问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
亚马逊云科技（AWS）近期为旗下托管OpenSearch服务推出全新日志分析引擎，据官方测试数据，相同数据量下可将企业遥测数据存储、分析成本降低约50%，帮助企业在合规、事件响应场景下留存更长周期的运维数据。不过行业分析师指出，现有系统迁移成本、部分查询语法暂不兼容等问题，或将延缓该功能的企业落地速度。
近年来随着云原生架构、生成式AI应用的大规模落地，企业需要采集的服务器运行数据、容器状态、AI推理框架日志、用户交互记录等多维度遥测数据量年均增速超过70%。日志分析作为故障排查、合规审计的核心环节，过去一直是企业云支出的重要组成部分，不少企业为了控制成本，只能将日志留存周期从要求的6个月压缩到1-2个月，遇到跨周期的安全事件、合规审计时往往无据可查，陷入成本与合规的两难。
此次AWS推出的新分析引擎，是专门针对日志、遥测这类写多读少的半结构化数据做的定向优化。作为AWS旗下完全托管的开源搜索服务，托管OpenSearch此前一直采用通用型架构，不管冷热数据全部存储在高性能存储层，资源浪费严重。
新引擎采用了分层存储设计，热数据保留在SSD层满足实时查询需求，冷数据自动下沉到低成本对象存储，查询时才按需加载，不需要全量数据占用高性能存储资源。同时针对日志常用的时间范围查询、关键词检索做了索引优化，查询延迟相比直接查询对象存储提升了近10倍，基本可以满足企业非实时的合规审计、历史故障回溯需求。
尽管成本优势明显，但行业分析师也指出了该功能的落地阻碍：一方面，现有已经在使用托管OpenSearch的企业如果要切换到新引擎，需要对现有的日志上报规则、索引配置做适配，迁移周期根据数据量从几天到数周不等，会带来额外的运维投入；另一方面，新引擎目前暂不支持部分复杂的OpenSearch查询语法，比如高阶聚合查询、自定义脚本查询，对于有定制化分析需求的企业来说还无法完全替代原有架构。
业内认为，该引擎的价值不止于直接的成本降低，随着大模型驱动的AIOps（智能运维）逐渐普及，企业需要分析的历史遥测数据量会进一步提升，更低的存储分析成本意味着企业可以基于更长周期的历史数据，训练出更精准的故障预警、根因分析大模型。
目前已有消息称，AWS后续很有可能将该引擎和旗下的Bedrock大模型平台打通，推出一体化的智能运维分析方案，进一步降低企业的运维门槛，覆盖从日志采集、存储到智能分析的全链路需求。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号