数字化时代,机器数据无处不在。
在今天的在线研讨会上,爱数AnyRobot推出创新开放的Hub架构,统一纳管多源机器数据,助力IT运营化解机器数据管理难题,赋能数据驱动型组织业务创新发展。
爱数总裁贺鸿富直播演讲
机器数据管理的挑战
随着企业数字化转型的深入,IT建设、业务应用投入不断增加,服务器、存储、各类系统的设备或系统的运转产生了海量机器数据。机器数据来源复杂,种类、格式多样,实时产生增长速度快,数据量大,并且现有技术难以从中挖掘出数据价值。
IT运营的机器数据分析场景需求也更为多样。合规留存、安全审计、智能运维、业务运营、安全态势感知等都需要对海量机器数据进行深度的挖掘和分析,从而驱动企业IT运营转型变革。
目前,很多企业客户,特别是金融企业,已经选择开源或商业机器数据平台。但,受限于产品本身的能力和安全合规的审计需求,无法全面满足IT运营的多样化需求。
以开放思维走进机器数据世界
AnyRobot Family 3,开放、高效、经济的机器数据分析平台,秉承爱数“平台+商业”的战略模式,创新推出开放的Hub架构,实现多源异构数据、多机器数据平台的统一纳管,释放海量机器数据的价值。
而,Splunk平台作为机器数据分析平台的领导者,采用大数据分布式存储和计算架构,通过采集企业内部日志数据(含核心应用),利用数据建模、行为识别、关联分析、机器学习等技术,对日志数据进行集中管控,提供全量日志极速检索和大数据日志分析功能。目前,超过300家中国知名企业在使用Splunk,但却面临Splunk缺乏本地化的服务支持,无法满足国产化合规建设,项目交付周期长,用户难以独立使用等问题。
在本次研讨会中,以AnyRobot Hub架构在某银行处实践为例,深度解读AnyRobot Hub架构的优势,以及如何实现纳管Splunk平台,并在后期平滑切换至AnyRobot平台,保障原有数据分析和查询服务的持续稳定进行。这其中AnyRobot的Hub架构是实现平台替换Splunk的不可替代的核心因素。
Splunk原有数据采集场景:
在现有Splunk平台可继续使用的情况下,保持Splunk UF采集数据,然后将数据接入到AnyRobot的Collector Hub上,再令数据转发到Splunk上,在数据流上增加一个格式处理器,以确保Splunk能识别到来自Hub的数据格式,同时引入Splunk的S2S协议,保障接入的数据host字段不变。其他数据的处理方式保持不变。
新增加数据管理场景:
部署AnyRobot Agent ,将Agent的数据流推送给Collector Hub,再传输到AnyRobot的Kafka,通过AnyRobot进行数据清洗、存储和分析处理。
Splunk原数据流量超出场景:
为避免数据流量超出导致Splunk的搜索功能无法使用,在Collector Hub上切换部分Splunk 的UF数据流到AnyRobot上,既保障原分析和查询服务不中断,又避免数据流量超出。
历史数据查询场景:
当新的数据接入到AnyRobot后,完整的查询中历史数据的部分在Splunk上。使用Calculation Hub,将请求调度给Splunk,并把接收到的数据返回给AnyRobot做统一计算。这个过程就像Hadoop的MapReduce一样,分布式请求,然后把结果再汇聚计算。
在本次研讨会上,AnyRobot Family 3 ,展示了其对多源异构数据的管理分析能力,赋能全行业客户数字化转型,深化数据驱动型组织的运营变革。
