Splunk Ups机器学习赌注
分析师LAUD和LANCE New Microsoft浏览器装甲
OpenStack Flags Edge Computing作为开源云技术的“惊喜”新兴用例
消费者身份管理趋势不断增长
研究人员说,确保积极的技术革命所需的工作
Nordea脱掉6,000,引用数字变换作为司机
Twitter更改了140个字符限制的规则
三星的Galaxy Note7来自地狱
verizon仅仅两天前就了解了大规模的雅虎数据泄露
在视频中,Samsung为注释7电池缺陷道歉
Microsoft在六个新国家开设了霍尔霍尔登
vlocity削减现金成为下一个veeva(或接下来的几个)
警告网络专业人士对网络攻击毫无准备的企业
MobileIron调整移动和桌面世界
阿鲁巴推动新的网络工具,云定价模型
Google Sheets探索:正在进行的工作
思科补丁方程组漏洞利用
计算机科学学生赢得2017年英国网络安全挑战
符合Apache Spot,一个新的网络安全开源项目
Gartner说,首席数据官员的角色是商业成功的关键
Allseeen与OCF的合并使IOT更接近共同点
谷歌家庭扬声器和像素智能手机亮相,助理帮助
美国立法者说,加州大学的外包是错误的
英国必须加速和技巧加强共同驾驶第四届工业革命
挪威合并支付系统以打击全球竞争
这是微软今天面临的一个问题
Windows 10使用Plateaus而Windows 7保存自己
Note7已经死了:三星现在必须做什么
Infocus'Mondopad Ultra暴露微软表面中心的弱点
政府出版5G战略更新
Oracle否认在Java上用Google的版权纠纷审判
苏格兰水延长了人力资源成功之后的服务
谷歌纤维推动纳什维尔的进步
Oracle是用新的基础设施提供的AWS射击
英国呼吁在社交媒体上进行更多的反恐工具
爱沙尼亚电子居民人口增长超过出生率
案例分析:做数字股票的方式
谷歌的像素和像素XL公告 - 我们到目前为止所知道的
IoT Botnet突出显示默认密码的危险
数据囤积网站泄漏可能使黑客攻击更容易
我们今天学到了iPhone 7的7件事
劳里的爱可以在美国法官谴责的拘留中心面临监狱
谷歌需要扎实胜利,发布智能Allo应用程序
MySQL零天漏洞将一些服务器造成黑客攻击的风险
Cisco在会议服务器中修补关键身份验证缺陷
黑客IOT设备的军队推出前所未有的DDOS攻击
andromeda?了解Android-Chrome OS婚姻
十大NVME闪存存储故事2017年
金融服务CIO在数字焦点平均值
谷歌投资100万英镑,以帮助培训英国计算教师
您的位置:首页 >论坛 > 移动互联 >

Splunk Ups机器学习赌注

2021-07-22 12:44:37 [来源]:

我写的是Elastic的另一天的机器学习公司Prelert以及Elastic认为这笔交易如何看出​​它从Splunk的市场份额,公开上市的爷爷在空间中(当然,当然,你可以拥有一个爷爷只有十年左右的空间)。

无论如何,Splunk听到了声明,而且不喜欢它。该公司周二拥有一台机器学习公告,并试图阐明超出Prelert(和其他供应商)的提供量。

总体公告是Splunk各种产品的新版本 - Splunk Enterprise,Splunk IT服务智能,Splunk Enterprise Security和Splunk用户行为分析。所有这些唯一的产品都是“升级”,最新的Splunk在机器学习中采取了机器学习,以便在特定用例内利用机器数据。

尽管有这些产品提供,但它们利用了一个共同的机器学习平台,即Splunk断言将允许非技术用户从机器学习中受益。潜入核心牢房,最新的一体化现在支持单变量和多变量异常检测。要翻译,多变体算法可以分析一组指标或KPI,这些标准或KPI预计以类似的方式行事,以便当其中一个或多个从同龄人离开时提醒组织。例如(由于这是一点点火箭科学,因此,示例使我们只有凡人才能理解),在数据中心操作的情况下,Splunk将在CPU使用率,磁盘使用和网络使用度量的组合时提醒用户基于他们的历史行为开始表现异常。

这里的潜在趋势是利用数据和学习,并将其应用于基本业务问题之一。在过去几十年中,普遍改善的管理口头禅可以自动化,更换在人类干预内容:

“数字转型改变了组织的工作方式。大秘诀在于所有的变化都是由机器数据支撑的。机器学习使组织能够从他们的机器数据中获得更深的洞察力,最终增加了客户可以从数字转型中获得的机会,“Splunk总裁兼首席执行官Doug Merritt说。“企业机器数据结构是管理和从规模中的数据管理和获取见解的基础 - 并且只有Splunk提供端到端的分析平台和生态系统支持它。”

这听起来很好,但它实际上如何适用于现实世界用例?

机器学习改变了大数据周围的对话 - 不再是它自动享受的数据,而是能够自动化学习,改进和采取部分数据可以导致的部分的能力。这是Splunk的自然延伸,他们一直是在尽可能多的数据中啜饮。公司所看到的潜在用例包括:

重点调查:通过自动检测Data.intelligent警报的异常和模式来识别和解决IT和安全事件:通过识别特定情况集的正常模式来减少警报疲劳.PREDITIVE行动:预计并对可能扰乱运营或收入的主动维护等情节作出反应。商业优化:预测需求,管理库存并通过分析历史数据和模型来改变条件。

因此,这些不同的产品介绍了Splunk的机器学习的广泛平台,将它们应用于不同的业务问题 - 安全,服务管理等。Splunk的机器学习专注于三个主要区域:

聚类:占据一堆数据并将它们放入组.Classification:带来预测。发布:使用历史价值观并提出未来的预测。

Splunk正在考虑广泛适用的织物,以及这里的高度特定的垂直用例。对于前者,Splunk平台提供超过20多个机器学习命令。机器学习工具包扩展了Splunk平台,利用具有超过300种不同算法的开源Python库。这些可以直接应用于特定用例的检测,警报或分析数据,无论是针对IT还是安全性。此外,ML工具包为数据科学家提供了一个导游的工作台,以建立自己的模型。

所有这些都听起来很棒,但它是机器学习橡胶的地方,真正依赖的道路。那么Splunk的平台如何在该领域中使用?一些例子:

Telus使用机器学习监测来自20,000多个小区塔的噪声增加,以提高服务和设备可用性和平均修复时间(MTTR).Zillow使用自定义异常检测来查找由于代码和配置而导致错误500S中的误差偏差的服务器池更改.Kinney Group在Indy 500中使用了Schmidt Peterson Motorsports的Splunk ML Toolkit。与Splunk,Kinney Group的支持相结合,在Indy500和合格期间监控跟踪条件和汽车性能。在活动期间,在所有三个SPM赛车上进行实时运营数据分析。

mypov.

我是一个宽阔而深刻的公司的傻瓜。通过提供广泛适用的机器学习平台,Splunk提供了组织能够解决Splunk永远不会设计特定产品的所有随机业务问题。

但与此同时,它提供的各种深度垂直产品具有大量的感觉,并允许具有这些特定问题的组织的最简单的斜坡,以便开始使用机器学习。Splunk在其公开上市的皮肤上进行了良好的工作,并留在产品执行上 - 这个新平台看起来是一个很好的例子。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。