与世界上的数据量预测增加至少50倍在2010年至2020年之间,我们如何存储,数据已进入锋利的焦点。收集大量的原始日志数据从多个应用程序和基础设施组件,并将其发送给一个中心位置存储和处理,例如,增加存储的大小和成本。随着数据量的增加,存储和处理成本大幅增加,企业风险破坏大数据带来的优势。此外,对数据需求的飙升环境影响;到2020年,世界上12%的能源消耗将由我们的数字生态系统,这是预期增长每年大约有7%到2030年。
数据存储阻碍业务发展
自从与出口相关的成本大量数据从云计算到一个本地数据中心经常超限,企业经常在云中log-collected数据存储在本地,这需要大量的空间。雷竞技电脑网站为了减少大量的数据,管理员可能会被迫决定要删除的日志和保持。虽然这种方法可以帮助减少存储空间和成本,这也是效率低下,浪费时间,容易出现人为错误,意思有价值的和不可替代的信息可能会丢失从日志数据集。
此外,由于日志收集数据从各种各样的厂商和系统,如负载平衡器,其他网络设备,服务器,数据库,和服务,它缺乏一个共同的模式和结构,可以从系统不同。进一步加剧了这一事实这是这些系统的应用程序开发人员决定哪些事件日志,创造巨大的矛盾和潜在的抽象更大的图景。也无法实时获取信息所花费的时间收集数据。与99%的IT和业务决策注意到不断变化的速度在今天的互联世界中,无法实时行为提供了一个成功的主要障碍。
让智能与数据
为了应对这些挑战,我们需要从根本上改变我们的方法。
有远见的企业因此展望未来日志数据采用智能数据的方法,将交通流的本质,也称为线数据,遍历服务交付的基础设施。这些流量包括IP数据包,段,会话和应用程序数据流。情报来源于这些流量仪表的源点,然后压缩成元数据。因此,企业获得他们所需要的有价值的信息获得有意义的和可操作的见解,可以确保只有最相关的数据保存。这反过来会导致非常高的压缩,大大降低存储成本只有拿着有价值的信息。与日志数据,智能数据规范化,组织结构,service-contextual,实时可用。然后由进一步的效率处理所有数据,优化、更符合实际的来源,与一些实时转换为元数据。这使得数据快速压缩,大大减少的体积数据存储在一个数量级或更多。这效率也使企业能够长时间存储智能数据为法医和在分析过去的事件和事件。
智能数据的另一个重要优点是它的一致性。虽然日志数据是基于选定的信息由程序员和工程师与一个特定的角度来看他们的领域,连续监测线数据遍历关键服务性能指标使企业能够获得完整的粒度。而不是简单地选择采样的快照信息,他们有完整的访问数据,不断产生的所有线数据分析的基础上,然后通过提供实时的、可操作的见解在整个IT基础设施。
然而,尽管存储日志数据在所有系统长时间可能会禁止绝大多数的用例,使用日志数据正确的上下文来完成一个特定的IT服务,操作,或商业管理任务可以非常有效。举个例子,在一个事件管理情况下相关服务性能下降。一旦情报从智能数据确定了服务水平根源基于分类复杂的依赖关系的服务基础设施,可以有效地用于分析日志数据的“最后一英里。”在这种情况下,可以把日志数据上下文从系统中被确认为这一事件根源来分析系统的性能。本实例的日志数据量将是可控的,和情报源自这个数据将补充的智能数据分析获得的洞察力。通过这种方法,企业可以获得最大的可见性的网络,因此添加急需的洞察服务交付和业务操作。
推动企业进步得更快
智能数据证明减少存储大小,提高一致性和结构,并提供实时情报一致,其优势是显而易见的。有超过三分之一IT专业人员清单“速度”作为最高的2018年目标,这样节省了时间会帮助企业,计划利用大数据高效实现竞争优势。当结合处理和存储相关的成本节约,使组织存储数据为法医和长时间的在时间的分析,以及丰富的深刻见解智能数据可以提供服务,业务,业务管理,我们期望它很快成为一个强制性的武器在数字企业的军火库。