作者來(lái)自 Elastic Leanne Link, Abhi PandeyElastic Observability 中新的列式指標(biāo)引擎使公共部門(mén) IT 團(tuán)隊(duì)能夠在一個(gè)平臺(tái)中整合日志、指標(biāo)和 traces。因此SRE 可以提升正常運(yùn)行時(shí)間同時(shí)在此過(guò)程中保護(hù)納稅人的資金。公共部門(mén)站點(diǎn)可靠性工程師SRE面臨著一系列獨(dú)特壓力無(wú)論他們支持的是聯(lián)邦機(jī)構(gòu)、衛(wèi)生部門(mén)、公立大學(xué)還是交通管理機(jī)構(gòu)。你需要在復(fù)雜的混合基礎(chǔ)設(shè)施環(huán)境中維持任務(wù)關(guān)鍵型服務(wù)的正常運(yùn)行時(shí)間同時(shí)還要面對(duì)嚴(yán)格的審計(jì)和合規(guī)要求。此外你必須向監(jiān)督機(jī)構(gòu)、立法者以及所服務(wù)的公眾證明每一筆 IT 支出的合理性?？捎^測(cè)性工具市場(chǎng)長(zhǎng)期以來(lái)讓最后一點(diǎn)變得困難具備最佳能力的平臺(tái)通常也是最昂貴的平臺(tái)而最昂貴的平臺(tái)往往會(huì)因?yàn)楝F(xiàn)代基礎(chǔ)設(shè)施所需的豐富數(shù)據(jù)采集而向你收取額外費(fèi)用。當(dāng)成本失控時(shí)常見(jiàn)的應(yīng)對(duì)方式就是減少數(shù)據(jù)采集、縮短數(shù)據(jù)保留時(shí)間或者完全跳過(guò)高基數(shù)指標(biāo)。在凌晨 2:00 發(fā)生影響公眾服務(wù)、學(xué)生門(mén)戶網(wǎng)站或醫(yī)院系統(tǒng)的故障時(shí)缺失的上下文信息可能決定快速解決問(wèn)題還是經(jīng)歷長(zhǎng)時(shí)間服務(wù)中斷。Elastic 最近推出了重構(gòu)后的指標(biāo)能力改變了這一局面包括完整的列式指標(biāo)引擎、原生 Prometheus 和 PromQL 支持、開(kāi)箱即用的基礎(chǔ)設(shè)施內(nèi)容以及基于 agent 的調(diào)查工作流。因此公共部門(mén) IT 團(tuán)隊(duì)可以獲得完整的運(yùn)營(yíng)可見(jiàn)性而無(wú)需接受過(guò)去迫使團(tuán)隊(duì)在覆蓋范圍和預(yù)算之間做選擇的成本權(quán)衡。使用統(tǒng)一平臺(tái)處理日志和指標(biāo)減少可觀測(cè)性債務(wù)許多公共部門(mén)組織已經(jīng)依賴 Elastic 進(jìn)行經(jīng)濟(jì)高效的日志存儲(chǔ)和保留尤其是為了滿足美國(guó)政府相關(guān)要求例如 OMB Memorandum M-26-14?，F(xiàn)在同樣值得信賴的日志基礎(chǔ)能力也擴(kuò)展到了指標(biāo)領(lǐng)域。大多數(shù)運(yùn)行現(xiàn)代基礎(chǔ)設(shè)施的公共部門(mén)組織都已經(jīng)因?yàn)楣ぞ吖聧u積累了可觀測(cè)性債務(wù)一個(gè)系統(tǒng)用于日志另一個(gè)用于指標(biāo)還有第三個(gè)用于 traces。每種信號(hào)都存儲(chǔ)在不同的后端使用不同的查詢語(yǔ)言并且需要不斷切換上下文才能完成關(guān)聯(lián)分析。當(dāng)故障發(fā)生時(shí)工程師只能在壓力環(huán)境下手動(dòng)跨多個(gè)互不連接的系統(tǒng)拼湊出完整情況。Elastic Observability 將指標(biāo)、日志和 traces 存儲(chǔ)在一個(gè)統(tǒng)一后端中。當(dāng)告警觸發(fā)時(shí)調(diào)查所需的上下文已經(jīng)被整理好包括關(guān)聯(lián)的日志事件、之前出現(xiàn)的指標(biāo)異?；蛘呦嚓P(guān) trace。工程師不需要打開(kāi)三個(gè)不同的標(biāo)簽頁(yè)才能形成初步判斷。機(jī)器學(xué)習(xí)ML異常檢測(cè)會(huì)自動(dòng)針對(duì)基礎(chǔ)設(shè)施指標(biāo)運(yùn)行因此告警不僅會(huì)顯示原始閾值超出情況還會(huì)提供發(fā)生了什么變化以及偏差嚴(yán)重程度的上下文信息。對(duì)于負(fù)責(zé)管理公眾依賴服務(wù)的公共部門(mén) SRE 來(lái)說(shuō)這意味著更快的平均修復(fù)時(shí)間。對(duì)于管理層來(lái)說(shuō)這意味著更少的長(zhǎng)期服務(wù)中斷以及更少花費(fèi)在人工關(guān)聯(lián)分析上的人員時(shí)間。部署靈活性Cloud、本地部署、隔離網(wǎng)絡(luò)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(luò)air-gapped環(huán)境。與一些限制本地部署能力或者只在托管實(shí)例中提供最高價(jià)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(duì)于具有嚴(yán)格數(shù)據(jù)駐留要求的組織可以在自己的基礎(chǔ)設(shè)施中運(yùn)行完整平臺(tái)而無(wú)需犧牲功能能力。為預(yù)算責(zé)任制設(shè)計(jì)的定價(jià)模式公共部門(mén) IT 預(yù)算依賴可預(yù)測(cè)性。多年期合同、預(yù)算周期和撥款流程無(wú)法適應(yīng)由不透明定價(jià)機(jī)制導(dǎo)致的意外賬單。許多商業(yè)可觀測(cè)性廠商采用的定價(jià)模式會(huì)隨著現(xiàn)代基礎(chǔ)設(shè)施增長(zhǎng)而不可預(yù)測(cè)地增加成本。按主機(jī)收費(fèi)的費(fèi)用模式通常會(huì)疊加自定義指標(biāo)費(fèi)用和容器超額費(fèi)用導(dǎo)致 Kubernetes 環(huán)境擴(kuò)展或 OpenTelemetry instrumentation 增強(qiáng)時(shí)賬單不斷上漲。成本難以預(yù)測(cè)因?yàn)樗鼈兣c基數(shù)cardinality相關(guān)而基數(shù)正是復(fù)雜環(huán)境中可觀測(cè)性價(jià)值的重要來(lái)源。Elastic 的模式完全不同你根據(jù)數(shù)據(jù)量付費(fèi)而不是根據(jù)擁有多少主機(jī)或者系統(tǒng) instrumentation 的粒度付費(fèi)。在 Elastic Observability Serverless 中采用時(shí)間序列數(shù)據(jù)流TSDS索引模式存儲(chǔ)的指標(biāo)其采集和保留價(jià)格均為標(biāo)準(zhǔn) Observability 每 GB 費(fèi)率的25%即在批量?jī)r(jià)格層級(jí)下大約為每采集 GB $0.023以及每月保留 GB $0.005。沒(méi)有按主機(jī)授權(quán)費(fèi)用沒(méi)有基數(shù)相關(guān)附加費(fèi)用也沒(méi)有通過(guò)自定義指標(biāo)分類來(lái)懲罰更豐富 instrumentation 的收費(fèi)方式最終成本達(dá)到 Datadog 和其他廠商的一半。長(zhǎng)期數(shù)據(jù)保留也具有明顯的成本優(yōu)勢(shì)按照每月約 $0.005/GB 的價(jià)格保留一年甚至更長(zhǎng)時(shí)間的完整精度指標(biāo)數(shù)據(jù)在經(jīng)濟(jì)上是可行的可以支持公共項(xiàng)目通常需要的回溯審計(jì)需求。關(guān)于定價(jià)和部署模式的說(shuō)明公共部門(mén)客戶通常對(duì)數(shù)據(jù)存儲(chǔ)位置有不可妥協(xié)的限制。對(duì)于美國(guó)組織Elastic 已在 AWS GovCloudUS上獲得 FedRAMP Moderate 和 High 級(jí)別授權(quán)。對(duì)于運(yùn)行Elastic Cloud Hosted或自管理部署的組織包括在機(jī)密環(huán)境或高合規(guī)環(huán)境中常見(jiàn)的隔離網(wǎng)絡(luò)air-gapped環(huán)境目前 TSDS 指標(biāo)無(wú)需額外付費(fèi)。在這兩種情況下列式存儲(chǔ)引擎都意味著指標(biāo)運(yùn)行所需的基礎(chǔ)設(shè)施更少無(wú)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(shù)Elastic 新指標(biāo)能力帶來(lái)的性能提升體現(xiàn)了 Elasticsearch 存儲(chǔ)和查詢時(shí)間序列數(shù)據(jù)方式的一次根本性重新設(shè)計(jì)。Elastic 圍繞專門(mén)為 TSDS 工作負(fù)載打造的列式存儲(chǔ)引擎重新構(gòu)建了指標(biāo)功能。結(jié)果非常顯著對(duì)于 OpenTelemetry 指標(biāo)現(xiàn)在每個(gè)數(shù)據(jù)點(diǎn)僅占用 3.75 字節(jié)而一年前為 25 字節(jié) —— 存儲(chǔ)占用降低了 6.6 倍并且存儲(chǔ)效率最高可比 Prometheus 提升 2.5 倍。時(shí)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(shí)索引吞吐量提升最高達(dá) 50%。對(duì)于公共部門(mén) IT 團(tuán)隊(duì)而言這些影響非常直接存儲(chǔ)效率提升意味著可以在不犧牲速度或性能的情況下以過(guò)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(biāo)數(shù)據(jù)從而支持覆蓋重要時(shí)間范圍的趨勢(shì)分析、容量規(guī)劃和審計(jì)記錄。同時(shí)添加新的 Kubernetes 標(biāo)簽、云標(biāo)簽或應(yīng)用維度只會(huì)增加數(shù)據(jù)量而不會(huì)觸發(fā)定價(jià)層級(jí)變化或帶來(lái)架構(gòu)壓力。原生 Prometheus 支持保護(hù)你已經(jīng)構(gòu)建的成果公共部門(mén)基礎(chǔ)設(shè)施通常以緩慢且謹(jǐn)慎的方式演進(jìn)。采購(gòu)周期較長(zhǎng)系統(tǒng)集成程度較深并且面向公眾服務(wù)的系統(tǒng)存在較高的運(yùn)營(yíng)中斷風(fēng)險(xiǎn)。任何平臺(tái)遷移都必須保護(hù)已有建設(shè)成果。大多數(shù)運(yùn)行現(xiàn)代云和容器化基礎(chǔ)設(shè)施的 SRE 團(tuán)隊(duì)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(yùn)營(yíng)經(jīng)驗(yàn)積累。過(guò)去遷移指標(biāo)后端通常意味著需要重寫(xiě)所有這些內(nèi)容。Elastic 消除了大部分遷移阻力。Prometheus 指標(biāo)通過(guò) Prometheus Remote Write 接入并進(jìn)入同一個(gè)列式存儲(chǔ)中同時(shí)保持語(yǔ)義不變。PromQL 可以原生運(yùn)行在 Kibana 中因此現(xiàn)有查詢、儀表板和告警規(guī)則無(wú)需修改即可直接遷移。對(duì)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(tuán)隊(duì)可以替換后端同時(shí)保留工程師已經(jīng)熟悉的界面。簡(jiǎn)化的遷移流程遷移過(guò)程可以采用漸進(jìn)式方式并且大部分可以自動(dòng)化完成。Observability Migration Platform 是一個(gè)基于 CLI 驅(qū)動(dòng)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(guò)程從人工重建轉(zhuǎn)變?yōu)檗D(zhuǎn)換與驗(yàn)證流程。它可以基于導(dǎo)出的資源或?qū)崟r(shí) API 工作覆蓋來(lái)自 Datadog 和 Grafana 兩種路徑的儀表板和告警內(nèi)容。對(duì)于公共部門(mén)團(tuán)隊(duì)而言尤其重要的是該工作流還會(huì)生成面向?qū)徍巳藛T的證據(jù)材料例如遷移報(bào)告、清單、驗(yàn)證數(shù)據(jù)包和發(fā)布計(jì)劃使團(tuán)隊(duì)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(jí)或標(biāo)記為需要人工審核以及哪些部分仍需要人工判斷。Elastic 被認(rèn)可為可觀測(cè)性領(lǐng)域領(lǐng)導(dǎo)者Elastic Observability 在市場(chǎng)中的認(rèn)可度持續(xù)提升。2026 年 7 月Elastic 連續(xù)第三年被評(píng)為 2026 Gartner? Observability Platforms 魔力象限Magic Quadrant?領(lǐng)導(dǎo)者。我們認(rèn)為這一認(rèn)可體現(xiàn)了 Elastic 對(duì)于緊跟市場(chǎng)變化的持續(xù)投入同時(shí)為客戶提供通過(guò) Prometheus 和 OTel 標(biāo)準(zhǔn)化帶來(lái)的效率提升以及使用單一平臺(tái)統(tǒng)一處理日志、指標(biāo)和 traces 的能力。在我們看來(lái)可觀測(cè)性市場(chǎng)已經(jīng)不同于我們首次獲得這一認(rèn)可時(shí)的市場(chǎng)環(huán)境。AI 以難以預(yù)料的方式加速了遙測(cè)數(shù)據(jù)量的增長(zhǎng)給存儲(chǔ)成本以及負(fù)責(zé)管理這些數(shù)據(jù)的團(tuán)隊(duì)預(yù)算帶來(lái)了壓力。對(duì)于 AI 輔助調(diào)查的期望也已經(jīng)從簡(jiǎn)單的對(duì)話式交互發(fā)展為面向?qū)嶋H運(yùn)營(yíng)的 agentic 能力。同時(shí)生態(tài)系統(tǒng)也持續(xù)演進(jìn)OpenTelemetry (OTel) 和 Prometheus 已經(jīng)成為任何嚴(yán)肅平臺(tái)都需要原生支持的標(biāo)準(zhǔn)而無(wú)需承擔(dān) schema 轉(zhuǎn)換帶來(lái)的額外成本。我們認(rèn)為這一認(rèn)可體現(xiàn)了我們對(duì)這些變化的響應(yīng)。以下是我們認(rèn)為幫助我們達(dá)到這一目標(biāo)的關(guān)鍵因素。日志、指標(biāo)和 traces 的高成本效率由于 AI 推動(dòng)遙測(cè)數(shù)據(jù)量快速增長(zhǎng)整個(gè)行業(yè)的成本都在上升。標(biāo)準(zhǔn)應(yīng)對(duì)方式通常是減少存儲(chǔ)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(jí)。但這種方法會(huì)產(chǎn)生累積影響。每丟棄一條遙測(cè)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(dòng)調(diào)查所依賴的核心。Elastic 采用了不同的方法。Elasticsearch 存儲(chǔ)日志和 traces 的效率最高可比標(biāo)準(zhǔn)索引提升 4 倍存儲(chǔ)指標(biāo)的效率最高可比 Prometheus 提升 2.5 倍。它通過(guò)一個(gè)統(tǒng)一接口運(yùn)行兩個(gè)專門(mén)設(shè)計(jì)的引擎一個(gè)針對(duì)日志和 traces 優(yōu)化的全文搜索引擎以及一個(gè)針對(duì)指標(biāo)優(yōu)化的完整列式引擎。每個(gè)引擎都根據(jù)其處理的數(shù)據(jù)特點(diǎn)進(jìn)行設(shè)計(jì)這正是效率提升的來(lái)源。兩個(gè)引擎共享相同的查詢語(yǔ)言、API 和儀表板因此團(tuán)隊(duì)可以通過(guò)單一界面處理三種信號(hào)類型無(wú)需維護(hù)獨(dú)立后端也無(wú)需在不同工具之間切換上下文。在低效平臺(tái)上只存儲(chǔ)一部分?jǐn)?shù)據(jù)的成本高于在 Elastic 上存儲(chǔ)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(cè)性中最豐富的信號(hào)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(méi)有被充分利用。大多數(shù)團(tuán)隊(duì)只能根據(jù)存儲(chǔ)預(yù)算保留部分日志并且通常只有在故障發(fā)生時(shí)才由專家被動(dòng)地進(jìn)行日志搜索。Elastic Streams 會(huì)自動(dòng)從原始日志中提取結(jié)構(gòu)、含義和運(yùn)營(yíng)上下文將原本依賴專家、被動(dòng)使用的信號(hào)轉(zhuǎn)變?yōu)橹鲃?dòng)可用的信息。它利用 AI 自動(dòng)發(fā)現(xiàn) Knowledge IndicatorsKIs無(wú)需工程師提前知道應(yīng)該搜索什么它會(huì)從非結(jié)構(gòu)化數(shù)據(jù)中提取實(shí)體和依賴關(guān)系使相關(guān)上下文在告警觸發(fā)時(shí)已經(jīng)準(zhǔn)備就緒?；谕暾舷挛牡?AI 驅(qū)動(dòng)調(diào)查Elastic 提供基于最豐富上下文構(gòu)建的 AI agents 和 機(jī)器學(xué)習(xí)ML能力用于調(diào)查和根因分析RCA。由于遙測(cè)數(shù)據(jù)可以高效存儲(chǔ)無(wú)需丟棄任何信息同時(shí)日志數(shù)據(jù)經(jīng)過(guò)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(kāi)展工作。這一切的基礎(chǔ)是檢索層。Elasticsearch 通過(guò)語(yǔ)義方式檢索相關(guān)日志、指標(biāo)和 traces而不僅僅依賴關(guān)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(guān)鍵的原因Elastic 在數(shù)據(jù)采集階段就對(duì)遙測(cè)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化和增強(qiáng)標(biāo)記實(shí)體、提取依賴關(guān)系并構(gòu)建服務(wù)地圖使數(shù)據(jù)在告警觸發(fā)之前就已經(jīng)準(zhǔn)備好供 AI 使用。對(duì)于需要構(gòu)建自定義調(diào)查工作流的團(tuán)隊(duì)Elastic Agent Builder 和 Workflows 提供了構(gòu)建自定義 AI agents 的基礎(chǔ)能力。Elastic 還提供了開(kāi)放的 Agent Skills 倉(cāng)庫(kù)可以查詢 Elasticsearch、執(zhí)行 ES|QL并基于結(jié)果進(jìn)行推理。預(yù)配置的異常檢測(cè)和日志分類能力多年來(lái)一直是該平臺(tái)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(fù)?；陂_(kāi)放標(biāo)準(zhǔn)面向未來(lái)選擇封閉技術(shù)棧意味著每當(dāng)生態(tài)系統(tǒng)變化時(shí)都需要進(jìn)行遷移工作。每一次 instrumentation 變化都會(huì)帶來(lái)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(cè)性領(lǐng)域OTel 正逐漸成為主流 instrumentation 標(biāo)準(zhǔn)而 Prometheus 通常是指標(biāo)領(lǐng)域的默認(rèn)選擇。Elasticsearch 從設(shè)計(jì)之初就是開(kāi)放的具備 schema 中立性并且從底層構(gòu)建于 OTel 之上。使用 Elasticsearch團(tuán)隊(duì)可以從任何來(lái)源接收任何數(shù)據(jù)無(wú)論是 Prometheus、OTel 還是其他格式均可原生存儲(chǔ)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(huì)在轉(zhuǎn)換過(guò)程中丟失信息。這一認(rèn)可對(duì)我們的意義我們認(rèn)為連續(xù)第三年被評(píng)為 Gartner Magic Quadrant 領(lǐng)導(dǎo)者體現(xiàn)了客戶向我們傳達(dá)的信息可觀測(cè)性不應(yīng)該迫使團(tuán)隊(duì)做取舍。團(tuán)隊(duì)?wèi)?yīng)該能夠高效存儲(chǔ)所有遙測(cè)數(shù)據(jù)基于開(kāi)放標(biāo)準(zhǔn)而不是封閉標(biāo)準(zhǔn)進(jìn)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(gè)方面彼此關(guān)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(kāi)放標(biāo)準(zhǔn)確保行業(yè)發(fā)展變化時(shí)已有投入不會(huì)被浪費(fèi)。我們認(rèn)為這一認(rèn)可體現(xiàn)了我們?cè)谶@四個(gè)領(lǐng)域持續(xù)取得的進(jìn)展。閱讀完整報(bào)告2026 Gartner? Observability Platforms 魔力象限? 和 2026 Gartner? Observability Platforms 關(guān)鍵能力報(bào)告 現(xiàn)已發(fā)布。訪問(wèn)這些報(bào)告了解更多關(guān)于可觀測(cè)性市場(chǎng)的信息以及為什么我們認(rèn)為 Elastic 被評(píng)為領(lǐng)導(dǎo)者。探索 Elastic Observability 如何幫助組織更快調(diào)查問(wèn)題、監(jiān)控 AI 驅(qū)動(dòng)應(yīng)用、采用開(kāi)放標(biāo)準(zhǔn)并有信心地大規(guī)模運(yùn)營(yíng)。GartnerObservability Platforms 魔力象限Padraig Byrne、Martin Caren、D.B. Cummings、Neil Young2026 年 7 月 13 日。GartnerObservability Platforms 關(guān)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(guān)聯(lián)公司在美國(guó)及國(guó)際范圍內(nèi)的注冊(cè)商標(biāo)和服務(wù)標(biāo)志MAGIC QUADRANT 是 Gartner, Inc. 和/或其關(guān)聯(lián)公司的注冊(cè)商標(biāo)并經(jīng)許可使用。保留所有權(quán)利。Gartner 不認(rèn)可其研究出版物中描述的任何廠商、產(chǎn)品或服務(wù)也不建議技術(shù)用戶僅選擇評(píng)分最高或獲得其他指定稱號(hào)的廠商。Gartner 研究出版物代表 Gartner 研究機(jī)構(gòu)的觀點(diǎn)不應(yīng)被理解為事實(shí)陳述。對(duì)于此研究Gartner 不提供任何明示或暗示的保證包括任何關(guān)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(shí)間均由 Elastic 自行決定。當(dāng)前尚未提供的任何功能或功能可能不會(huì)按計(jì)劃交付或者可能完全不會(huì)交付。該圖表由 Gartner, Inc. 作為更大研究文檔的一部分發(fā)布應(yīng)結(jié)合完整文檔進(jìn)行評(píng)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(shí)間均由 Elastic 自行決定。當(dāng)前尚未提供的任何功能或功能可能不會(huì)按計(jì)劃交付或者可能完全不會(huì)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(yùn)營(yíng)。Elastic 無(wú)法控制這些第三方工具也不對(duì)其內(nèi)容、運(yùn)行或使用承擔(dān)任何責(zé)任對(duì)于因使用這些工具而產(chǎn)生的任何損失或損害亦不承擔(dān)責(zé)任。使用 AI 工具處理個(gè)人信息、敏感信息或機(jī)密信息時(shí)請(qǐng)務(wù)必謹(jǐn)慎。你提交的任何數(shù)據(jù)都可能被用于 AI 訓(xùn)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(yīng)了解其隱私實(shí)踐和使用條款。Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 及其相關(guān)標(biāo)識(shí)是 Elasticsearch B.V. 在美國(guó)及其他國(guó)家/地區(qū)的商標(biāo)、徽標(biāo)或注冊(cè)商標(biāo)。所有其他公司和產(chǎn)品名稱均為其各自所有者的商標(biāo)、徽標(biāo)或注冊(cè)商標(biāo)。原文Elastic named a Leader in the 2026 Gartner? Magic Quadrant? for Observability Platforms | Elastic Blog