Splunk可以相对容易地做到这一点,但是数据清理部分可能需要很长时间。你需要将Splunk与之联系起来,因为你谈论的是运营智能机器学习,这是数据和系统的大量涌现。
要回答你的问题,是的。我已经使用系统日志数据来跟踪异常故障,并利用机器学习来预测(并减少)因门票进入而导致的中断次数。换句话说,我们使用机器学习来预测在预定(和通信)中断期间会有多少人恐慌,因此我们可以准确地说明我们的报告指标。
我可以说它很有价值,但如果你在谈论预测数据库连接问题算法或应用程序问题,那么它充其量只是一个因素。 syslog不够密集,无法告诉您在机器上运行的每个应用程序中发生了什么(除非您将发送到/ var / log'syslog'的任何日志分类),在执行机器学习算法时需要考虑应用程序日志,因为该应用程序没有更好的活动来源。诀窍是确定该应用程序或服务的依赖关系。
Splunk是一个很棒的工具,与其他人相比,它非常容易使用,可以理解大量的数据。我使用它来不断地scub所有syslog文件以解决连接问题,并且在数据进入后它非常容易。