En el blog anterior de la serie de análisis de causa raíz con registros, se explora cómo analizar registros en Elastic Observability con las capacidades de categorización de registros y detección de anomalías de Elastic. La plataforma de Elastic te permite comenzar rápidamente con el aprendizaje automático (ML). No necesita tener un equipo de ciencia de datos o diseñar una arquitectura de sistema. Además, no es necesario mover los datos a un marco de terceros para el entrenamiento de modelos. 

Hay disponibles modelos de aprendizaje automático preconfigurados para la observabilidad y la seguridad. Si no funcionan lo suficientemente bien con sus datos, los asistentes en la herramienta lo guiarán a través de los pocos pasos necesarios para configurar la detección de anomalías personalizada y entrenar su modelo con aprendizaje supervisado. Para comenzar, hay varias características clave integradas en Elastic Observability para ayudar en el análisis, evitando la necesidad de ejecutar modelos de ML específicos. Estas funciones ayudan a minimizar el tiempo y el análisis de los registros.

Se pueden encontrar descripciones generales de las capacidades de alta latencia aquí , y una descripción general de los laboratorios AIOps se puede encontrar aquí .

Informe completo desde el sitio web oficial de Elastic.