SolutionsNews

Elastic 在 Elastic Stack 中新增 Machine Learning

  •  
  •  
  •  

 

首批無監督式機器學習功能    將簡化時間序列用例的異常檢測

 

Elastic 宣布在 Elastic 5.4 版本中首次推出機器學習功能。Elastic 旗下擁有使用最廣泛的開源產品 ElasticsearchElastic Stack,用於解決搜索、日誌和分析等任務關鍵型用例。

 

消除複雜性

 

現在,客戶希望在無需內部專業知識和定制開發的情況下,即可利用機器學習技術。Elastic在近期收購 Prelert 之後,新的機器學習功能解決了客戶日益增長的需求。Elastic 新的機器學習功能具備適用於任何時間序列數據集的現成解決方案,能夠自動識別異常、簡化根源問題分析並減少實時應用程序中的誤報。公司要想實時地發現基礎設施問題、網絡攻擊或業務問題,可以利用這項技術迅速獲得商業效益。

 

Elastic 創始人兼行政總裁Shay Banon 介紹說:「我們希望消除複雜性,讓用戶輕鬆地在Elastic Stack 中部署機器學習,用於日誌、安全和指標等用例。我們新推出的無監督式機器學習功能將為我們的用戶帶來開箱即用的體驗,大規模查找時間序列數據中的異常,這一點讓我感到非常振奮。這個新功能在某種程度上來說,是搜索和分析功能的自然延伸。」

隨著越來越多的組織想要獲取實時洞察並將洞察用於實際操作,作為一款使用最廣泛的工具之一,Elastic Stack 已經被開發人員和IT 運營團隊應用於收集、充實和分析日誌文件、安全數據、指標、文本文檔等。但是,隨著這些組織收集的數據變得越來越多、越來越複雜,傳統的數據分析方法開始無法滿足實際需求。儘管可以利用一些第三方現成的機器學習工具包來創建統計模型,但是需要為現有的工作流和用例開發實時的業務操作系統,這才是最大的挑戰。要想為各種不同的數據集創建統計模型,需要藉助資源稀缺且代價高昂的數據科學技能,而且人工製定的規則不可靠,並會產生很多誤報。

 

現在,首批 Elastic 無監督式機器學習功能已經加入 5.4 版本,作為 X-Pack 的一項功能。能夠實現時間序列數據(例如,日誌文件、應用程序和性能指標、網絡流量、財務/交易數據)異常檢測的自動化。通過利用Elasticsearch 中存儲的現有數據和連續數據,Elastic 的新的機器學習功能將為用戶帶來開箱即用的體驗,供用戶實時地實施工作流和各種用例,例如日誌、安全分析和指標分析;利用熟悉的用戶體驗友好的Kibana UI 創建複雜的機器學習作業;最大限度地降低複雜度,減少費力的整合。其他優點包括:

 

  • 通過單個命令即可作為 X-Pack 的一部分裝入 Elasticsearch 和 Kibana
  • 與 Elastic Stack 原生集成;無需將數據移出 Elasticsearch
  • 可通過直觀的 UI 創建機器學習作業,分析各種數據類型(日誌消息、網絡流量、指標)的異常檢測結果
  • 在 Elasticsearch 中運行 – 具備高可擴展性和高可用性
  • 完全支持 X-Pack 預警功能,可實現主動式通知

  •  
  •  
  •  

Tony Lai

IT Pro 記者。如有任何科技新聞及消息提供,歡迎電郵聯絡。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *