現代業務使用愈來愈多系統，產生大量數據，不少是難以整理的日誌檔（Logs），被稱為機器數據，其中大部分屬於「非結構性數據」，也就是無法以傳 統數據庫技術分析。
這些系統數據，以往束諸高閣，其實蘊藏了不少可助改善營運、保安、業務的情報，如何沙裡淘金，從大數據發掘價值，改善系統性能，甚至保安漏洞和不尋常活動，幾乎是系統人員共同願望。
發掘數據最直接方法，是以視覺化呈現數據內容，甚至轉化機器數據，成為預測未來的洞見。最先發現和簡化應用機器數據的廠商，Splunk可算是佼佼者；Splunk可搜尋、監察、分析大量的機器數據；除了分析運作，也可應用於商業決策，甚至取代SIEM保安系統。
Splunk類似是機器數據的搜尋服務，具備多種Forwarder插件從系統擷取數據。近 年Splunk業務高速發展，上月剛以三億五千萬美元，收購網絡保安公司Phantom，加強保安功能。
2012年，另一家搜尋機器數據的Elastic登生，以公開源碼Lucene搜尋引擎快速索引數據，並推出了強大視覺化介面Kibana。Elastic技術要求較高，速度卻更快；Elastic開發監察IT基建各項應用，同樣具備不少商業和保安智能。
但是，Elastic擷取數據，要先經Logstash插件，轉化成JSON格式，然後以Lucene加入製作索引，組裝難度較高，但Elastic分散式部署和極具擴充性，加上高速檢索；不少投資銀行、電子商業、電訊商，紛紛成為客戶。Netflix就是以Elastic探索用戶行為，並檢索和管理每天以十萬計的訊息。維基百科、Github、投資銀行高盛都是Elastic用戶。
Elastic加入APM
最近，Elastic年度大會Elastic{ON}上再發佈多個新功能，並宣佈累計下載次數已達 2.25 億次。過去18個月內，Elastic又收購了三家新公司；包括專門開發應用性能監控（APM）的Opbeat。今次大會上，Elastic推出了Elastic APM，可分析應用內每句源碼如何影響系統性能，加快除錯調校應用。傳統APM方案甚為昂貴，Elastic APM更可結合系統日誌檔，端到端監察用戶的體驗，包括使用瀏覽器時的反應。
Elastic APM可支援以Python/Node.jS/Ruby/JS開發的應用，開發人員只要將代理程式加入開發專案，就可自動從應用，蒐集有關性能數據，並通過Elasticsearch來檢索應用各項性能指標，以Kibana以視覺化顯示性能變化。由於客戶體驗愈來愈重要，Elastic APM功能又涵蓋主流高階開發語言，加上又是免費，相信吸引不少開發人員採用。
支援機器學習預測
Elastic除了多項免費功能，亦加入X-Pack伸延功能，提供系統保安、監察和提醒功能。X-Pack又加入機器學習，探測數據不尋常變化，提示系統可能遭攻擊入侵，或者運作異常，甚至需求的突然變化。新版X-Pack機器學習，再加入預測分析，可從現時機器學習所獲結果，推演未來變化；例如系統運算能力儲存，是否足以應付峰值需求，甚麼時候應該升級，也可對比預測和實際結果，再作微調。
Elastic也跟Microsoft合作，監察Azure雲運算基建的性能和保安。Elastic可自動轉化Azure日誌，成為JSON格式，再存入Elasticsearch，以Kibana即時顯示，快速顯示Azure雲端基建狀況；如登入失敗的嘗試次數、用戶各種可疑行為、甚至監察和優化SQL數據庫部署。
機器學習和分析雲基建，都是不少企業客戶渴求的新功能。去年，Elastic與阿里雲建立合作，更多用戶可在雲端直接使用Elastic。作為SaaS，Elastic亦有不俗的應用前景。