대규모의 Observability 데이터 세트를 사용 및 처리하여 비즈니스와 가장 관련성이 높은 정보를 신속하게 파악하세요. Elastic Observability는 도메인별 머신 러닝 및 이상 징후 탐지를 활용하여 노동 집약적인 문제 해결을 줄이고 팀이 혁신과 미래의 변화에 집중할 수 있도록 분류 작업을 간소화합니다.
비즈니스든 운영이든 관계없이, 지도 및 비지도 머신 러닝을 모든 유형의 로그, 추적, 이벤트 또는 메트릭 데이터에 적용하세요. 도메인별 기능을 통해 이상값 및 이상 징후 탐지, 추세 예측, 패턴 검색, 로그 분류 등을 수행하세요. 사용자 정의 가능한 기본 제공 머신 러닝 모델의 광범위한 개방형 라이브러리에서 선택하거나 자체 모델을 구축, 테스트 및 배포하세요. 릴리즈 간에 자동으로 회귀 분석을 수행하고 급변하는 마이크로서비스 기반 클라우드 기본 환경에서 애플리케이션 또는 인프라 변경이 다운스트림에 미치는 영향을 파악하세요.
성능과 확장성을 모두 갖춘 머신 러닝 엔진을 통해 페타바이트 단위의 Observability 데이터에서 몇 분 이내에 답변을 추출하세요. 일반적인 사용 사례에 맞게 사전 구성된 모델, 사용하기 쉬운 마법사 기반 워크플로우 및 통합 데이터 탐색 도구를 사용하여 조직에서 데이터 과학자가 아닌 인력(SRE 팀 및 비즈니스 사용자)이 머신 러닝 및 분석을 자유롭게 이용할 수 있도록 하세요. 개방형 머신 러닝 모델은 수준 높은 사용자에게 "내부의 작동 방식"을 보고 원하는 대로 사용자 정의할 수 있는 유연성을 제공합니다.
지연 시간이 길거나 잘못된 트랜잭션과 상관 관계가 있으며 전체 서비스 성능에 가장 큰 영향을 미치는 애플리케이션 및 인프라 데이터 세트의 속성을 자동으로 표시하세요. 머신 러닝 기반 상관 관계는 Observability 데이터에서 알려지지 않은 불확실한 일을 정확히 파악하여 근본 원인을 더 빨리 찾는 데 도움이 될 수 있습니다. 자동 로그 분류를 통해 수백만 줄의 비정형 로그 데이터를 몇 개의 범주로 줄임으로써 이벤트를 신속하게 분석하고 조치를 취하세요. 자동 이상 탐지를 사용하여 로그의 비전형적인 패턴, 서비스 성능 저하, 로그 속도 급증, 비정상적인 트랜잭션 활동 또는 리소스 활용률 급증과 같은 문제를 식별하세요.
특정 조건을 충족하는 이상 징후가 탐지되면 상황별 경보 알림을 수신하세요. Elastic Observability 내에서 서비스 문제를 직접 열고 추적하기 위한 인시던트 관리 프로세스를 시작하는 사례를 개시하세요. 내장된 PagerDuty, ServiceNow, Jira, Microsoft Teams, Slack 및 이메일 통합 기능을 사용하여 경보를 작업에 연결하세요. Elastic Stack의 강력한 웹 후크 출력을 활용하여 조직에 중요한 서드파티 시스템과 연결하고 팀의 워크플로우와 통합하세요.
