更新时间:2022-10-27 09:13:33
► 海量日志全局检索
以金融行业为例,通常存在上百个业务系统,每天产生几 TB 的日志数据,海量数据基于原始的数据查询方式已无法应对。面对这种应用场景,通过搜索模块可实现基于日志分组、时间、关键词、字段、SPL 语句等多维度方式的全局数据检索,大幅度提升运维人员故障排查或日常巡检等运维效率。
► 多维度可视化报表
通过仪表盘可对运维日志数据进行聚合分析并生成各类实时报表,对各类运维数据(应用日志、系统日志、交易日志等)进行多维度、多角度的深入分析及可视化展现,以业务视角实时展示各种业务指标,为用户在合理优化业务性能等方面提供更直观、更精准的数据分析支撑。
► 基于服务监控场景的实时告警
网络质量或性能稳定对于业务系统来说至关重要。根据对历史运维日志数据的挖掘和分析,通过告警规则以及告警场景的配置,设定告警触发方式及条件。定位告警与事件的关联性,同类故障告警实现智能合并,并支持告警通知及告警转发,实现精细化告警,避免 ITOM(IT Operation Management)环境下产生的告警风暴,提升告警降噪能力。
► 基于智能运维场景的 KPI 智能分析
在海量业务环境下会出现上百种指标监控、KPI 数据、调用跟踪数据等丰富但无关联的运维数据,如何通过实体、KPI、服务和事件等多种视角分析关联指标和告警数据,自动完成故障根因分析,在企业数字化转型的大环境下这将是个相对迫切的需求。
通过 KPI 智能分析模块,可完全满足立体化运维分析和监控的需求,帮助用户从全方位掌控系统的运行状态。从服务到 KPI、从 KPI 到实体,支持层层下钻根因分析,快速定位排障。