亚马逊云科技上线Log Hub解决方案 简化日志分析管道构建

李伊
2022-06-07 14:38

6月7日消息,据亚马逊云科技官微消息,Log Hub解决方案全新上线,可以提供全面的日志管理和分析功能,帮助客户简化日志分析管道的构建。

该解决方案建立在Amazon OpenSearch Service之上,有效简化了日志摄取、日志处理和日志可视化。客户可以在多个用例中使用该解决方案,例如遵守安全和合规性法规,加强IT故障排除和维护,以及实现精细化的业务运营。Log Hub可以帮助用户在二十分钟内搭建一套日志分析平台。

format-jpg

该解决方案拥有以下特点:

Log Hub可以提供一个Web控制台,将应用程序日志和亚马逊云科技服务日志摄取到Amazon OpenSearch Service(AOS)域中;

format-jpg

Log Hub支持亚马逊云科技开发的日志处理器插件,客户可以在网页控制台轻松对原始的日志数据进行处理;

format-jpg

Log Hub提供一系列的可视化模板的集合,既适用于Nginx和Apache HTTP Server等常用软件,也适用于Amazon S3和Amazon CloudTrail等服务。

format-jpg

另外,Log Hub支持丰富的日志分析场景。该方案遵守MLPS、GDPR、PCI DSS和HIPAA等法规要求。将设备、网络和应用程序日志集中存储到一个位置,以进行日志审计和威胁检测。

同时,Log Hub可以监控应用程序和云基础架构日志,探寻问题的根本原因从而快速解决问题。提高工作负载的可观察性,并实现更好的业务稳定性。

该方案还可以迅速识别趋势和模式,并构建交互式和直观的可视化图表,从日志中获取业务洞察力,并通过数据支持业务决策。

通过Log Hub,客户可以一键部署解决方案。支持摄取多种来源的日志数据,包括亚马逊云科技服务日志和应用程序日志。同时,可通过丰富的仪表板展示分析处理后的日志数据。

format-jpg

此外,Log Hub结合了无服务器技术、内置的高可用性和按使用付费的计费模式。该架构减少了基础架构管理工作,并允许客户更多地专注于构建业务用例。

值得注意的是,该解决方案是开源的,可免费用于商业用途。客户只需为亚马逊云服务的使用付费。若有不同的需求,客户也可以在源码基础上进行定制化开发。

1、该内容为作者独立观点,不代表电商报观点或立场,文章为作者本人上传,版权归原作者所有,未经允许不得转载。
2、电商号平台仅提供信息存储服务,如发现文章、图片等侵权行为,侵权责任由作者本人承担。
3、如对本稿件有异议或投诉,请联系:info@dsb.cn
相关阅读
4月10日消息,亚马逊科技中国峰会将于5月2930日举办,举办地点位于上海世博中心,将探讨生成式AI全球前沿创新与本地实践等话题。
6月25日消息,据亚马逊消息,2023亚马逊科技中国峰会将于6月2728日在上海举办,主题为“因构建 而可见”,聚焦生成式AI、Web3、企业服务及智能设备出海等创投热门赛道。
7月21日消息,近日,“2021亚马逊科技中国峰会”于7月2122日在上海召开。会上,亚马逊科技正式发布“全球优势 植根本地”中国战略。
12月17日消息,亚马逊科技(AWS)计划追加投资约100亿美元,在俄亥俄州扩建数据中心基础设施。新数据中心将包含计算机服务器、数据存储驱动器、网络设备和其他形式的技术基础设施,用于支持包括AI和机器学习在内的计算。AWS去年宣布在俄亥俄州的78亿美元投资计划,加上截至2022年已投资的超60亿美元,从2015年到2030年底,AWS在该州宣布的计划投资额将超过230亿美元。
10月10日消息,亚马逊科技宣布,Meta的新一代模型Llama 3.2,包括其首款多模态模型,现已在Amazon Bedrock和Amazon SageMaker中正式可用。该系列模型进行了全新升级,提供高度差异化的功能更新,包括支持图像推理的小型和中型视觉大语言模型,以及针对设备端优化过的轻量级纯文本模型。
8月5日消息,劳埃德银行表示已聘请亚马逊科技 高管Rohit Dhawan担任新设的人工智能战略主管一职。他此前负责亚马逊科技在亚太地区的数据和AI战略。Dhawan将负责把AI整合到客户和运营流程中,并在劳埃德银行内部新创建一个数据和AI职能部门。
沈涛指出,对于出海的中国车企而言,在拥有强大自研能力的同时,还需要成为全球化布局的公司。
7月10日消息,Gartner发布了全球工业物联网 平台魔力象限报告,亚马逊科技凭借执行能力和愿景完整性在2024年Gartner全球工业物联网平台魔力象限中被评为领导者,其中执行维度位居榜首。
5月30日消息,在亚马逊科技媒体沟通会上,亚马逊科技大中华区产品部总经理陈晓建表示,数据是企业在生成式AI时代取得成功的关键。每个公司都能访问相同的基础模型,但那些能够利用自己的数据构建具有真正商业价值的生成式人工智能应用的公司,将会是成功的公司。