Bénéficiez d'une visibilité en temps réel sur votre écosystème Kubernetes

Rassemblez les logs, indicateurs et traces de votre cluster Kubernetes, ainsi que les charges de travail qui s'y exécutent, dans une solution unique et unifiée. Avec la découverte de services dynamique, la gestion centralisée des agents et les données télémétriques enrichies de vos clusters, vous pouvez identifier rapidement les problèmes qui se trouvent dans vos applications, services et environnement.

Utilisez une instance Elastic Agent gérée de manière centralisée pour bénéficier d'une visibilité sur vos déploiements Kubernetes sur EKS, AKS, GKE ou les clusters autogérés.
En savoir plus
Gérez et monitorez votre environnement Kubernetes avec Elastic Observability.
En savoir plus
Utilisez l'observabilité et la sécurité pour une application OpenTelemetry sur votre cluster Kubernetes.
En savoir plus

Découverte automatique de charges de travail dynamiques avec des tableaux de bord prêts à l'emploi

Qui dit charges de travail dynamiques, dit monitoring dynamique. Et lorsque vous exécutez des applications dans des conteneurs, les charges de travail deviennent éphémères. Elastic découvre automatiquement ces modifications et vous permet de garder un œil sur vos services et composants Kubernetes, où qu'ils s'exécutent, tandis que l'enrichissement des métadonnées à l'ingestion vous permet de filtrer, tracer et identifier les attributs communs du système. Consultez ces changements ainsi que les indicateurs, logs et analyses associés dans des tableaux de bord complets prêts à l'emploi.

Exploitez les standards ouverts

Les intégrations Elastic sont nativement compatibles avec des standards ouverts comme OpenTelemetry, Prometheus et Istio pour les indicateurs et bien plus encore. Grâce à PromQL, collectez, transformez et visualisez vos indicateurs Prometheus existants.

En plus d'Elastic Agent, les outils natifs pour ingérer des logs, des indicateurs et des traces, avec la prise en charge de standards ouverts, y compris OpenTelemetry pour les indicateurs et les traces, des indicateurs Prometheus et plusieurs options d'ingestion pour les indicateurs Prometheus ainsi que des indicateurs Istio, sont pris en charge via des intégrations ; les requêtes PromQL pour la collecte d'indicateurs sont également prises en charge.

Illustration

Visibilité de bout en bout depuis l'application, Kubernetes, vers le cloud

En plus de fournir une visibilité dans vos services d'application, Elastic APM met également ces dernières en corrélation avec le Kubernetes et les composants cloud associés. Le Machine Learning d'Elastic fournit les informations supplémentaires sur les problèmes liés entre les couches.

Une analyse approfondie de votre écosystème

Bénéficiez d'informations approfondies concernant votre cluster Kubernetes et les services qui y sont exécutés, y compris les nœuds Kubernetes, les composants du plan de commande et les charges de travail. Naviguez rapidement vers les logs, indicateurs et traces associés, en contexte, pour résoudre les problèmes plus rapidement et de façon plus efficace.

Screenshot

Exécutez vos architectures Kubernetes en toute confiance

Dans le cadre d'une analyse ad hoc, une expérience où la corrélation et la contextualisation sont prédominantes permet de réduire la complexité liée à la distribution des architectures de microservices et de mettre plus facilement au jour les problèmes rencontrés. Utilisez les capacités de Machine Learning d'Elastic pour améliorer la gestion de vos clusters Kubernetes.

  • Informations exploitables

    L'alerting basé sur les seuils vous permet de suivre facilement les performances et la disponibilité par rapport à vos SLO/SLA Kubernetes. Appuyez-vous sur les budgets d'erreurs pour déterminer quand déployer de nouvelles fonctionnalités et mises à jour dans votre écosystème.

  • Révélez les inconnues

    Repérez les anomalies dans les temps de réponse ou les taux d'erreur avec la détection des anomalies basée sur le Machine Learning. Identifiez les services ou les régions géographiques qui posent problème afin de mettre au jour les inconnues présentes dans vos logs Kubernetes avec la catégorisation des logs.

  • Corrélation automatisée

    Analysez les transactions qui posent problème et déterminez les facteurs qui contribuent à la création du problème, que ce soit au niveau de l'application, de l'environnement ou d'un pod spécifique.