实时了解您的 Kubernetes 生态系统

将来自 Kubernetes 集群(以及在其上运行的工作负载)的日志、指标和跟踪信息整合到一个统一的解决方案中。动态服务发现、集中代理管理以及来自集群的丰富遥测数据使您能够快速识别应用程序、服务和环境中的问题。

使用集中管理的 Elastic 代理来了解您在 EKS、AKS、GKE 或自管集群上的 Kubernetes 部署。
了解更多
使用 Elastic 可观测性管理和监控您的 Kubernetes 环境。
了解更多
对 Kubernetes 集群上的 OpenTelemetry 应用程序使用可观测性和安全性。
了解更多

使用开箱即用的仪表板自动发现动态工作负载

动态工作负载需要动态监控,当您在容器中运行应用程序时,它们会变得短暂。Elastic 会自动发现这些变化,并让您随时关注 Kubernetes 服务和组件(无论它们在何处运行),而摄取时的元数据增强功能使您能够过滤、跟踪和识别系统的常见属性。在全面的开箱即用仪表板中查看这些变化以及相关的指标、日志和分析。

利用开放标准

Elastic 集成本机支持 OpenTelemetry、Prometheus 和 Istio 等开放标准,用于指标等等。使用 PromQL 收集、转换和可视化您现有的 Prometheus 指标。

除了 Elastic 代理之外,还支持使用本机工具来摄取日志、指标和跟踪,并支持开放标准,包括用于指标和跟踪的 OpenTelemetry、Prometheus 指标和 Istio 指标,并支持 PromQL 查询以进行指标收集。

Illustration

从应用程序、Kubernetes 到云的端到端可见性

Elastic APM 不仅可以提供对应用程序服务的可见性,还可以将它们与相关的 Kubernetes 和云组件相关联。Elastic 机器学习提供了对层之间相互关联问题的更多见解。

对整个生态系统进行深入分析

深入了解您的 Kubernetes 集群和在其上运行的服务,包括 Kubernetes 节点、控制平面组件和您的工作负载。在上下文中快速导航到相关的日志、指标或跟踪,以实现更快、更高效的故障排除。

Screenshot

自信地运行您的 Kubernetes 架构

用于临时分析的关联和上下文化体验降低了与分布式微服务架构相关的复杂性,并更容易地发现问题。使用 Elastic 的机器学习功能来改进 Kubernetes 集群的管理。

  • 可操作的见解

    基于阈值的警报使您能够轻松跟踪相对于 Kubernetes SLO/SLA 的性能和可用性。使用错误预算来确定何时在您的生态系统中部署新功能和更新。

  • 发现未知的未知

    使用基于机器学习的异常检测来检测响应时间或错误率中的异常值。使用日志分类识别有问题的服务或地理位置,以发现 Kubernetes 日志中的未知未知。

  • 自动关联

    分析有问题的交易并自动识别促成因素,以找到问题的根本原因,无论它们是与应用程序、环境还是特定 Pod 相关。