Elastic Observability：面向当今“永远在线”世界的解决方案
内容提要
Elastic Observability 是基于 Elastic Stack 的统一可观测性平台，面向“永远在线”应用，整合指标、日志和追踪数据，支持云原生与分布式系统。它提供合成监控、APM、350 多个集成、通用分析、机器学习驱动的异常检测及 SLO 监控，帮助 SRE 提升运营效率、降低成本、缩短故障修复时间。
延伸解读
SLO 监控仍处测试阶段
文章提到 Elastic 新推出的 SLO/SLI 监控能力目前处于 beta 阶段，需要联系销售代表才能获取访问权限。这意味着该功能尚未正式开放，企业若计划采用，需提前与 Elastic 沟通，并评估测试版可能存在的稳定性与支持风险。
开放数据模型降低集成成本
Elastic 通过 Elastic Common Schema（ECS）和原生 OpenTelemetry 支持，允许用户在不修改现有数据管道的情况下接入自定义数据。这减少了 ETL 和工具改造的工作量，使平台能更平滑地融入现有运维流程，适合已有数据规范的企业。
机器学习能力开箱即用
Elastic Observability 内置了基于 10 年研发的机器学习功能，如异常检测、日志峰值分析和 APM 延迟关联，无需用户自行训练模型。同时支持导入自定义模型，兼顾了易用性与灵活性，适合不同机器学习成熟度的团队。
时序数据库助力成本控制
文章指出 Elastic 的时序数据库（TSDB）通过降采样和高效存储，可降低遥测数据的存储成本。对于产生海量指标、日志和追踪数据的云原生环境，这一特性有助于在保持可观测性的同时优化运营支出。
Q&A
Elastic Observability 是什么？它基于什么构建？
Elastic Observability 是一个基于 Elastic Stack 的统一可观测性平台，整合指标、日志和追踪数据，支持云原生与分布式系统，帮助 SRE 监控、聚合和分析遥测数据。
Elastic Observability 如何帮助 SRE 提升运营效率？
它通过整合所有遥测数据并结合业务数据，提供合成监控、APM、350 多个集成、通用分析、机器学习驱动的异常检测和 SLO 监控等能力，帮助 SRE 提高生产力、降低成本、缩短故障修复时间。
Elastic Observability 的 SLO 监控功能有哪些具体能力？
SLO 功能允许定义自定义 SLO（如延迟、可用性或基于 KQL），管理基于发生或时间片的预算，设置滚动或日历时间窗口；监控和跟踪 SLO 值、预算、健康状态和警报；并可通过预算燃烧率或预设阈值对 SLO 违规进行告警。该功能目前处于 beta 阶段。
Elastic Observability 如何利用机器学习提升可观测性？
它利用 10 年机器学习开发经验，提供开箱即用的异常检测、日志峰值分析和日志分类、APM 中跟踪分布的自动错误和延迟关联等 AIOps 能力，无需构建或修改模型即可发现模式、预测趋势和定位根因。
Elastic Observability 支持哪些开源技术和数据集成？
它支持 OpenTelemetry、Istio、Prometheus 等开源项目，提供超过 350 个开箱即用集成，支持 AWS、Azure、GCP、Kubernetes、无服务器、数据库、Kafka、RabbitMQ、开发工具等数据源，并允许通过 Elastic Common Schema (ECS) 引入自定义数据模型。
Elastic Observability 如何帮助降低成本？
通过时间序列数据库 (TSDB) 提供指标、日志和追踪的统一视图，并利用降采样能力提高存储效率，降低遥测数据的存储成本，从而改善运营成本指标。
