Elastic Stack bekommt Machine Learning
Als Teil des kommerziellen X-Pack bietet das hinter Elasticsearch stehende Unternehmen nun die Machine-Learning-Funktionen, die über die Prelert-Übernahme dazugestoßen sind.
- Alexander Neumann
Elastic, die Firma hinter der Suchplattform Elasticsearch, hat in das kommerzielle Angebot des Elastic Stack Machine-Learning-Funktionen integriert. Sie sind nun im X-Pack von Version 5.4 des Elastic Stack zu finden, dem mit Elastic 5.x zusätzlich eingeführten Angebot von Features aus Bereichen wie Security, Alerting, Monitoring und Reporting für Kunden der kommerziellen Ausgabe. Noch haben die neuen Machine-Learning-Features allerdings Beta-Status.
Die Machine-Learning-Funktionen gehen letztlich auf das Produkt des Behavioral-Analytics-Experten Prelert zurück, den Elastic im September 2016 übernommen hatte. Sie bieten ein Angebot nicht überwachter mathematischer Lernprozesse zur Erkennung von Zeitreihenanomalien, das sowohl die historischen als auch die Echtzeitdaten eines Kunden in die Berechnungen miteinbezieht, um Verhaltensanalysen durchzuführen.
Als Anwendungsszenarien werden Logging, Netzwerk-Flows, Finanz- und Transaktionsdaten sowie Anwendungs- und Performancemetriken ausgemacht. Dabei sieht Elastic im neuen Machine-Learning-Angebot eine logische Erweiterung der Such- und Analysefunktionen in Elasticsearch.
Die Machine-Learning-Aufgaben werden offenbar ähnlich wie Shards über den Elasticsearch-Cluster verteilt und verwaltet. Das hat auch zur Folge, dass die Daten nie den Cluster verlassen müssen, was wohl auch nach sich zieht, dass sich die Performance für manche Aufgabentypen mithilfe von Elasticsearch-Aggregationen drastisch verbessern lässt. Außerdem können Anwender die Ergebnisse direkt aus den Dashboards des Datenvisualisierers Kibana erstellen, den man als Plug-in in Elasticsearch einbetten kann. (ane)
