Suivi des logs

Réduisez l'espace de stockage des données de log jusqu'à 65 %. Le mode d'indexation Elasticsearch logsdb optimise l'ordre des données, élimine les doublons en reconstruisant à la volée les valeurs des champs non stockés grâce à la fonctionnalité synthetic _source, et améliore la compression grâce à des algorithmes et codecs avancés, tout en utilisant le stockage en colonnes dans Elasticsearch pour un stockage et une récupération efficaces des logs. Cela permet aux équipes d'observabilité et de sécurité d'étendre leur visibilité et de bénéficier toujours d'un accès immédiat aux données pour l'analyse, sans dépasser leur budget.

Convertissez les données non structurées en ressource précieuse en analysant, transformant et enrichissant les logs pour les cas d'utilisation de toutes les équipes et de chaque suite technologique, quelle qu'en soit la source. Améliorez les performances de requête de vos données de logs structurées grâce au schéma d'écriture, ou tirez parti du schéma de lecture avec les champs d'exécution pour extraire, calculer et transformer les champs au moment de la requête.

Éliminez les angles morts en ingérant toutes les données télémétriques sans exception pour pouvoir résoudre les problèmes. La modélisation uniforme des données avec Elastic Common Schema (ECS) permet de normaliser et de centraliser l'analyse des données provenant de différentes sources. Faites une recherche sur l'ensemble de données contenues dans vos data centers à partir d'une console unique grâce à une recherche inter-clusters puissante.

Gardez un œil sur les logs venant de vos serveurs, machines virtuelles et conteneurs dans une interface intuitive spécifique qui permet de visualiser les logs. Épinglez des champs structurés et explorez les logs associés sans quitter l'écran en cours d'utilisation. Étudiez les logs diffusés en temps réel dans Kibana, comme si vous étiez dans une console.

Identifiez les schémas, tendances et comportements inhabituels afin d'isoler les problèmes de performances et de disponibilité. Le Machine Learning automatique prêt à l'emploi est appliqué à chaque log afin de détecter les éventuels problèmes et d'en déterminer les corrélations. Résolvez les problèmes d'application rencontrés à une vitesse inégalée.