Elastic herdefinieert observability met AI-gedreven oplossing Streams
Elastic heeft Streams aangekondigd, een agentic AI-aangedreven oplossing die herdefinieert hoe teams met logbestanden werken, waardoor incidenten veel sneller kunnen worden onderzocht en opgelost. Streams maakt gebruik van AI om ruwe logbestanden automatisch op te delen en te ontleden om relevante velden eruit te halen, waardoor Site Reliability Engineers (SRE’s) veel minder moeite hoeven te doen om logbestanden bruikbaar te maken.
Streams brengt ook automatisch belangrijke gebeurtenissen, zoals kritieke fouten en afwijkingen, naar voren uit contextrijke logbestanden, waardoor SRE’s vroegtijdig worden gewaarschuwd en een duidelijk overzicht krijgen in hun workloads. Hierdoor kunnen ze problemen sneller onderzoeken en oplossen.
SRE’s worden vaak overweldigd door dashboards en waarschuwingen die laten zien wat niet goed werkt en waar, maar die niet aangeven waarom. Deze brede focus op het visualiseren van symptomen dwingt engineers om handmatig naar antwoorden te zoeken. Het cruciale ‘waarom’ ligt begraven in logbestanden, maar door hun enorme omvang en ongestructureerde aard heeft de sector ze terzijde geschoven of behandelt ze als tweederangs. Dit heeft teams gedwongen tot kostbare compromissen: ofwel talloze uren besteden aan het bouwen van complexe datapijplijnen, waardevolle log gegevens weggooien en het risico lopen op kritieke hiaten in de zichtbaarheid. Kortom, loggen en vergeten.
Streams pakt deze uitdaging aan door de volledige logpijplijn opnieuw te ontwerpen. Het maakt gebruik van het Elasticsearch-platform om AI-gestuurde ‘parsing’ te combineren, die zich automatisch aanpast aan nieuwe logformaten. In plaats van SRE’s te dwingen om door ruis te spitten, brengt Streams automatisch belangrijke gebeurtenissen naar voren, zoals out-of-memory-fouten, interne serverstoringen en kritieke opstart- of afsluitvoorvallen. Deze gebeurtenissen fungeren als bruikbare markeringen, die een duidelijk onderzoekspunt bieden en een vroege waarschuwing geven voordat het impact heeft op een service.
