Submit Search
Upload
Splunk 7.0の概要及び新機能
•
3 likes
•
3,150 views
Kunihiko Ikeyama
Follow
Splunk 7.0で追加された新機能を解説します。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 26
Download now
Download to read offline
Recommended
【GOJAS Meetup-10】Splunk:SmartStoreを使ってみた
【GOJAS Meetup-10】Splunk:SmartStoreを使ってみた
tokita-r
Splunkを使ってKubernetesクラスターとコンテナのログ・メトリクスを可視化
Splunkを使ってKubernetesクラスターとコンテナのログ・メトリクスを可視化
Kunihiko Ikeyama
Knative Eventing 入門(Kubernetes Novice Tokyo #11 発表資料)
Knative Eventing 入門(Kubernetes Novice Tokyo #11 発表資料)
NTT DATA Technology & Innovation
超実践 Cloud Spanner 設計講座
超実践 Cloud Spanner 設計講座
Samir Hammoudi
実環境にTerraform導入したら驚いた
実環境にTerraform導入したら驚いた
Akihiro Kuwano
楽天トラベルとSpring(Spring Day 2016)
楽天トラベルとSpring(Spring Day 2016)
Rakuten Group, Inc.
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
Yuta Imai
Amazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティス
Amazon Web Services Japan
Recommended
【GOJAS Meetup-10】Splunk:SmartStoreを使ってみた
【GOJAS Meetup-10】Splunk:SmartStoreを使ってみた
tokita-r
Splunkを使ってKubernetesクラスターとコンテナのログ・メトリクスを可視化
Splunkを使ってKubernetesクラスターとコンテナのログ・メトリクスを可視化
Kunihiko Ikeyama
Knative Eventing 入門(Kubernetes Novice Tokyo #11 発表資料)
Knative Eventing 入門(Kubernetes Novice Tokyo #11 発表資料)
NTT DATA Technology & Innovation
超実践 Cloud Spanner 設計講座
超実践 Cloud Spanner 設計講座
Samir Hammoudi
実環境にTerraform導入したら驚いた
実環境にTerraform導入したら驚いた
Akihiro Kuwano
楽天トラベルとSpring(Spring Day 2016)
楽天トラベルとSpring(Spring Day 2016)
Rakuten Group, Inc.
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
Yuta Imai
Amazon S3を中心とするデータ分析のベストプラクティス
Amazon S3を中心とするデータ分析のベストプラクティス
Amazon Web Services Japan
Cloud Spanner をより便利にする運用支援ツールの紹介
Cloud Spanner をより便利にする運用支援ツールの紹介
gree_tech
Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化
dcubeio
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
[社内勉強会]ELBとALBと数万スパイク負荷テスト
[社内勉強会]ELBとALBと数万スパイク負荷テスト
Takahiro Moteki
平成最後の1月ですし、Databricksでもやってみましょうか
平成最後の1月ですし、Databricksでもやってみましょうか
Ryuichi Tokugami
こんなに使える!今どきのAPIドキュメンテーションツール
こんなに使える!今どきのAPIドキュメンテーションツール
dcubeio
Grafana Dashboards as Code
Grafana Dashboards as Code
Takuhiro Yoshida
Databricksを初めて使う人に向けて.pptx
Databricksを初めて使う人に向けて.pptx
otato
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
Google Cloud Platform - Japan
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
シスコシステムズ合同会社
Azure Key Vault
Azure Key Vault
junichi anno
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
Google Cloud Platform - Japan
中小規模サービスのApacheチューニング
中小規模サービスのApacheチューニング
勲 國府田
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Amazon Web Services Japan
3分でわかるAzureでのService Principal
3分でわかるAzureでのService Principal
Toru Makabe
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Toru Makabe
Kubernetesを使う上で抑えておくべきAWSの基礎概念
Kubernetesを使う上で抑えておくべきAWSの基礎概念
Shinya Mori (@mosuke5)
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
Amazon Web Services Japan
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
NTT DATA Technology & Innovation
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Cloudera Japan
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
Makoto Sugishita
Talk 1「データインテグレーションとは何か」
Talk 1「データインテグレーションとは何か」
Takeshi Akutsu
More Related Content
What's hot
Cloud Spanner をより便利にする運用支援ツールの紹介
Cloud Spanner をより便利にする運用支援ツールの紹介
gree_tech
Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化
dcubeio
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
Tetsutaro Watanabe
[社内勉強会]ELBとALBと数万スパイク負荷テスト
[社内勉強会]ELBとALBと数万スパイク負荷テスト
Takahiro Moteki
平成最後の1月ですし、Databricksでもやってみましょうか
平成最後の1月ですし、Databricksでもやってみましょうか
Ryuichi Tokugami
こんなに使える!今どきのAPIドキュメンテーションツール
こんなに使える!今どきのAPIドキュメンテーションツール
dcubeio
Grafana Dashboards as Code
Grafana Dashboards as Code
Takuhiro Yoshida
Databricksを初めて使う人に向けて.pptx
Databricksを初めて使う人に向けて.pptx
otato
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
Google Cloud Platform - Japan
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
シスコシステムズ合同会社
Azure Key Vault
Azure Key Vault
junichi anno
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
Google Cloud Platform - Japan
中小規模サービスのApacheチューニング
中小規模サービスのApacheチューニング
勲 國府田
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Amazon Web Services Japan
3分でわかるAzureでのService Principal
3分でわかるAzureでのService Principal
Toru Makabe
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Toru Makabe
Kubernetesを使う上で抑えておくべきAWSの基礎概念
Kubernetesを使う上で抑えておくべきAWSの基礎概念
Shinya Mori (@mosuke5)
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
Amazon Web Services Japan
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
NTT DATA Technology & Innovation
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Cloudera Japan
What's hot
(20)
Cloud Spanner をより便利にする運用支援ツールの紹介
Cloud Spanner をより便利にする運用支援ツールの紹介
Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
[社内勉強会]ELBとALBと数万スパイク負荷テスト
[社内勉強会]ELBとALBと数万スパイク負荷テスト
平成最後の1月ですし、Databricksでもやってみましょうか
平成最後の1月ですし、Databricksでもやってみましょうか
こんなに使える!今どきのAPIドキュメンテーションツール
こんなに使える!今どきのAPIドキュメンテーションツール
Grafana Dashboards as Code
Grafana Dashboards as Code
Databricksを初めて使う人に向けて.pptx
Databricksを初めて使う人に向けて.pptx
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
Cisco Modeling Labs (CML)を使ってネットワークを学ぼう!(DevNet編)
Azure Key Vault
Azure Key Vault
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
[GKE & Spanner 勉強会] Cloud Spanner の技術概要
中小規模サービスのApacheチューニング
中小規模サービスのApacheチューニング
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
Kinesis + Elasticsearchでつくるさいきょうのログ分析基盤
3分でわかるAzureでのService Principal
3分でわかるAzureでのService Principal
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesのしくみ やさしく学ぶ 内部構造とアーキテクチャー
Kubernetesを使う上で抑えておくべきAWSの基礎概念
Kubernetesを使う上で抑えておくべきAWSの基礎概念
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
[CTO Night & Day 2019] AWS で構築するデータレイク基盤と amazon.com での導入事例 #ctonight
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Apache Hadoop YARNとマルチテナントにおけるリソース管理
Similar to Splunk 7.0の概要及び新機能
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
Makoto Sugishita
Talk 1「データインテグレーションとは何か」
Talk 1「データインテグレーションとは何か」
Takeshi Akutsu
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
Spring data-rest-and-spring-cloud-contract
Spring data-rest-and-spring-cloud-contract
Takeshi Ogawa
Fess/Elasticsearchを使った業務で使える?全文検索への道
Fess/Elasticsearchを使った業務で使える?全文検索への道
Shinsuke Sugaya
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Tomoyuki Oota
stapy_028_talk1
stapy_028_talk1
Takeshi Akutsu
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
NTT DATA OSS Professional Services
Sharding with sql alchemy
Sharding with sql alchemy
Akira Matsuzaki
Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習
NTT DATA OSS Professional Services
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Naoto Tamiya
Pysparkで始めるデータ分析
Pysparkで始めるデータ分析
Tanaka Yuichi
Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016
Tatsuya Atsumi
Azure Search クックブック
Azure Search クックブック
Kazuyuki Miyake
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識
Daiyu Hatakeyama
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
Google Cloud Platform - Japan
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
Insight Technology, Inc.
HBaseとSparkでセンサーデータを有効活用 #hbasejp
HBaseとSparkでセンサーデータを有効活用 #hbasejp
FwardNetwork
Similar to Splunk 7.0の概要及び新機能
(20)
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
SAP HANAは 単なるインメモリーデータベースじゃなくて (賢い)アプリの開発・実行プラットフォーム
Talk 1「データインテグレーションとは何か」
Talk 1「データインテグレーションとは何か」
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
Spring data-rest-and-spring-cloud-contract
Spring data-rest-and-spring-cloud-contract
Fess/Elasticsearchを使った業務で使える?全文検索への道
Fess/Elasticsearchを使った業務で使える?全文検索への道
Data Scientists Love SQL Server
Data Scientists Love SQL Server
stapy_028_talk1
stapy_028_talk1
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
Sharding with sql alchemy
Sharding with sql alchemy
Spark MLlibではじめるスケーラブルな機械学習
Spark MLlibではじめるスケーラブルな機械学習
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Pysparkで始めるデータ分析
Pysparkで始めるデータ分析
Pythonで入門するApache Spark at PyCon2016
Pythonで入門するApache Spark at PyCon2016
Azure Search クックブック
Azure Search クックブック
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
エンジニアのための Azure 基礎知識
エンジニアのための Azure 基礎知識
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
Big data解析ビジネス
Big data解析ビジネス
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
[db analytics showcase Sapporo 2017] B27:世界最速のAnalytic DBはHadoopの夢を見るか by 株式会...
HBaseとSparkでセンサーデータを有効活用 #hbasejp
HBaseとSparkでセンサーデータを有効活用 #hbasejp
Recently uploaded
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
Recently uploaded
(9)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
Splunk 7.0の概要及び新機能
1.
© 2017 SPLUNK
INC.© 2017 SPLUNK INC. Splunk 7.0の概要及び新機能 モニタリングから問題解決までの統合を実現 池山 邦彦 | Sr. Sales Engineer, Splunk Services Japan Oct 2017 | Version 1.0
2.
© 2017 SPLUNK
INC. During the course of this presentation, we may make forward-looking statements regarding future events or the expected performance of the company. We caution you that such statements reflect our current expectations and estimates based on factors currently known to us and that actual events or results could differ materially. For important factors that may cause actual results to differ from those contained in our forward-looking statements, please review our filings with the SEC. The forward-looking statements made in this presentation are being made as of the time and date of its live presentation. If reviewed after its live presentation, this presentation may not contain current or accurate information. We do not assume any obligation to update any forward-looking statements we may make. In addition, any information about our roadmap outlines our general product direction and is subject to change at any time without notice. It is for informational purposes only and shall not be incorporated into any contract or other commitment. Splunk undertakes no obligation either to develop the features or functionality described or to include any such feature or functionality in a future release. Splunk, Splunk>, Listen to Your Data, The Engine for Machine Data, Splunk Cloud, Splunk Light and SPL are trademarks and registered trademarks of Splunk Inc. in the United States and other countries. All other brand names, product names, or trademarks belong to their respective owners. © 2017 Splunk Inc. All rights reserved. Forward-Looking Statements
3.
© 2017 SPLUNK
INC. 自己紹介 Who am I? 池山 邦彦 (いけやま くにひこ) e-mail: kikeyama@splunk.com シニア・セールス・エンジニア 2016年8月 Splunk入社 ▶ 仕事: Splunkで夢を売る仕事 ▶ 趣味: 写真撮影、ドラム演奏 こっち
4.
© 2017 SPLUNK
INC. MACHINE DATA データは語りかける。 君は聞いているか?
5.
© 2017 SPLUNK
INC. Splunk Enterprise 7.0 マシンデータを収集、分析し、疑問に答える最善のデータプラットフォーム リアルタイムにマシンデータ の収集、インデックス、そして 可視化を自動化 モニタリング あらゆるマシンデータ (構造化 / 非構造化)から 洞察を獲得 調査 マシンデータから得られる 情報を分析・予測して 意思決定につなげる インテリジェンス
6.
© 2017 SPLUNK
INC. Splunk Enterprise 7.0 マシンデータを収集、分析し、疑問に答える最善のデータプラットフォーム リアルタイムにマシンデータ の収集、インデックス、そして 可視化を自動化 モニタリング あらゆるマシンデータ (構造化 / 非構造化)から 洞察を獲得 調査 マシンデータから得られる 情報を分析・予測して 意思決定につなげる インテリジェンス
7.
© 2017 SPLUNK
INC. メトリクスとイベント 統合が困難な全く異なるマシンデータソース... それも今は昔の話 メトリクス (Metrics) ▶ 特定のプロセスやアクティビティを表現する数字 ▶ 一定の時間間隔で測定 i.e., 時系列データ ▶ メトリクスの例: • システムメトリクス (CPU、メモリ、ディスク) • インフラメトリクス (AWS CloudWatch) • ウェブトラッキング (Google Analytics) • アプリケーションエージェント (APM、エラートラッキング) イベント (Events) ▶ 時間経過とともに発生する固有のイベントの不変の記録 ▶ 3通りの方法で取得: テキスト、構造化データ、バイナリ ▶ イベントの例: • サーバーログ (syslog, journald) • ファイアウォールやIDSのシステムログ • ソーシャルメディアのフィード (Twitter…) • アプリケーションやミドルウェエア、プラットフォームのログ (log4j, log4net, Apache, MySQL, AWS) Timestamp Metric Name Value Dimensions 1481050800 os.cpu.user 42.12345 hq:us-west-1 Sample Metric [29/Aug/2017 08:47:05:316503] "POST /cart.do?uid=84e8d742-a31d69&action=remove&&product_id=BS- 2&JSESSIONID=SD6SAL4FF1ADFF9 HTTP 1.1" 200 2569 "http://www.buttercupenterprises.com/product.screen? product_id=BS-2" "Mozilla/5.0 (Intel Mac OS X 10_12_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2957.0 Safari/537.36" 98 Sample Log Equivalent to 1 metric value モニタリング
8.
© 2017 SPLUNK
INC. ▶ メトリクスデータを使ってモニタリングやアラートで 20倍ものパフォーマンス改善 ▶ 利用例: CPU使用率、デバイスの温度変化、アプリ ダウンロード数 ▶ 既存のSplunkプラットフォームを利用可能: • 可視化とアラート • RBAC (Role-Based Access Controls) • データ入力 • データの冗長化やスケールアウト • オープンソースのソースタイプに対応 (statsd, collectd) • オンプレ環境はもちろん、SaaSもサポート Splunkでメトリクスを活用 メトリクスで驚きのユーザー体験 車から取得したメトリクスのダッシュボード: 大量のデータとサーチを一つのダッシュボード で実現 モニタリング
9.
© 2017 SPLUNK
INC. 1. メトリクスデータの受け口を事前に準備 • メトリクス用のインデックスを作成 • メトリクス用のソースタイプを作成 ※ StatsD, collectd はデフォルトでサポート 2. メトリクスデータを投入(既存のデータ入力も利用可能) • HTTP Event Collector • TCP/UDP Inputs etc... 3. サーチする • mstats / mcatalog コマンド どうやってSplunkでメトリクスを使うの? 簡単なステップで使えます モニタリング
10.
© 2017 SPLUNK
INC. ▶ 新規インデックス作成のダイアログで メトリック を選択 ▶ indexes.confに datatype パラメータ が新規追加 メトリクス用のインデックスを作成 GUIで簡単操作 [metrics] coldPath = $SPLUNK_DB/metrics/colddb datatype = metric homePath = $SPLUNK_DB/metrics/db maxTotalDataSizeMB = 3072 thawedPath = $SPLUNK_DB/metrics/thaweddb splitByIndexKeys = metric_name モニタリング indexes.conf パフォーマンス向上の ために推奨
11.
© 2017 SPLUNK
INC. ▶ Splunk 7.0では StatsD, collectd をネイティブサポート ▶ じゃあそれ以外のデータソースはどうすればいいの? → メトリクス用の props.conf と transforms.conf を作ればおk メトリクス用のソースタイプを作成 ソースタイプで [graphite_plaintext] TIME_PREFIX = ¥s(¥d{0,10})$ TIME_FORMAT = %s NO_BINARY_CHECK = true SHOULD_LINEMERGE = false pulldown_type = 1 TRANSFORMS-graphite-host = graphite_host TRANSFORMS-graphite-metricname = graphite_metric_name TRANSFORMS-graphite-metricvalue = graphite_metric_value category = Metrics [graphite_host] REGEX = ^(¥S[^¥.]+) FORMAT = host::$1 DEST_KEY = MetaData:Host [graphite_metric_name] REGEX = ¥.(¥S+) FORMAT = metric_name::graphite.$1 WRITE_META = true [graphite_metric_value] REGEX = ¥w+¥s+(¥d+.?¥d+)¥s+ FORMAT = _value::$1 WRITE_META = true props.conf transforms.conf モニタリング
12.
© 2017 SPLUNK
INC. Field Required Writeable or Internal Description Example metric_name X Writeable The metric name. os.cpu.user _time X Writeable The timestamp of the metric in UNIX time notation. 2017-08-14 17:12:39.000 _value X Writeable The numeric value of the metric. This field is a 64-bit floating point number, which supports precision between 15 and 17 decimal digits. 42.12345 <dimension 0> ... <dimension n> X Writeable An arbitrary number of fields, indicating how metrics can be split. ip _dims X Internal An auto-generated internal field that contains the names of all of the dimensions in the metric event. The purpose of this field is to return a list of unique dimension names in a metrics index. _dims::ip metric_type Writeable The type of metric. Only "g" (gauge) is supported. g メトリクスデータの中身(フィールド) モニタリング
13.
© 2017 SPLUNK
INC. Field Required Writeable or Internal Description Example source Internal The source of the metrics data. udp:8125 host X Internal The origin host. A standard field in Splunk software. server007 index X Internal The metrics index name. A standard field in Splunk software. metricsindex sourcetype X Internal The data structure of the metric. A standard field in Splunk software. statsd メトリクスデータの中身(フィールド) モニタリング
14.
© 2017 SPLUNK
INC. mstats • メトリクスの検索で使うサーチコマンド • | mstats <stats-func>... [ WHERE [<logical-expression>]... metric_name=<string>... ] [ (BY|GROUPBY) <field-list> ] [<span-length>] - 統計の例: | mstats max(_value) AS max_value WHERE metric_name=cpu.percent.user.value BY host - 時系列の例: | mstats max(_value) AS max_value WHERE metric_name=cpu.percent.user.value span=10s サーチコマンド メトリクス検索のための全く新しいサーチコマンド • tstats と同様の使い方 • metric_name= は必須 • <stats-func> の値は _value モニタリング
15.
© 2017 SPLUNK
INC. mcatalog • メトリクスのカタログ情報を取得するためのコマンド • | mcatalog values(<metrics-field>)... [ WHERE [<logical-expression>]... ] [ (BY|GROUPBY) <field-list> ] - 例) ディメンジョンのリストを取得: | mcatalog values(_dims) AS dimensions WHERE index=metrics BY metric_name • 利用可能な統計関数は values のみ サーチコマンド メトリクス検索のための全く新しいサーチコマンド モニタリング
16.
© 2017 SPLUNK
INC. ▶ Metricsマニュアル http://docs.splunk.com/Documentation/Splunk/7.0.0/Metrics/Overview 参考資料 モニタリング
17.
© 2017 SPLUNK
INC. Splunk Enterprise 7.0 マシンデータを収集、分析し、疑問に答える最善のデータプラットフォーム リアルタイムにマシンデータ の収集、インデックス、そして 可視化を自動化 モニタリング あらゆるマシンデータ (構造化 / 非構造化)から 洞察を獲得 調査 マシンデータから得られる 情報を分析・予測して 意思決定につなげる インテリジェンス
18.
© 2017 SPLUNK
INC. ▶ 時系列グラフにイベントを付与 (線形グラフ、棒グラフ、面グラフ) ▶ メトリクスとログを単一のグラフに 相関的に表示 ▶ あらゆるデータソースからラベルを 定義可能 (ログデータ、ルックアップファイル、 もしくは外部データソース) Splunk Event Annotation データの可視化による洞察を獲得 調査 Metrics with Event Annotation
19.
© 2017 SPLUNK
INC. DEMO SPLUNK ENTERPRISE 7.0 METRICS & EVENT ANNOTATION
20.
© 2017 SPLUNK
INC. Splunk Enterprise 7.0 マシンデータを収集、分析し、疑問に答える最善のデータプラットフォーム リアルタイムにマシンデータ の収集、インデックス、そして 可視化を自動化 モニタリング あらゆるマシンデータ (構造化 / 非構造化)から 洞察を獲得 調査 マシンデータから得られる 情報を分析・予測して 意思決定につなげる インテリジェンス
21.
© 2017 SPLUNK
INC. Machine Learning Automating analytical model building using algorithms that iteratively learn from data without requiring explicit programming
22.
© 2017 SPLUNK
INC. Machine Learning A process for generalizing from examples
23.
© 2017 SPLUNK
INC. SPLUNK SEARCH PREMIUM SOLUTIONS MACHINE LEARNING TOOLKIT Platform for Operational Intelligence Platform for turning machine data into answers Splunk Machine Learning マシンデータから得られる情報を分析・予測して意思決定につなげるための最善のプラットフォーム インテリジェンス
24.
© 2017 SPLUNK
INC. ▶ Showcases: IT運用やセキュリティ、ビジネ ス分析、IoTのインタラクティブなサンプル ▶ Assistants: モデル作成、検証、および展開 のガイドライン ▶ Models: 25以上のアルゴリズムを含む柔軟 なモデル設計・構築 ▶ Commands: モデルの作成、検証、運用可 能なSPLコマンド ▶ Free: Machine Learning Toolkit は SplunkbaseTM からダウンロード・インストー ル可能 Splunk Machine Learning Toolkit サンプルデータやモデルを用いて簡単に利用可能 インテリジェンス
25.
© 2017 SPLUNK
INC. ▶ SplunkのRBACに統合されたモデル管理 ▶ 時系列データ予測にて簡単に利用できるアルゴリズ ムとパラメータが追加 ▶ APIを使って簡単にアルゴリズムをインポート、およ び] SplunkbaseTM App にエクスポート ▶ Apache Sparkとの統合による分散コンピューティン グで大規模データのモデル作成に有効 Splunk Machine Learning Toolkit 3.0 サンプルデータやモデルを用いて簡単に利用可能 インテリジェンス Predict Numeric Fields Detect Numeric Outliers Forecast Time Series Cluster Numeric Events
26.
© 2017 SPLUNK
INC.© 2017 SPLUNK INC. Thank You 池山 邦彦 | Sr. Sales Engineer, Splunk Services Japan Slack ID: @kikeyama
Download now