Elastic 重構指標搜尋引擎，宣稱效能較 Prometheus 快 30 倍，在 AI 工作負載重塑可觀測性支出之際迎戰市場
Elastic 於 9 月 22 日舉行特別電話會議，詳細說明其全新指標產品與整合可觀測性支出的市場進入策略
Elastic 在 9 月 22 日舉行的投資人特別電話會議中，闡述了其指標（metrics）產品背後的技術基礎與商業邏輯；該產品已於 6 月會計年度之初正式推出。核心策略在於對 Elasticsearch 進行架構重構，改以欄式儲存（columnar format）而非該公司長期以來用於日誌（logs）的文件儲存庫（document store）。管理階層指出，這項轉變是與 Prometheus、Mimir 和 ClickHouse 等專門指標平台正面競爭所必須的舉措。
安全與可觀測性解決方案資深副總裁 Santosh Krishnan 透露，該專案在 6 月推出前經過了 12 至 18 個月的研發，這項數據量化了該公司定位為多年期競爭護城河背後的工程投入。「每當我們為平台導入創新時，我們總能獲得不對稱的優勢，」Krishnan 表示，並強調 Elastic 現有在非結構化日誌資料上的優勢，如今已延伸至專為指標打造的引擎。
基準測試數據叫陣現有市場領導者
電話會議中最具體的全新數據是效能基準測試：可觀測性總經理 Bahaaldine Azarmi 表示，Elastic 全新欄式儲存的速度比 Prometheus 和 Mimir 快 30 倍，比 ClickHouse 快 8 倍，相關基準測試已透過開源程式碼發布並可供重現。該架構採用了「維度過濾」（dim filter）等技術，用於在記憶體中管理高基數（high-cardinality）資料，並透過調校過的編解碼器提升儲存效率，直指 Azarmi 所形容的指標核心技術挑戰：與日誌不同，指標帶有大量必須在不解析無關資料的情況下進行選擇性查詢的維度與標籤。管理階層將基數——即系統在不對客戶造成成本或效能懲罰的情況下所能處理的維度數量——定調為對抗競爭指標平台的主要戰場，並指出部分競品迫使客戶在資料保留期限（retention）上做出權衡，進而導致資安事件發生時出現盲點。
PromQL 相容性即將告成
Azarmi 透露，Elastic 對 Prometheus 用戶標準查詢語言 PromQL 的相容性已達到 90%，且「正穩步朝 100% 邁進」。這是一個意義重大的數據，因為它降低了龐大現有 Prometheus 用戶群的轉換成本；管理階層明確將此客群識別為三大市場進入目標之一，其餘兩者分別為公司現有的日誌客戶群，以及目前因較高的保留期限或基數而遭其他指標供應商在定價上「懲罰」的客戶。
AI 工作負載被定調為需求催化劑，而不僅是一項功能
管理階層在會中反覆將指標產品的推出，與代理式 AI（agentic AI）所帶來的營運負擔連結在一起。Azarmi 認為，基於代理的工作負載在結構上不同於傳統應用程式監控，因為推理步驟、工具呼叫（tool calls）和互動次數（turn counts）皆無法預測，這與傳統應用程式定義明確的交易路徑截然不同。「AI 確實正在引發指標的爆炸性成長，」他指出，GPU 運算週期、LLM 呼叫以及代理框架（agent harnesses）都成為需要監控的新訊號類別。Krishnan 在分析師問答環節中進一步補充，指出可觀測性支出正從兩個截然不同的面向受到 AI 推動：用於運算基礎設施建置本身的基礎設施監控，以及專注於安全性與行為（而不僅是正常運行時間）、較新類別的代理層級監控。
採用將呈循序漸進，而非爆發性成長
在商業發展軌跡方面，Krishnan 坦言短期內的採用率不會呈曲棍球棒式的爆發性成長。他向分析師表示，早期設計夥伴的參與度「極其正面」，但也警告稱，企業銷售週期意味著採用將採取「類似爬坡」而非立即迎來拐點的模式。Elastic 目前約三分之二的業務與日誌及 SIEM 相關，Krishnan 確認，該指標產品的短期機會主要在於將新銷售附加到現有以 SRE（網站可靠性工程）為中心的客戶群上，在這些客戶中，第三方基礎設施監控工具的經濟價值往往已經高於 Elastic 的日誌分析合約。管理階層未具體量化每個客戶的營收成長幅度，Krishnan 僅表示：「目前還處於早期階段……請拭目以待。」
支出整合加上新一層的增量需求
針對 Cantor Fitzgerald 分析師 Thomas Blakey 關於指標推動究竟代表來自競爭對手的市佔轉移，還是真正的增量支出的問題，Krishnan 將其形容為兩者兼具。「這絕對包含支出整合的面向，」他表示，但補充指出，AI 驅動的基礎設施成長正促使客戶重新評估現有的整體工具鏈，在簡單的供應商整合之外創造了他所謂「額外的豐厚收穫」。他指出，流入系統的指標資料量與日誌量處於同等數量級，儘管指標的保留期限通常較短。
Deductive AI 併購案與 10 月產品發表會蓄勢待發
Azarmi 提到最近收購了專門從事代理驅動根本原因分析調查的公司 Deductive AI，這項收購將挹注 Elastic 預定於 10 月 8 日在紐約舉行的活動中所發布的更廣泛可觀測性公告。他描述了公司的宏偉願景：讓 AI 代理在單一整合平台內跨指標、追蹤紀錄（traces）、日誌和向量化知識庫執行根本原因分析；他表示，這項能力唯有在所有四種資料類型皆位於相同架構內時方能實現。鑑於管理階層自身也坦承目前尚無可量化的採用指標，投資人應將 10 月的活動視為檢驗指標產品推出是否已轉化為預訂額（bookings）的下一個觀察指標。
Norion Bank 的客戶實證
一段客戶影片展示了已使用 Elastic 八年的 Norion Bank，其可觀測性工程師表示，對全新時間序列資料流的早期測試在部署後一個月內就產生了「顯著」的儲存節省。其中一位工程師在預算壓力下精闢闡述了該類別的價值主張：「問題往往變成我們如何做到——讓成本更便宜，而不是這如何讓我們更快擺脫資安事件。」成本控制與偵測速度之間的這種張力，正是 Elastic 定位其整合式指標儲存庫來解決的權衡取捨，不過該銀行的評論也強調，DORA 和 GDPR 等合規制度增加了保留與稽核要求，使圍繞遙控測量（telemetry）資料的單純成本削減說法變得更加複雜。