L’éditeur Elastic, qui est à l'origine du moteur de recherche distribué open source Elasticsearch, a livré en début mois la bêta de son produit Elastic Cloud Enterprise. Celui-ci va permettre aux entreprises de déployer en interne, sur leurs propres serveurs, un environnement similaire à son offre Elastic Cloud qu'il propose depuis plusieurs mois dans le cloud public d’AWS. La solution permet d’installer dans un environnement virtuel de multiples clusters d'Elasticsearch, l’interface de visualisation Kibana et d’accéder aux différentes fonctionnalités du X-Pack à partir d’une unique console. Dans son X-Pack, l’éditeur a réuni les capacités de sécurité, d’alerte et de monitoring de ses produits Shield, Watcher et Marvel, avec des fonctionnalités de reporting et de graph. Le package a été conçu pour que l'ensemble de ses composants puissent travailler ensemble de façon transparente, mais chacun peut aussi s’utiliser séparément.

Il y a quelques jours, Elastic a indiqué avoir atteint les 100 millions de téléchargements sur ses logiciels. Shay Banon, qui a démarré l'écriture du moteur Elasticsearch, a co-fondé la société en 2012 avec Steven Schuurman, Uri Boness et Simon Willnauer. Ils ont été depuis rejoints par les créateurs de Kibana, Logstash et Beats, trois produits qui se sont ajoutés au moteur pour créer la pile Elastic exploitée par de nombreux développeurs. A San Francisco, du 7 au 9 mars, l’éditeur a tenu sa conférence ElasticON sur laquelle ont été annoncées plusieurs évolutions de l’offre. Une étape a notamment été franchie dans la prise en compte des technologies d’apprentissage machine acquises il y a quelques mois avec le rachat de Prelert.

Le machine learning automatisé intégré à Elastic.

Les fonctionnalités d'apprentissage machine de Prelert fonctionnaient déjà avec l’offre Elastic, mais elles sont désormais « pleinement intégrées dans Elastic Stack », nous a confirmé par mail Baha Azarmi, architecte solutions chez Elastic. Cette « intégration plus profonde simplifie l’installation par l’administrateur et assure la compatibilité entre les versions, ce qui permet de traiter des cas beaucoup plus complexes », explique-t-il. « Les développements à ce niveau seront implantés très rapidement ». Ces fonctionnalités d'apprentissage machine non supervisé identifient de façon automatisée les anomalies et les valeurs hors normes au sein des données stockées dans Elasticsearch, en fonction de modèles prédictifs. En les exploitant, les entreprises vont pouvoir prendre des mesures proactives dans le domaine de la cybersécurité ou de la prévention de la fraude.

Un générateur visuel de données temporelles

Times Series Visual Builder permet de créer de nouvelles représentations graphiques.

Parmi les ajouts apportés à Elastic figurent également les modules Filebeat. Ceux-ci permettent de collecter et centraliser la remontée de logs et de fichiers qui seront ensuite transférés vers Elasticsearch. Ils récupèrent les données issues de multiples sources dont les serveurs web Apache2 et Nginx et la base de données MySQL. Des modules préconfigurés paramètrent les tableaux de bord Kibana pour une mise à disposition plus rapide des visualisations. Egalement présenté sur la conférence, le générateur visuel de données temporelles Times Series Visual Builder permet de créer de nouvelles représentations graphiques sous forme de jauges, d’histogrammes ou de tables Markdown pour les métriques de logs et les statistiques sur les applications et les serveurs, explique Elastic.

Enfin, l’éditeur a par ailleurs indiqué qu’il travaillait en ce moment sur deux projets d’extension de son offre. D’une part, il adapte l’utilisation de SQL aux fonctionnalités d’Elasticsearch pour s’ouvrir à tous ceux, nombreux, qui maîtrisent ce langage de requête et pour mettre en œuvre de nouveaux types d’interactions. D’autre part, il prépare Kibana Canvas, une plateforme d’interaction avec les données d'Elasticsearch pour la création de présentations, tableaux de bord et infographies en temps réel.