Elastic ajoute machine learning à la Suite Elastic

Les premières fonctionnalités de machine learning non supervisé simplifient la détection d'anomalies dans des données temporelles

Mountain View, Californie et Amsterdam, Pays-Bas - 04 May 2017

Elastic, l'entreprise à l'origine d'Elasticsearch et de la Suite Elastic, la collection de produits open source la plus utilisée au monde pour la recherche, le logging et l'analyse de données, annonce le lancement des premières fonctionnalités de machine learning dans sa version 5.4. Basées sur la récente acquisition de Prelert, ces nouvelles fonctionnalités répondent à la demande croissante des clients de pouvoir utiliser la technologie de machine learning sans recourir à des experts en interne ou à des développements complexes. Les nouvelles fonctionnalités de machine learning sont faciles à déployer et s'adaptent à n'importe quel type de données temporelles. Elle permet d'identifier automatiquement les anomalies, de rationaliser l'analyse des causes et de réduire le nombre de faux positifs au sein d'applications en temps réel. Les entreprises qui souhaitent déceler les problèmes d'infrastructure, les cyber-attaques ou les problèmes métier en temps réel tireront rapidement parti de cette technologie.

« Notre vision est d'éliminer toute complexité et de simplifier le déploiement de machine learning au sein de la Suite Elastic, pour des cas d'utilisation comme le logging, la sécurité et le suivi indicateurs » explique Shay Banon, fondateur et PDG d'Elastic. « Je suis ravi qu'Elastic propose désormais des fonctionnalités de machine learning non supervisé qui fourniront à nos utilisateurs une expérience prête à l'emploi et scalable, leur permettant de détecter les anomalies dans leurs données temporelles. Ces nouvelles fonctionnalités constituent le prolongement naturel des fonctions de recherche et d'analyse. »

Alors que les entreprises cherchent à obtenir et à exploiter des indicateurs en temps réel, les outils de la Suite Elastic sont de plus en plus utilisés par les développeurs et équipes opérationnelles informatiques pour recueillir, enrichir et analyser les fichiers de log, les données de sécurité, les indicateurs, les documents textes et autres. Cependant, les données générées par ces entreprises sont de plus en plus nombreuses et complexes, aussi les approches traditionnelles d'analyse de données deviennent obsolètes. Bien que certains outils de machine learning tiers soient prêts à l'emploi et permettent de créer des modèles statistiques, encore faut-il être capable de développer des systèmes opérationnels en temps réel pour les workflows et cas d'utilisation existants. Il faut donc faire appel à des compétences en data science à la fois rares et onéreuses pour identifier les modèles statistiques corrects pour chaque ensemble de données. Cependant, les règles établies manuellement sont instables et génèrent souvent des faux positifs.

Désormais disponible dans la version 5.4 en tant que fonctionnalité de X-Pack, machine learning détecte automatiquement les anomalies dans des données temporelles, comme les fichiers de logs, les indicateurs d'applications et de performance, les flux réseau, les données financières ou de transactions. En utilisant les données existantes et continues stockées dans Elasticsearch, les nouvelles fonctionnalités de machine learning d'Elastic proposent aux utilisateurs une solution prête à l'emploi pour exploiter leurs workflows et cas d'utilisation comme le logging, l'analyse de sécurité et les indicateurs en temps réel. Ils peuvent également créer des tâches de machine learning sophistiquées dans l'interface utilisateur Kibana qu'ils connaissent déjà, le tout sans intégration complexe. Ces fonctionnalités présentent également d’autres avantages :

  • Installation dans Elasticsearch et Kibana à l'aide d'une seule commande dans le cadre de X-Pack
  • Intégration native dans la Suite Elastic, nul besoin de transférer des données hors d'Elasticsearch
  • Interface utilisateur intuitive pour créer des tâches de machine learning et analyser la détection d'anomalies sur de nombreux types de données (messages de logs, trafic réseau, indicateurs)
  • Fonctionne dans Elasticsearch : scabilité et haute disponibilité
  • Prise en charge totale des fonctionnalités d'alerting de X-Pack pour des notifications réactives

En savoir plus

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.

Contacts presse 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