Örneği yapıştırın
Temsilî ham JSON logunu ingestion workbench'e ekleyin.
Tüm kullanım alanları
Ham olay girer, incelenebilir pipeline çıkar
Yeni logları AI desteğiyle sisteme alın
Örnek bir JSON olayını, AI'a kontrolsüz üretim erişimi vermeden incelenebilir Doris şemasına ve collector konfigürasyonuna dönüştürün.
coreva_logslogs_application_events1H
servis, seviye veya mesaj ara...⌘ K
Log akışıAI
TIMELEVELSERVICEMESSAGE
10:42:18.904ERRORcheckout-apipayment upstream timeout · trace=8fa2
10:42:18.887WARNpayment-svcretry budget at 80% · region=tr-1
10:42:17.512INFOgatewayrequest routed · latency=34ms
Bu hata grubunu AI ile açıkla→
Yeni servis değerli olaylar üretiyor; fakat ekip alan tipi, index, retention ve shipper sözdizimi için bir sprint daha harcamak istemiyor.
AI boş sayfa işini kaldırmalı; operasyon kontrolünü değil.
Pain
Veri var; pipeline yok
01
Alanlar ve tipler manuel çıkarılıyor.
02
Schema drift katı mapping'leri kırılgan yapıyor.
03
Collector konfigürasyonu kaynağa göre değişiyor.
04
Güvensiz otomasyon çözdüğünden fazla risk yaratıyor.
UnifyLogs yaklaşımı
AI önerir. Ekibiniz karar verir.
Öneriyi inceleyin
AI, tablo DDL'i ve collector config'ini düzenlenebilir kod bloklarında üretir.
Bilinçli şekilde kurun
Yetkili kullanıcı çıktıyı inceler, tablo kurulumunu ve test olayını açıkça başlatır.
Ne değişir?
Araç değil, çalışma biçimi değişir.
- Custom formatlarda daha hızlı ilk ingestion
- Kapalı otomasyon yerine incelenebilir çıktı
- Değişen JSON attribute'ları için esnek yapı
CONTACT / HUBSPOT
Bugün yaşadığınız log problemini anlatın.
Loglarınızın nerede yaşadığını, incident sırasında neyin aksadığını ve hangi verinin on-prem kalması gerektiğini paylaşın. Uygulanabilir bir değerlendirme yolu ile dönelim.