近日，国内知名数字化市场研究咨询机构爱分析发布了《2022爱分析·人工智能厂商全景报告》，根据厂商的综合实力、历史服务记录、产品与服务、商业模式、销售能力、定价能力、客户成功、产品战略、生态等方面因素，结合爱分析评价模型，判断厂商人工智能服务技术的竞争力。
日志易凭借在AIOps领域较高的行业影响力与客户认可度，入选为AIOps领域代表厂商。
随着数字化转型的推进，数字化应用在企业业务中的比例越来越高，带来了IT运维对象规模的增长，以及业务对系统安全稳定运行的要求提升；同时，企业IT基础架构由集中式向基于云计算的分布式架构转变，应用架构由单体架构向微服务架构转变，企业IT架构变得越来越复杂，运维难度越来越高。核心需求包括：
- 故障快速定位和处理，保证系统安全稳定运行。传统运维方式以监控、事后处置和人工经验判断故障原因、手动恢复为主，存在异常定位困难、处理效率低等缺陷，需要基于数据和算法的自动化、智能化运维方式提升响应速度。
- 降低IT运维成本。随着运维需求的增长和复杂度提升，加之运维工作量大、重复性工作对人才吸引力逐渐降低，IT运维面临日趋增长的成本支出。企业迫切需要通过人工智能等技术降低IT运维对人力的依赖，从而降低成本。
日志易成立于2014年，以国产自研的智能运维AIOps软件起家，基于自研的低代码搜索处理语言SPL（Search Processing Language）与国内首个高性能高可用性的日志搜索引擎Beaver，一举成为运维领域“排头兵”企业。
日志易SPL已实现了300多个函数及指令，全面覆盖日常运维分析和安全分析工作需求，对接了后台多种机器学习算法，轻松实现智能运维AIOps。日志搜索引擎Beaver，每天可处理PB级日志数据，每秒可检索100亿条日志数据，相比通用开源搜索引擎来说，Beaver性能提升了10倍且硬件成本降低了50%。
日志易智能运维AIOps平台，支持基于时序指标的高级分析函数，可以根据最近一段历史时间内符合周期性的时序指标，运用时序预测算法，预测出接下来一段时间的趋势；内置机器学习算法以及大数据技术，能够实现单KPI指标异常检测、日志模式异常检测和基于多KPI指标的服务模型健康度异常检测等三类异常检测场景，基于KPI指标异常检测构建多层级服务的健康度检测模型，自动发现系统的各类异常。
帮助客户轻松实现：
- 效率提升
通过告警归并、LogReduce数据概要、KPI相关度计算等，让分析人员快速聚焦主要问题。
2. 成本管理
通过时序预测、性能瓶颈分析等实现性能优化及成本管理。
3. 质量保证
通过多种智能运维算法，实现异常自动检测、故障根因分析。
