Weissblick - Fotolia

Elastic integriert Machine-Learning-Funktionen in Elastic Stack

Elastic hat Anfang Mai 2017 Release 5.4 des Elastic Stack veröffentlicht. Im Zentrum stehen Machine-Learning-Funktionen zur Erkennung von Anomalien.

Kein selbstbewusstes Daten-Management-Unternehmen arbeitet heute ohne eine gesunde Portion Machine Learning im Herzen seines Technologie-Stacks. Der Suchmaschinen- und Analytics-Anbieter Elastic reagiert auf diese neue Realität, indem er Machine Learning in sein Kernarsenal aufnimmt.

Elastic ist Anbieter der Open-Source-Anwendung Elasticsearch und der Elastic-Stack-Produkte. In Release 5.4 hat Elastic als Ergebnis der jüngsten Übernahme von Prelert im September 2016, einer Plattform für die Analyse von Verhaltensmustern, Machine-Learning-Funktionen integriert. Mit diesen Funktionen lassen sich Zeitreihendatensätze automatisch analysieren.

Welche Funktionen zeugen von den Machine-Learning-Fähigkeiten?

Folgende Funktionen zeigen die integrierten Machine-Learning-Fähigkeiten:

  • Identifikation von Zeitreihenanomalien;
  • Straffung der Ursachenanalyse;
  • Verringerung von False Positives.

Die Technologie soll zum Beispiel verwendet werden, um Infrastrukturprobleme, Cyberattacken oder Business-Probleme in Echtzeit zu erkennen.

„Unsere Vision ist es, die Komplexität herauszunehmen und es für unsere Benutzer einfacher zu machen, maschinelles Lernen innerhalb des Elastic Stack für Anwendungsfälle wie Log-Daten, Security und Metriken bereitzustellen“, sagt Shay Banon, Gründer und CEO von Elastic.

„Ich freue mich, dass unsere neuen, nicht überwachten Machine-Learning-Fähigkeiten unseren Benutzern ein Out-of-the-Box-Erlebnis bieten, um im großen Maßstab Anomalien in ihren Zeitreihendaten zu finden – und das in einer Weise, die eine natürliche Erweiterung der Suche und von Analytics darstellt.“

Elastic Stack 5.4Machine-Laerning-Funktionen in Elastic Stack 5.4 (© Elastic)

Elastic Stack wird von Entwicklern für das Sammeln, Anreichern und Analysieren von Protokolldateien, Sicherheitsdaten, Metriken und Textdokumenten verwendet. Aktuell konzentriert sich Elastic darauf, dass Nutzer Zeitreihendaten wie Log-Dateien, Anwendungs- und Performance-Metriken, Netzwerk-Flows oder Finanz-/Transaktionsdaten speichern und analysieren können.

Warum Machine Learning nicht leicht ist

Laut Elastic ist es ziemlich schwierig, Machine Learning Online zu bringen und einzusetzen. Die größte Herausforderung liegt darin, ein Echtzeit-Betriebssystem für bestehende Arbeitsabläufe und Anwendungsfälle zu entwickeln.

„Klare und teure Data-Science-Fähigkeiten sind notwendig, um die richtigen statistischen Modelle für unterschiedliche, vielfältige Datensätze herauszufinden. Handgefertigte Regeln sind brüchig und erzeugen häufig viele False Positives“, erklärt Banon.

Die neuen Machine-Learning-Fähigkeiten von Elastic integrieren sich in die vertraute Kibana UI. Die Software lässt sich mit einem einzigen Befehl in X-Pack installieren. Weitere Informationen zum Release 5.4 von Elastic erhalten Interessenten im Elastic-Blogeintrag von Steve Dodson.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im Mai 2017 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Erfahren Sie mehr über BI-Management

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close