作者：来自 ElasticGagan Singh

Elastic 被评为 2024 年 Gartner 可观测性平台魔力象限™ 的领导者。随着运营团队处理日益复杂的问题和呈指数级增长的数据，对可观测性平台的需求也在不断演变。生成式 AI 等新兴趋势正在推动主动根本原因检测和解决的范式转变。

我们认为 Elastic 在 2024 年 Gartner 可观测性平台魔力象限中被评为领导者，证明了 Elastic 所实现的创新。随着人工智能的发展、数据复杂性的指数级增长以及客户对业务绩效和连续性的日益关注，Elastic 有能力满足客户未来的可观测性需求，同时帮助他们控制成本。

– Abhishek Singh，Elastic 可观测性总经理

由 Search AI 提供支持的 Elastic Observability 可通过主动洞察和不折不扣的 Search AI 平台帮助防止中断，该平台使客户能够保留和使用所有数据。它可提高运营效率并降低成本，同时确保组织的投资面向未来。

让我们来看看可观察性平台的一些关键考虑因素。

可观测性是一个数据问题

随着应用程序和基础设施的复杂性不断增长，监控复杂系统正在推动对可观测性平台的需求，以便从大量复杂数据中提供上下文洞察。拥有一个可观测性平台，能够在较长时间内以高基数和高维度提取和保留日志、指标、跟踪、分析和业务数据，正日益成为一项关键要求。保留完整的数据可让 SRE 团队通过分析或机器学习 (ML) 功能主动分析趋势和模式，以避免服务中断和停机。

随着组织对提高可见性的需求不断增长，考虑最广泛的遥测类型以确保全面覆盖非常重要。鉴于生成的数据量呈指数级增长，解决方案必须经过精心设计，以大规模呈现相关洞察。

Elastic 的全栈可观测性解决方案可实现端到端可见性，有助于推动工具整合并避免轮换，从而加快根本原因分析。此外，Elastic Common Schema 和写入模式方法通过极快的分析速度，在 PB 级索引数据之间提供了无与伦比的相关性和上下文。

AI 正在改变可观察性实现方式

AI 包括 ML 和不断发展的生成式 AI。可观察性中的 ML 功能推动异常检测，从而加快根本原因分析。但是，由于收集的数据的复杂性和多样性，ML 驱动的异常检测存在局限性，并且经常导致误报和手动故障排除。这些局限性包括：数据保留、遥测数据类型的唯一性、不同的数据格式以及内置 ML 模型的局限性。

生成式 AI 正在将可观察性从手动、繁琐的数据探索和关联过程（用于识别根本原因，通常需要多位专家的干预）转变为更直观、更智能的工作流驱动过程，用于解决问题。这一进步使运营团队无需深入了解即可了解系统行为和影响，从而获得相关的见解，从而实现问题的自动检测、诊断和补救。

虽然生成式 AI 很有前景，但它也容易产生幻觉，而没有私人数据背景的大型语言模型 (LLM) 往往意义不大，甚至完全具有误导性。

借助 Elastic Observability，我们提供最快的解决方案、无限的保留和无与伦比的开放性，以降低成本和统一的见解实现运营效率，所有这些都由我们久经考验的 Search AI 提供支持。利用我们的上下文感知故障排除功能，以交互方式自动显示 PB 级索引和关联数据的根本原因。通过 GenAI 和你的私人信息增强，轻松显示相关且准确的见解，从而提高 SRE 生产力。

此外，通过 Elastic Common Schema 将开箱即用和自带的 ML 模型应用于所有数据类型的丰富和标准化遥测，从而获得主动检测和补救，从而更快地进行根本原因分析。

全栈可观察性不应该成本过高

有效的可观察性平台依赖于其在不花费过多成本的情况下长时间采集和保留所有可观察性数据的能力。通常，由于成本增加，运营和开发团队必须在多个方面做出妥协：

1. 复杂的定价方案和 SKU，其中可观察性功能单独定价，导致不可预见的成本
2. 需要增加每种遥测类型的数据保留期以满足业务需求，通常会产生额外成本
3. 在添加和使用必要的自定义元数据时，存储成本呈指数级增长

一种常见的解决方案是仅监控环境中的 Tier 1 应用程序，但这些妥协通常会导致运营盲点。潜在的影响？客户在运营团队之前发现性能问题，相互指责，以及问题识别和解决速度较慢。

借助 Elastic Observability，你的组织可以通过统一的数据存储、高性能数据层和分布式搜索以较低的成本实现无与伦比的规模和分析，从而提供单一管理平台体验。通过提取和存储高基数数据并无限保留，以经济高效的方式消除监控盲点。

面向未来构建的开放式可观测性平台

随着组织在可观测性采用方面的日趋成熟，对可观测性平台开放且可扩展的需求也日益增加。该战略的一个关键要素是 OpenTelemetry (OTel) 的持续成熟和采用，它使运营团队能够做出长期决策，而不会被锁定在特定供应商身上。在 OpenTelemetry 中，指标、日志和跟踪是可供生产采用的tgcode功能，最近引入的持续分析可能是第四个信号。OpenTelemetry 为标准化所有遥测数据的采集和保留提供了行业领先的途径。

借助 Elastic Observability，你可以通过开放式、可扩展的解决方案避免供应商锁定和面向未来的投资，该解决方案可与你的生态系统无缝集成并提供功能最齐全的 OpenTelemetry 功能。无论你选择我们灵活的云部署模式还是本地部署模式，Elastic Observability 都能为你的所有遥测数据带来 Search AI 的强大功能，同时还能确保数据隐私。

要详细了解 Elastic 为何被评为 Gartner 可观察性平台魔力象限领导者，请下载报告。

Gartner，可观测性平台魔力象限，
Gregg Siegfried、Padraig Byrne、Mrudula Bangera、Matt Crossley，2024 年 8 月 12 日。

GARTNER 是 Gartner, Inc. 及其附属公司在美国和国际上的注册商标和服务标志，MAGIC QUADRANT 是 Gartner, Inc. 及其附属公司的注册商标，经许可在此使用。保留所有权利。

Gartner 不认可其研究出版物中描述的任何供应商、产品或服务，也不建议技术用户仅选择评级最高或其他指定的供应商。Gartner 研究出版物包含 Gartner 研究组织tgcode的意见，不应被视为事实陈述。Gartner 对本研究不作任何明示或暗示的保证，包括任何适销性或特定用途适用性的保证。

---

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制第三方工具，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎行事。你提交的任何数据都可能用于 AI 培训或其他目的。我们无法保证你提供的信息将得到安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticseatgcoderch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：Elastic named a Leader in the 2024 Gartner Magic Quadrant for Observability Platforms | Elastic Blog