Splunk:让数据可取可用,更加安全

简介:
 
  【51CTO.com原创稿件】提及Splunk这家公司,相信知道的朋友并不多。这家成立了13年,早在6年之前就进入中国市场的数据公司,由于作风低调,所以一直以来并没有受到太多关注。根据Splunk公司北亚区总经理戴健庆介绍, Splunk成立于美国硅谷,在全球有三个总部,分别位于美国旧金山的三藩市,欧洲的伦敦和亚太区的香港。

Splunk全球大概有2700名员工和13000多家客户,全球财富100强的公司中有超过85家在使用Splunk的产品。目前,Splunk已经在美国纳斯达克上市。2014年,Splunk在上海杨浦区建立了研发中心,除了支撑全球业务和提供本地化服务以外,还与上海高校合作联招,在中国培养专业的技术人才。

1PB数据强大处理能力

在互联网+时代的今天,联网设备的高速增长催生了大量数据,据不完全统计,全球90%以上的数据是过去4年间产生的。如何充分利用数据,挖掘商业价值,获取新的商业洞察,成为摆在企业面前的难题。戴健庆表示,企业如果不懂得利用数据,那么数据就是垃圾,没有任何用处。Splunk要做的就是帮助企业利用数据完成转型,让客户在比较复杂的数据里找到价值,这也是Splunk公司的愿景。

虽然Splunk只提供了SplunkEnterprise这样一个核心数据分析产品,但由于在方案上部署了各种应用软件,因此可以把SplunkEnterprise看作是一个软件平台。据戴健庆介绍,Splunk的大部分应用软件是免费的,在Splunkbase可以免费下载和应用。当然,也会有一些方案是需要用户购买的。

Splunk的优势在于能够从各种设备上收集数据,无论是电脑、手机还是各种机器的传感器,并能够将收集的数据及时分析,实时获取营运情报。戴健庆表示,传统数据分析需要先对处理的问题进行定制,然后通过建模,把需要处理的数据放入relational database(关系数据库)里面进行处理。由于架构无法改变,因此无法做到基于数据模型来分析、预测未来发生的事情。Splunk的解决方案是先把非结构性的数据拿过来,把所有的数据全部放在Splunk系统里,在此阶段不做任何筛选。当用户需要时,根据当时面对的困难去做查询。当然,用户可以随时在系统里面查询,这是Splunk最核心的技术能力。

戴健庆表示,Splunk现在能够支撑1 PB规模的数据,目前这项技术已经在一家电子产品公司的客户中应用。可以想象,Splunk产品的扩展性非常强大。

打造信息安全指挥中心

在数据总量爆炸式增长的今天,除了数据分析与挖掘外,数据安全也引起了企业的高度重视。Splunk全球安全事业部总经理、公司高级副总裁宋海燕表示,传统的数据安全保护主要存在三种困难:一是攻击事件发生后,缩减数据的保护方法会导致重要数据的丢失;二是由于要面对各种各样的预警方式,因此企业在抓威胁、抓欺诈时往往是大海捞针,无从下手。三是由于业务和IT系统连接紧密,一旦 IT出现问题,就会影响业务的正常开展。

Splunk认为要用分析为主的方式来驱动公司的安全性。第一,在系统中购置风险模型,能够让应用风险和IT风险连接在一起,安全分析会更加准确。第二,通过智能收集来提高安全胜算,Splunk认为智能收集就是给每个用户的制高点,站得越高,看到的威胁就越多,胜算就越大。第三,把人、数据、技术进行融合,通过简单易上手的软件来连接人和数据,降低用户安全防护压力,提高安全系数。

宋海燕表示,虽然Splunk不做终端,不做网络,不做加密,但是它给行业带来的最大价值是作为一个中立公司,去帮助客户建立动态的神经中枢,把数据收集起来,关联分析给他们,让他们对公司信息安全情景有一个全方位的认知。她表示,信息安全对情景和周围的威胁机能收集非常重要,安全实施不仅要靠人力,而且要充分利用机器学习、人工智能和大数据,充分考虑更多情景,帮助用户来做更准确、更快速的分析。

“Splunk的愿景是希望帮助更多的客户和合作伙伴一起工作,把每一个数据中心、每一个安全中心都打造成信息安全的指挥中心。” 宋海燕如是说。

 
 
作者:ZC
来源:51CTO
目录
相关文章
|
算法 编译器 数据处理
什么叫下推
`下推`在计算机科学中涉及多种应用:1) 在编译器的下推自动机用于语法分析;2) 栈操作在函数调用与递归中管理返回地址和局部变量;3) 索引下推优化数据库查询性能;4) 事件下推在异步编程和事件驱动架构中处理事件;5) 下推算法在流处理中实现接近数据源的计算,提升流式数据处理效率。
501 2
|
算法 架构师 Java
【计算机专业】岗位方向细分与发展提升建议
【计算机专业】岗位方向细分与发展提升建议
|
机器学习/深度学习 人工智能 算法
「AI工程师」算法研发与优化-工作指导
**工作指导书摘要:** 设计与优化算法,提升性能效率;负责模型训练及测试,确保准确稳定;跟踪业界最新技术并应用;提供内部技术支持,解决使用问题。要求扎实的数学和机器学习基础,熟悉深度学习框架,具备良好编程及数据分析能力,注重团队协作。遵循代码、文档和测试规范,持续学习创新,优化算法以支持业务发展。
666 0
「AI工程师」算法研发与优化-工作指导
|
测试技术 持续交付 Apache
性能怪兽来袭!Python+JMeter+Locust,让你的应用性能飙升🦖
【8月更文挑战第5天】随着互联网应用规模增长,性能测试至关重要。本文介绍如何利用Python结合Apache JMeter和Locust构建高效可定制的性能测试框架。JMeter广泛用于负载测试,通过模拟大量虚拟用户并发访问来评估性能。Locust基于Python,通过编写简单脚本模拟HTTP请求,特别适合Web应用测试,比JMeter更灵活易扩展。Python作为胶水语言简化测试脚本编写并流畅自动化流程。文章提供JMeter命令行测试和Locust脚本示例,并展示如何用Python自动化执行和整合测试结果,最终帮助应用在高负载下稳定运行。
369 1
|
机器学习/深度学习 人工智能
Leffa:Meta AI 开源精确控制人物外观和姿势的图像生成框架,在生成穿着的同时保持人物特征
Leffa 是 Meta 开源的图像生成框架,通过引入流场学习在注意力机制中精确控制人物的外观和姿势。该框架不增加额外参数和推理成本,适用于多种扩散模型,展现了良好的模型无关性和泛化能力。
694 11
Leffa:Meta AI 开源精确控制人物外观和姿势的图像生成框架,在生成穿着的同时保持人物特征
|
存储 监控 算法
Java虚拟机(JVM)垃圾回收机制深度解析与优化策略####
本文旨在深入探讨Java虚拟机(JVM)的垃圾回收机制,揭示其工作原理、常见算法及参数调优方法。通过剖析垃圾回收的生命周期、内存区域划分以及GC日志分析,为开发者提供一套实用的JVM垃圾回收优化指南,助力提升Java应用的性能与稳定性。 ####
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来教育:重塑学习体验
【10月更文挑战第20天】 在21世纪的今天,人工智能(AI)技术正以前所未有的速度改变着我们的生活、工作和学习方式。本文探讨了AI如何深刻影响未来教育的各个方面,从个性化学习路径的设计到智能辅导系统的开发,再到虚拟现实(VR)和增强现实(AR)技术在学习中的应用。通过分析这些变革,我们不仅能够预见一个更加高效、互动和包容的教育未来,而且还能理解这一过程中所面临的挑战和机遇。文章强调了持续创新的重要性,并呼吁教育工作者、技术开发者和政策制定者共同努力,以确保技术进步惠及每一个学习者。
364 2
|
监控 Android开发 iOS开发
深入探索安卓与iOS的系统架构差异:理解两大移动平台的技术根基在移动技术日新月异的今天,安卓和iOS作为市场上最为流行的两个操作系统,各自拥有独特的技术特性和庞大的用户基础。本文将深入探讨这两个平台的系统架构差异,揭示它们如何支撑起各自的生态系统,并影响着全球数亿用户的使用体验。
本文通过对比分析安卓和iOS的系统架构,揭示了这两个平台在设计理念、安全性、用户体验和技术生态上的根本区别。不同于常规的技术综述,本文以深入浅出的方式,带领读者理解这些差异是如何影响应用开发、用户选择和市场趋势的。通过梳理历史脉络和未来展望,本文旨在为开发者、用户以及行业分析师提供有价值的见解,帮助大家更好地把握移动技术发展的脉络。
877 6
|
数据可视化 安全 前端开发
基于Django的美团药品数据分析与可视化系统,有多用户功能,可增删改查数据
本文介绍了一个基于Django框架开发的美团药品数据分析与可视化系统,该系统具备多用户功能,支持数据的增删改查操作,并采用MySQL、pandas、echarts和bootstrap技术栈,为用户提供了一个高效、安全且实用的药品数据管理和分析平台。
268 0
基于Django的美团药品数据分析与可视化系统,有多用户功能,可增删改查数据
|
存储 缓存 NoSQL
Redis经典问题:BigKey问题
BigKey问题常困扰着Redis用户,其影响不容忽视。本文将深入探讨BigKey问题的本质及解决方案,帮助你优化Redis性能,提升系统稳定性。
849 2