阿里云日志服务SLS全面升级:秒级处理数千亿行日志、新计费模式可省32%

本文涉及的产品
对象存储 OSS,20GB 3个月
对象存储 OSS,恶意文件检测 1000次 1年
对象存储OSS,敏感数据保护2.0 200GB 1年
简介: 数据更安全、计费更灵活  阿里云日志服务SLS内核全面升级

9月6日消息,国内云计算巨头阿里云宣布旗下日志服务产品SLS内核全面升级,发布全新一代查询分析引擎,查询性能提升最高2倍,分析性能提升3倍,秒级处理数千亿行日志,同时推出全新同城冗余存储规格,SLA高达99.95%,以及全新的计费模式——按写入数据量计费,可节省32%成本。

image.png

日志服务SLS是阿里云自研、自用的可观测数据存储分析平台,提供对Log、Trace、Metric一站式采集、存储、分析能力,每日可处理来自千万客户端几十PB量级的数据。此次SLS内核全面升级,带来了稳定、性能、成本等多个维度的全新能力,为云上用户提供安全稳定、低成本高性能的存储服务。

稳定性方面,可用性是云存储的核心竞争力,阿里云推出的同城冗余高可用存储,为用户提供了云上同城容灾服务能力,即使在服务终端或灾难事件导致某个机房不可用的情况下,SLS仍能为客户继续提供强一致性的服务。且同城冗余规格SLA 提升至99.95%,相比于传统的本地冗余存储,具备了更高的可用性保证。

针对复杂SQL的高效处理,阿里云的日志服务进行了从存储层到SQL解析层的全链路优化,查询性能提升最高2倍,秒级查询千亿行日志;秒级分析性能提高最高3倍,秒级处理数十亿行日志;单租户最大并发任务数提升20倍,最高至2000,支持更大规模、更复杂查询。日志服务SLS将为用户的每一次决策提供更高效、坚实的数据支持。

image.png

在易用性和成本方面,在此次发布中阿里云针对日志服务 SLS 全新推出了按写入数据量计费模式,让购买更简单、费用可预期、成本更可控。相比原计费方式,按写入数据量计费全索引场景降价高达 32%,用户可享有免费30天存储权益(订阅、加工、投递、消费等0费用)。在该计费模式下SLS还推出节省计划,用户可以通过承诺在一定期限内消费一定的金额,来换取较低的按量计费折扣。

同时,在原有的热存储、低频存储基础上新增归档存储规格,对比热存储成本降幅可达86%,通过智能存储分层的方式进行生命周期管理,无需手动迁移数据且配置工作简单,以0.05 元/GB/月的价格帮助用户实现长期存储成本优化。

此外,阿里云日志服务还提供了AIOps的能力,可借助机器学习、大数据等技术实现系统异常的智能化故障预测、通知和处理。小鹏汽车就通过采用日志服务AIOps智能异常分析方案,故障定位和解决问题时间缩短50%。

“ 当前企业每时每刻都在产生海量级的日志,我们希望为用户提供一个更稳定、更高效、更普惠的可观测数据存储分析平台,”阿里云副总裁曾震宇在阿里云河南峰会现场表示,阿里云从产品、技术、普惠多个维度,全面保障企业对日志数据的高效采集、安全存储与低成本分析处理。

本次峰会上,阿里云还升级了全栈serverless的能力,包括微服务引擎MSE、云原生网关等产品,均支持serverless形态,可实现自动弹性、免容量规划等操作,大幅减少运维负担,从低运维到免运维,购买模式也更加灵活,随弹随用。

相关实践学习
通过日志服务实现云资源OSS的安全审计
本实验介绍如何通过日志服务实现云资源OSS的安全审计。
相关文章
|
5月前
|
监控 Kubernetes Go
日志采集效能跃迁:iLogtail 到 LoongCollector 的全面升级
LoongCollector 在日志场景中实现了全面的重磅升级,从功能、性能、稳定性等各个方面均进行了深度优化和提升,本文我们将对 LoongCollector 的升级进行详细介绍。
454 86
|
6月前
|
SQL 监控 数据挖掘
SLS 重磅升级:超大规模数据实现完全精确分析
SLS 全新推出的「SQL 完全精确」模式,通过“限”与“换”的策略切换,在快速分析与精确计算之间实现平衡,满足用户对于超大数据规模分析结果精确的刚性需求。标志着其在超大规模日志数据分析领域再次迈出了重要的一步。
502 117
|
5月前
|
监控 容灾 算法
阿里云 SLS 多云日志接入最佳实践:链路、成本与高可用性优化
本文探讨了如何高效、经济且可靠地将海外应用与基础设施日志统一采集至阿里云日志服务(SLS),解决全球化业务扩展中的关键挑战。重点介绍了高性能日志采集Agent(iLogtail/LoongCollector)在海外场景的应用,推荐使用LoongCollector以获得更优的稳定性和网络容错能力。同时分析了多种网络接入方案,包括公网直连、全球加速优化、阿里云内网及专线/CEN/VPN接入等,并提供了成本优化策略和多目标发送配置指导,帮助企业构建稳定、低成本、高可用的全球日志系统。
629 54
|
7月前
|
监控 Java 应用服务中间件
Tomcat log日志解析
理解和解析Tomcat日志文件对于诊断和解决Web应用中的问题至关重要。通过分析 `catalina.out`、`localhost.log`、`localhost_access_log.*.txt`、`manager.log`和 `host-manager.log`等日志文件,可以快速定位和解决问题,确保Tomcat服务器的稳定运行。掌握这些日志解析技巧,可以显著提高运维和开发效率。
550 13
|
7月前
|
SQL 存储 关系型数据库
简单聊聊MySQL的三大日志(Redo Log、Binlog和Undo Log)各有什么区别
在MySQL数据库管理中,理解Redo Log(重做日志)、Binlog(二进制日志)和Undo Log(回滚日志)至关重要。Redo Log确保数据持久性和崩溃恢复;Binlog用于主从复制和数据恢复,记录逻辑操作;Undo Log支持事务的原子性和隔离性,实现回滚与MVCC。三者协同工作,保障事务ACID特性。文章还详细解析了日志写入流程及可能的异常情况,帮助深入理解数据库日志机制。
857 0
|
11月前
|
XML 安全 Java
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
本文介绍了Java日志框架的基本概念和使用方法,重点讨论了SLF4J、Log4j、Logback和Log4j2之间的关系及其性能对比。SLF4J作为一个日志抽象层,允许开发者使用统一的日志接口,而Log4j、Logback和Log4j2则是具体的日志实现框架。Log4j2在性能上优于Logback,推荐在新项目中使用。文章还详细说明了如何在Spring Boot项目中配置Log4j2和Logback,以及如何使用Lombok简化日志记录。最后,提供了一些日志配置的最佳实践,包括滚动日志、统一日志格式和提高日志性能的方法。
2987 31
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
|
10月前
|
监控 安全 Apache
什么是Apache日志?为什么Apache日志分析很重要?
Apache是全球广泛使用的Web服务器软件,支持超过30%的活跃网站。它通过接收和处理HTTP请求,与后端服务器通信,返回响应并记录日志,确保网页请求的快速准确处理。Apache日志分为访问日志和错误日志,对提升用户体验、保障安全及优化性能至关重要。EventLog Analyzer等工具可有效管理和分析这些日志,增强Web服务的安全性和可靠性。
263 9
|
12月前
|
XML JSON Java
Logback 与 log4j2 性能对比:谁才是日志框架的性能王者?
【10月更文挑战第5天】在Java开发中,日志框架是不可或缺的工具,它们帮助我们记录系统运行时的信息、警告和错误,对于开发人员来说至关重要。在众多日志框架中,Logback和log4j2以其卓越的性能和丰富的功能脱颖而出,成为开发者们的首选。本文将深入探讨Logback与log4j2在性能方面的对比,通过详细的分析和实例,帮助大家理解两者之间的性能差异,以便在实际项目中做出更明智的选择。
1080 3
|
8月前
|
存储 SQL 关系型数据库
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log、原理、写入过程;binlog与redolog区别、update语句的执行流程、两阶段提交、主从复制、三种日志的使用场景;查询日志、慢查询日志、错误日志等其他几类日志
642 35
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log

相关产品

  • 日志服务