DE ELASTICSEARCH 9.4
Ingeniería que se refleja en los números
Comparación directa de las tres métricas que definen una base de datos de series temporales (TSDB) de nivel de producción: velocidad de búsqueda, densidad de almacenamiento y rendimiento de ingesta
| Dimensión | Elasticsearch 9.4 | Prometheus | Mimir | ClickHouse |
|---|---|---|---|---|
| Velocidad de consulta Series de tiempo de alta cardinalidad | La línea base más rápida |
Hasta 30 veces más lento | Hasta 30 veces más lento | Hasta 8 veces más lento |
| Densidad de almacenamiento Bytes/muestra | La mejor 3.74 B |
~9.42 B | ~3,95 B | ~6,8 B |
| Rendimiento de ingesta Muestras/segundo | El más rápido 428K/s |
402K/s | 404K/s | ~300K/s |
| Native PromQL No se requiere adaptador | Nativo | ✓ Nativo | ✓ Nativo | Requiere un adaptador |
| Nativos de OTel Sin conversiones de esquema | OTel-first | A través de los exportadores | A través de los exportadores | Mapeo manual |
LA INNOVACIÓN QUE LO HIZO POSIBLE
Desarrollar el motor de métricas columnares de Elasticsearch
Desde la arquitectura de almacenamiento hasta la ejecución de búsquedas, cada parte de nuestra plataforma se ha diseñado con un propósito concreto. Esta es la ingeniería que lo hizo realidad.
Herramienta de migración — vista previa técnica
Migra desde Datadog o Grafana de un día para otro
Convierte automáticamente los dashboards y las reglas de alertas de Datadog y Grafana en Elastic, lo que reduce drásticamente el costo y la complejidad de cambiar de plataforma.
¿Listo para cambiar y ahorrar un 50 % en tu factura de métricas de Datadog?
Empieza a enviar métricas de Prometheus a Elastic
El endpoint de escritura remota de Prometheus no requiere configuración adicional. Una vez que las métricas estén fluyendo, puedes buscarlas con ES|QL con la función PROMQL integrada para la compatibilidad con PromQL, o escribir búsquedas ES|QL nativas para combinar métricas con logs y trazas en el mismo almacén.
Convierte las métricas en acción
Monitorea tu infraestructura a escala. Explora métricas en Discover, crea paneles como código y deja que investigaciones lideradas por IA resalten anomalías, descubran tendencias y automaticen la remediación, para que puedas planear la capacidad y resolver problemas más rápido.
Preguntas frecuentes
¿Puede Elasticsearch reemplazar a Prometheus para el monitoreo de métricas?
¿Puede Elasticsearch reemplazar a Prometheus para el monitoreo de métricas?
Sí. Elasticsearch incluye un Prometheus Remote Write endpoint nativo, soporte de PromQL a través de la función integrada PROMQL en ES|QL, y un motor de métricas columnares diseñado para series de tiempo de alta cardinalidad. Los equipos pueden migrar desde Prometheus en un día convirtiendo de forma automática sus dashboards y reglas de alerta existentes de Grafana.
¿Cómo se compara Elasticsearch con Prometheus en cuanto a la velocidad de las consultas?
¿Cómo se compara Elasticsearch con Prometheus en cuanto a la velocidad de las consultas?
En las pruebas de rendimiento de Elasticsearch 9.4, Elasticsearch consulta series temporales de alta cardinalidad hasta 30 veces más rápido que Prometheus. La eficiencia de almacenamiento también es mayor: Elasticsearch almacena métricas a razón de 3,74 bytes por muestra, en comparación con alrededor de 9,42 bytes para Prometheus.
¿Elasticsearch es compatible de forma nativa con las métricas de OpenTelemetry (OTel)?
¿Elasticsearch es compatible de forma nativa con las métricas de OpenTelemetry (OTel)?
Sí. Elasticsearch es OTel-first y realiza la ingesta de métricas en su formato nativo OpenTelemetry sin conversión de esquemas. Los formatos Prometheus y Beats son compatibles de forma nativa, cada uno almacenado tal cual sin capa de traducción.
¿Cuánto tiempo lleva migrar de Datadog o Grafana a Elasticsearch?
¿Cuánto tiempo lleva migrar de Datadog o Grafana a Elasticsearch?
Elastic proporciona una herramienta de migración (actualmente en vista previa tecnológica) que convierte automáticamente los paneles de control de Datadog y Grafana y las reglas de alerta al formato Elastic/Kibana. Para la migración de Prometheus, conectar Prometheus Remote Write a Elasticsearch solo requiere un cambio de configuración.
¿Qué es una TSDB y por qué es importante para monitorear métricas?
¿Qué es una TSDB y por qué es importante para monitorear métricas?
Una TSDB (base de datos de series temporales) es una base de datos optimizada para almacenar y consultar datos indexados por tiempo, como las métricas de infraestructura. Los flujos de datos de series temporales (TSDS) de Elasticsearch utilizan un motor de almacenamiento columnar que procesa datos en lotes y aplica recorte de ID sintéticas y saltadores de valores de documento para reducir el tamaño de almacenamiento, haciéndolo más rápido y económico que las alternativas tradicionales basadas en filas.
¿Qué hace que el almacenamiento en columnas sea más rápido para las consultas de métricas?
¿Qué hace que el almacenamiento en columnas sea más rápido para las consultas de métricas?
El almacenamiento en columnas hace que las consultas de métricas sean más rápidas porque lee solo las columnas de datos relevantes para una consulta en lugar de escanear filas enteras. En una carga de trabajo de series temporales, esto significa que la base de datos puede extraer solo los valores que necesita, por ejemplo, el uso de CPU en una ventana de 24 horas, sin tocar campos no relacionados. Elasticsearch lleva esto más allá con un motor de consultas vectorizado que procesa datos en lotes, lo que permite tiempos de respuesta inferiores a un segundo incluso en millones de series temporales con alta cardinalidad.