使用 AI 助手、OTel 标准化、持续性能分析和增强日志分析来变革可观测性

Elastic Observability 提供精准的洞察，通过 AI 助手、基于 OpenTelemetry (OTel) 的标准化解决方案、扩展至性能分析功能以及增强的日志分析，加速问题解决。

随着 AI 和生成式 AI 的兴起，可观测性正进入一个更加现代化的时代。这些 AI 技术的普及使得可观测性从一个手动、被动的过程，向更主动的 AI 驱动方法转变，能够自动诊断问题并进行修复。

过去，单体应用程序运行在数据中心，软件更新是很少发生的事情。运维团队依赖服务器、网络和存储工具来监控其技术孤岛，手动分析数据，并通过电话会议与他人一起识别、分类和解决问题。随着云计算的出现及其复杂性、基础设施的抽象化和更快的开发周期，运维和 SRE 团队需要可观测性来应对这些新的“未知的未知”。尽管可观测性工具使得连接点稍微变得容易了一些，但整体工作仍然是手动的，并且面临工具孤岛和成本急剧增加的挑战。

凭借在 AI 和机器学习 (ML)、向量数据库、Elasticsearch 相关性引擎 (ESRE) 和检索增强生成 (RAG) 方面的多年经验和创新，Elastic 处于有利地位，可以引领 IT 团队进入这个由 AI 驱动的可观测性新时代——将指标、日志、跟踪和性能分析整合到一个平台中，提供可操作的洞察。

正如 RedMonk 高级分析师 Kelly Fitzpatrick 所述：

2023 年的可观测性挑战在于导航变革性技术和新兴标准，同时管理日益复杂的系统。Elastic 致力于帮助组织应对这些挑战，通过设计用于适应这一不断演变的操作环境的工具。通过其可观测性的 AI 助手，以及对 OpenTelemetry 的持续承诺和 Universal Profiling 的全面可用性，Elastic 旨在帮助 SRE 团队更好地管理系统的成本和复杂性。

使用交互式 Elastic AI 助手，通过情境感知的可操作洞察提升运营智能

Elastic 利用其多年的机器学习专业知识和与生成式 AI 平台的集成，通过相关的、情境感知的 AI 驱动洞察来变革可观测性。Elastic AI 助手可观测性（现处于技术预览阶段），由 Elasticsearch 相关性引擎 (ESRE) 提供支持，增强了对应用程序错误、日志消息和警报的理解，同时提供优化代码效率的建议。此外，Elastic AI 助手的交互式聊天界面允许 SRE 在一个地方交互地聊天和可视化所有相关的遥测数据，同时利用专有的内部信息进行修复。

Elastic 允许用户向助手提供私有数据，如操作手册、过去事件的历史、案例历史等。使用由 Elastic Learned Sparse EncodeR (ELSER) 提供支持的推理处理器，助手可以访问最相关的数据来回答特定问题或执行任务。助手可以通过持续使用和引导学习来学习和增长其知识库。SRE 可以教助手解决特定问题，以便将来在该场景下提供支持，并帮助撰写停机报告、更新操作手册和增强自动修复功能。通过 Elastic AI 助手和机器学习功能的结合，SRE 可以更快、更主动地定位和解决问题，消除繁琐的手动数据检索过程。

services

通过将内部、业务特定的信息与 LLM 集成，Elastic AI 助手提供高度相关的结果，帮助加速问题识别和解决，极大提升团队的 AIOps 能力。

了解更多关于 Elastic AI 助手如何提供情境感知洞察 来解决可观测性问题。

通过标准化 OpenTelemetry、增强日志分析和 Universal Profiling 提高运营效率

Elastic 对 OpenTelemetry 的进一步承诺

Elastic 提供对 OpenTelemetry 的原生支持，并致力于未来大多数用户将选择 OTel 作为其 Elastic Observability 和 Elastic Security 的 Schema 架构和数据收集架构。基于其对 OpenTelemetry (OTel) 的 Elastic Common Schema (ECS) 贡献，Elastic 正在巩固其建立 OpenTelemetry 作为行业标准的承诺和投资。这使得客户能够采用开放标准并实现开放摄取的好处。Elastic 正在继续对 OpenTelemetry 做出更多贡献，这将使 SRE 能够使用标准化方法摄取指标、日志和跟踪，以降低成本、增加可见性和实现供应商独立性。

services-inventory

dotnet-login-otel-auto

了解如何使用 OpenTelemetry 和 Elastic 来为流行语言进行仪器化，采用标准化的开放日志格式 (ECS)，并使用 AI 和 ML 分析数据，以实现 使用 OpenTelemetry 达到供应商独立性。

通过 Universal Profiling 优化计算效率

Elastic 的 Universal Profiling™ 现已全面开放，允许企业实现成本控制、资源优化和可持续增长。复杂的云原生环境通常会给 SRE 团队带来盲点，因为许多组件无法被埋点监控。Universal Profiling 在零埋点和低开销下，始终开启，能够通过查看第三方库来定位性能瓶颈，从而加快问题解决，同时还可以帮助组织降低云成本并减少基础设施的碳足迹。Universal Profiling 赋予 SRE 深入了解消耗资源代码的能力，以帮助优化计算周期并快速识别和解决瓶颈。

universal profiling

增强的日志分析之旅

Elastic 的增强日志分析之旅为 SRE 提供了自动分类日志的能力，通过其独特的日志路由处理器进一步处理和丰富日志数据，并支持 AI 进行日志分析。使用 Elastic 的机器学习算法，SRE 可以自动分析日志峰值、模式检测、异常发现和变化点检测。Elastic Observability 的日志摄取现在支持 OpenTelemetry 的开放摄取和数百个即插即用的集成和自定义格式，所有这些都具有最佳的成本和性能。Elastic 的增强日志之旅结果是降低存储成本、提高运营效率和缩短解决时间。

了解更多关于 日志管理之旅以及 Elastic 如何提供帮助。

log rate analysis

实现可观测性未来的愿景

Elastic 继续创新并实现其全栈可观测性解决方案，帮助 SRE 团队通过可操作的洞察管理复杂的混合和多云环境。Elastic 在 AI 和机器学习方面的投资，以及统一、开放和灵活的平台，继续满足客户需求，并将帮助变革可观测性的未来。