作者來自 Elastic Leanne Link, Abhi PandeyElastic Observability 中新的列式指標引擎使公共部門 IT 團隊能夠在一個平臺中整合日志、指標和 traces。因此SRE 可以提升正常運行時間同時在此過程中保護納稅人的資金。公共部門站點可靠性工程師SRE面臨著一系列獨特壓力無論他們支持的是聯(lián)邦機構(gòu)、衛(wèi)生部門、公立大學還是交通管理機構(gòu)。你需要在復雜的混合基礎設施環(huán)境中維持任務關鍵型服務的正常運行時間同時還要面對嚴格的審計和合規(guī)要求。此外你必須向監(jiān)督機構(gòu)、立法者以及所服務的公眾證明每一筆 IT 支出的合理性?？捎^測性工具市場長期以來讓最后一點變得困難具備最佳能力的平臺通常也是最昂貴的平臺而最昂貴的平臺往往會因為現(xiàn)代基礎設施所需的豐富數(shù)據(jù)采集而向你收取額外費用。當成本失控時常見的應對方式就是減少數(shù)據(jù)采集、縮短數(shù)據(jù)保留時間或者完全跳過高基數(shù)指標。在凌晨 2:00 發(fā)生影響公眾服務、學生門戶網(wǎng)站或醫(yī)院系統(tǒng)的故障時缺失的上下文信息可能決定快速解決問題還是經(jīng)歷長時間服務中斷。Elastic 最近推出了重構(gòu)后的指標能力改變了這一局面包括完整的列式指標引擎、原生 Prometheus 和 PromQL 支持、開箱即用的基礎設施內(nèi)容以及基于 agent 的調(diào)查工作流。因此公共部門 IT 團隊可以獲得完整的運營可見性而無需接受過去迫使團隊在覆蓋范圍和預算之間做選擇的成本權衡。使用統(tǒng)一平臺處理日志和指標減少可觀測性債務許多公共部門組織已經(jīng)依賴 Elastic 進行經(jīng)濟高效的日志存儲和保留尤其是為了滿足美國政府相關要求例如 OMB Memorandum M-26-14?，F(xiàn)在同樣值得信賴的日志基礎能力也擴展到了指標領域。大多數(shù)運行現(xiàn)代基礎設施的公共部門組織都已經(jīng)因為工具孤島積累了可觀測性債務一個系統(tǒng)用于日志另一個用于指標還有第三個用于 traces。每種信號都存儲在不同的后端使用不同的查詢語言并且需要不斷切換上下文才能完成關聯(lián)分析。當故障發(fā)生時工程師只能在壓力環(huán)境下手動跨多個互不連接的系統(tǒng)拼湊出完整情況。Elastic Observability 將指標、日志和 traces 存儲在一個統(tǒng)一后端中。當告警觸發(fā)時調(diào)查所需的上下文已經(jīng)被整理好包括關聯(lián)的日志事件、之前出現(xiàn)的指標異?；蛘呦嚓P trace。工程師不需要打開三個不同的標簽頁才能形成初步判斷。機器學習ML異常檢測會自動針對基礎設施指標運行因此告警不僅會顯示原始閾值超出情況還會提供發(fā)生了什么變化以及偏差嚴重程度的上下文信息。對于負責管理公眾依賴服務的公共部門 SRE 來說這意味著更快的平均修復時間。對于管理層來說這意味著更少的長期服務中斷以及更少花費在人工關聯(lián)分析上的人員時間。部署靈活性Cloud、本地部署、隔離網(wǎng)絡環(huán)境Elastic Observability 支持三種部署模式Elastic Cloud Serverless、Elastic Cloud Hosted以及完全自管理的本地部署或隔離網(wǎng)絡air-gapped環(huán)境。與一些限制本地部署能力或者只在托管實例中提供最高價值功能的廠商不同Elastic 的完整能力在這三種模式中均可使用。對于具有嚴格數(shù)據(jù)駐留要求的組織可以在自己的基礎設施中運行完整平臺而無需犧牲功能能力。為預算責任制設計的定價模式公共部門 IT 預算依賴可預測性。多年期合同、預算周期和撥款流程無法適應由不透明定價機制導致的意外賬單。許多商業(yè)可觀測性廠商采用的定價模式會隨著現(xiàn)代基礎設施增長而不可預測地增加成本。按主機收費的費用模式通常會疊加自定義指標費用和容器超額費用導致 Kubernetes 環(huán)境擴展或 OpenTelemetry instrumentation 增強時賬單不斷上漲。成本難以預測因為它們與基數(shù)cardinality相關而基數(shù)正是復雜環(huán)境中可觀測性價值的重要來源。Elastic 的模式完全不同你根據(jù)數(shù)據(jù)量付費而不是根據(jù)擁有多少主機或者系統(tǒng) instrumentation 的粒度付費。在 Elastic Observability Serverless 中采用時間序列數(shù)據(jù)流TSDS索引模式存儲的指標其采集和保留價格均為標準 Observability 每 GB 費率的25%即在批量價格層級下大約為每采集 GB $0.023以及每月保留 GB $0.005。沒有按主機授權費用沒有基數(shù)相關附加費用也沒有通過自定義指標分類來懲罰更豐富 instrumentation 的收費方式最終成本達到 Datadog 和其他廠商的一半。長期數(shù)據(jù)保留也具有明顯的成本優(yōu)勢按照每月約 $0.005/GB 的價格保留一年甚至更長時間的完整精度指標數(shù)據(jù)在經(jīng)濟上是可行的可以支持公共項目通常需要的回溯審計需求。關于定價和部署模式的說明公共部門客戶通常對數(shù)據(jù)存儲位置有不可妥協(xié)的限制。對于美國組織Elastic 已在 AWS GovCloudUS上獲得 FedRAMP Moderate 和 High 級別授權。對于運行Elastic Cloud Hosted或自管理部署的組織包括在機密環(huán)境或高合規(guī)環(huán)境中常見的隔離網(wǎng)絡air-gapped環(huán)境目前 TSDS 指標無需額外付費。在這兩種情況下列式存儲引擎都意味著指標運行所需的基礎設施更少無論采用哪種部署模式都能夠?qū)崿F(xiàn)成本效率。成本節(jié)省背后的工程技術Elastic 新指標能力帶來的性能提升體現(xiàn)了 Elasticsearch 存儲和查詢時間序列數(shù)據(jù)方式的一次根本性重新設計。Elastic 圍繞專門為 TSDS 工作負載打造的列式存儲引擎重新構(gòu)建了指標功能。結(jié)果非常顯著對于 OpenTelemetry 指標現(xiàn)在每個數(shù)據(jù)點僅占用 3.75 字節(jié)而一年前為 25 字節(jié) —— 存儲占用降低了 6.6 倍并且存儲效率最高可比 Prometheus 提升 2.5 倍。時間序列查詢速度相比早期 TSDS 版本最高提升 160 倍相比 Prometheus 最高提升 30 倍同時索引吞吐量提升最高達 50%。對于公共部門 IT 團隊而言這些影響非常直接存儲效率提升意味著可以在不犧牲速度或性能的情況下以過去成本的一小部分保留數(shù)月甚至數(shù)年的完整精度指標數(shù)據(jù)從而支持覆蓋重要時間范圍的趨勢分析、容量規(guī)劃和審計記錄。同時添加新的 Kubernetes 標簽、云標簽或應用維度只會增加數(shù)據(jù)量而不會觸發(fā)定價層級變化或帶來架構(gòu)壓力。原生 Prometheus 支持保護你已經(jīng)構(gòu)建的成果公共部門基礎設施通常以緩慢且謹慎的方式演進。采購周期較長系統(tǒng)集成程度較深并且面向公眾服務的系統(tǒng)存在較高的運營中斷風險。任何平臺遷移都必須保護已有建設成果。大多數(shù)運行現(xiàn)代云和容器化基礎設施的 SRE 團隊都已經(jīng)在基于 Prometheus 的工具體系上投入了大量資源scrape 配置、告警規(guī)則、PromQL 查詢以及 Grafana 儀表板這些都代表了多年的運營經(jīng)驗積累。過去遷移指標后端通常意味著需要重寫所有這些內(nèi)容。Elastic 消除了大部分遷移阻力。Prometheus 指標通過 Prometheus Remote Write 接入并進入同一個列式存儲中同時保持語義不變。PromQL 可以原生運行在 Kibana 中因此現(xiàn)有查詢、儀表板和告警規(guī)則無需修改即可直接遷移。對于希望繼續(xù)使用 Grafana 作為可視化層的組織Elasticsearch 提供了原生兼容 Prometheus 的 API任何兼容的前端都可以直接查詢這意味著團隊可以替換后端同時保留工程師已經(jīng)熟悉的界面。簡化的遷移流程遷移過程可以采用漸進式方式并且大部分可以自動化完成。Observability Migration Platform 是一個基于 CLI 驅(qū)動的工作流可以將支持的 Grafana 和 Datadog 資源轉(zhuǎn)換為 Kibana 原生輸出并生成用于審核結(jié)果的證據(jù)材料將遷移過程從人工重建轉(zhuǎn)變?yōu)檗D(zhuǎn)換與驗證流程。它可以基于導出的資源或?qū)崟r API 工作覆蓋來自 Datadog 和 Grafana 兩種路徑的儀表板和告警內(nèi)容。對于公共部門團隊而言尤其重要的是該工作流還會生成面向?qū)徍巳藛T的證據(jù)材料例如遷移報告、清單、驗證數(shù)據(jù)包和發(fā)布計劃使團隊能夠清楚了解哪些內(nèi)容已經(jīng)成功轉(zhuǎn)換哪些內(nèi)容被降級或標記為需要人工審核以及哪些部分仍需要人工判斷。Elastic 被認可為可觀測性領域領導者Elastic Observability 在市場中的認可度持續(xù)提升。2026 年 7 月Elastic 連續(xù)第三年被評為 2026 Gartner? Observability Platforms 魔力象限Magic Quadrant?領導者。我們認為這一認可體現(xiàn)了 Elastic 對于緊跟市場變化的持續(xù)投入同時為客戶提供通過 Prometheus 和 OTel 標準化帶來的效率提升以及使用單一平臺統(tǒng)一處理日志、指標和 traces 的能力。在我們看來可觀測性市場已經(jīng)不同于我們首次獲得這一認可時的市場環(huán)境。AI 以難以預料的方式加速了遙測數(shù)據(jù)量的增長給存儲成本以及負責管理這些數(shù)據(jù)的團隊預算帶來了壓力。對于 AI 輔助調(diào)查的期望也已經(jīng)從簡單的對話式交互發(fā)展為面向?qū)嶋H運營的 agentic 能力。同時生態(tài)系統(tǒng)也持續(xù)演進OpenTelemetry (OTel) 和 Prometheus 已經(jīng)成為任何嚴肅平臺都需要原生支持的標準而無需承擔 schema 轉(zhuǎn)換帶來的額外成本。我們認為這一認可體現(xiàn)了我們對這些變化的響應。以下是我們認為幫助我們達到這一目標的關鍵因素。日志、指標和 traces 的高成本效率由于 AI 推動遙測數(shù)據(jù)量快速增長整個行業(yè)的成本都在上升。標準應對方式通常是減少存儲數(shù)據(jù)縮短保留周期、更積極地采樣、降低某些數(shù)據(jù)類型的優(yōu)先級。但這種方法會產(chǎn)生累積影響。每丟棄一條遙測數(shù)據(jù)就意味著失去一部分上下文而上下文正是 AI 驅(qū)動調(diào)查所依賴的核心。Elastic 采用了不同的方法。Elasticsearch 存儲日志和 traces 的效率最高可比標準索引提升 4 倍存儲指標的效率最高可比 Prometheus 提升 2.5 倍。它通過一個統(tǒng)一接口運行兩個專門設計的引擎一個針對日志和 traces 優(yōu)化的全文搜索引擎以及一個針對指標優(yōu)化的完整列式引擎。每個引擎都根據(jù)其處理的數(shù)據(jù)特點進行設計這正是效率提升的來源。兩個引擎共享相同的查詢語言、API 和儀表板因此團隊可以通過單一界面處理三種信號類型無需維護獨立后端也無需在不同工具之間切換上下文。在低效平臺上只存儲一部分數(shù)據(jù)的成本高于在 Elastic 上存儲全部數(shù)據(jù)的成本。你的日志中包含答案。Elastic 能找到它。日志是可觀測性中最豐富的信號但由于其非結(jié)構(gòu)化特性以及完整保留成本較高通常沒有被充分利用。大多數(shù)團隊只能根據(jù)存儲預算保留部分日志并且通常只有在故障發(fā)生時才由專家被動地進行日志搜索。Elastic Streams 會自動從原始日志中提取結(jié)構(gòu)、含義和運營上下文將原本依賴專家、被動使用的信號轉(zhuǎn)變?yōu)橹鲃涌捎玫男畔?。它利?AI 自動發(fā)現(xiàn) Knowledge IndicatorsKIs無需工程師提前知道應該搜索什么它會從非結(jié)構(gòu)化數(shù)據(jù)中提取實體和依賴關系使相關上下文在告警觸發(fā)時已經(jīng)準備就緒。基于完整上下文的 AI 驅(qū)動調(diào)查Elastic 提供基于最豐富上下文構(gòu)建的 AI agents 和 機器學習ML能力用于調(diào)查和根因分析RCA。由于遙測數(shù)據(jù)可以高效存儲無需丟棄任何信息同時日志數(shù)據(jù)經(jīng)過充分結(jié)構(gòu)化可以直接用于分析因此 AI 能夠基于完整上下文開展工作。這一切的基礎是檢索層。Elasticsearch 通過語義方式檢索相關日志、指標和 traces而不僅僅依賴關鍵詞匹配。檢索質(zhì)量決定了 AI 能否找到正確上下文而不是僅僅找到近似內(nèi)容。這也是 上下文工程 變得關鍵的原因Elastic 在數(shù)據(jù)采集階段就對遙測數(shù)據(jù)進行結(jié)構(gòu)化和增強標記實體、提取依賴關系并構(gòu)建服務地圖使數(shù)據(jù)在告警觸發(fā)之前就已經(jīng)準備好供 AI 使用。對于需要構(gòu)建自定義調(diào)查工作流的團隊Elastic Agent Builder 和 Workflows 提供了構(gòu)建自定義 AI agents 的基礎能力。Elastic 還提供了開放的 Agent Skills 倉庫可以查詢 Elasticsearch、執(zhí)行 ES|QL并基于結(jié)果進行推理。預配置的異常檢測和日志分類能力多年來一直是該平臺的核心組成部分。所有這些能力都支持基于 agent 的調(diào)查和修復。基于開放標準面向未來選擇封閉技術棧意味著每當生態(tài)系統(tǒng)變化時都需要進行遷移工作。每一次 instrumentation 變化都會帶來工程成本包括新的數(shù)據(jù)處理流程、schema 轉(zhuǎn)換以及數(shù)據(jù)協(xié)調(diào)。在可觀測性領域OTel 正逐漸成為主流 instrumentation 標準而 Prometheus 通常是指標領域的默認選擇。Elasticsearch 從設計之初就是開放的具備 schema 中立性并且從底層構(gòu)建于 OTel 之上。使用 Elasticsearch團隊可以從任何來源接收任何數(shù)據(jù)無論是 Prometheus、OTel 還是其他格式均可原生存儲并直接查詢。數(shù)據(jù)保持原始格式不需要轉(zhuǎn)換層也不會在轉(zhuǎn)換過程中丟失信息。這一認可對我們的意義我們認為連續(xù)第三年被評為 Gartner Magic Quadrant 領導者體現(xiàn)了客戶向我們傳達的信息可觀測性不應該迫使團隊做取舍。團隊應該能夠高效存儲所有遙測數(shù)據(jù)基于開放標準而不是封閉標準進行構(gòu)建并確保 AI 調(diào)查擁有所需的完整上下文。這里討論的四個方面彼此關聯(lián)效率使完整上下文成為可能完整上下文使 AI 調(diào)查更加可靠而開放標準確保行業(yè)發(fā)展變化時已有投入不會被浪費。我們認為這一認可體現(xiàn)了我們在這四個領域持續(xù)取得的進展。閱讀完整報告2026 Gartner? Observability Platforms 魔力象限? 和 2026 Gartner? Observability Platforms 關鍵能力報告 現(xiàn)已發(fā)布。訪問這些報告了解更多關于可觀測性市場的信息以及為什么我們認為 Elastic 被評為領導者。探索 Elastic Observability 如何幫助組織更快調(diào)查問題、監(jiān)控 AI 驅(qū)動應用、采用開放標準并有信心地大規(guī)模運營。GartnerObservability Platforms 魔力象限Padraig Byrne、Martin Caren、D.B. Cummings、Neil Young2026 年 7 月 13 日。GartnerObservability Platforms 關鍵能力Martin Caren、Padraig Byrne、D.B. Cummings、Neil Young2026 年 7 月 13 日。GARTNER 是 Gartner, Inc. 和/或其關聯(lián)公司在美國及國際范圍內(nèi)的注冊商標和服務標志MAGIC QUADRANT 是 Gartner, Inc. 和/或其關聯(lián)公司的注冊商標并經(jīng)許可使用。保留所有權利。Gartner 不認可其研究出版物中描述的任何廠商、產(chǎn)品或服務也不建議技術用戶僅選擇評分最高或獲得其他指定稱號的廠商。Gartner 研究出版物代表 Gartner 研究機構(gòu)的觀點不應被理解為事實陳述。對于此研究Gartner 不提供任何明示或暗示的保證包括任何關于適銷性或特定用途適用性的保證。本文中描述的任何功能或功能發(fā)布時間均由 Elastic 自行決定。當前尚未提供的任何功能或功能可能不會按計劃交付或者可能完全不會交付。該圖表由 Gartner, Inc. 作為更大研究文檔的一部分發(fā)布應結(jié)合完整文檔進行評估。Gartner 文檔可向 Elastic 索取。—本文中描述的任何功能或功能發(fā)布時間均由 Elastic 自行決定。當前尚未提供的任何功能或功能可能不會按計劃交付或者可能完全不會交付。本文可能使用或提及了第三方生成式 AI 工具這些工具由各自所有者擁有并運營。Elastic 無法控制這些第三方工具也不對其內(nèi)容、運行或使用承擔任何責任對于因使用這些工具而產(chǎn)生的任何損失或損害亦不承擔責任。使用 AI 工具處理個人信息、敏感信息或機密信息時請務必謹慎。你提交的任何數(shù)據(jù)都可能被用于 AI 訓練或其他用途。Elastic 不保證你提供的信息能夠保持安全或保密。在使用任何生成式 AI 工具之前你應了解其隱私實踐和使用條款。Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 及其相關標識是 Elasticsearch B.V. 在美國及其他國家/地區(qū)的商標、徽標或注冊商標。所有其他公司和產(chǎn)品名稱均為其各自所有者的商標、徽標或注冊商標。原文Elastic named a Leader in the 2026 Gartner? Magic Quadrant? for Observability Platforms | Elastic Blog