作者：来自 Elastic Natalie Blake
Elastic 连续第三年被评为 2026 年 Gartner® 可观测性平台魔力象限™领导者。
在我们看来，可观测性市场与我们首次获得这一认可时相比已经有所不同。AI 以难以预料的方式加速了遥测数据量的增长，给存储成本以及管理这些数据团队的预算带来了压力。对于 AI 辅助调查的期望也已经从对话式转变为运营式和 agent 式。与此同时，生态系统也持续发展，OpenTelemetry（OTel） 和 Prometheus 已经成为任何严肃平台都需要原生支持的标准，而无需付出模式转换成本。
我们认为，这一认可反映了我们如何应对这些变化。以下是我们认为帮助我们达到这一成果的因素。
日志、指标和追踪的高成本效率
由于 AI 的推动，遥测数据量正在爆炸式增长，导致整个行业的成本不断上升。标准应对方式是存储更少的数据：更严格的保留策略、更激进的采样、降低数据类型优先级。这个方法的问题在于它会产生累积效应。每丢弃一条遥测数据，就意味着不再拥有一部分上下文，而上下文正是 AI 驱动调查所依赖的内容。
Elastic 采用了不同的方法。Elasticsearch 存储日志和追踪数据的效率比标准索引高 4 倍，存储指标的效率比 Prometheus 高 2.5 倍。它在一个统一接口下运行两个专用引擎：一个针对日志和追踪优化的全文搜索引擎，以及一个针对指标优化的完整列式引擎。每个引擎都针对其处理的数据形态进行设计，这就是效率提升的来源。两个引擎共享相同的查询语言、API 和仪表板，因此团队可以通过单一接口处理全部三种信号类型，无需维护独立后端，也无需在不同工具之间切换上下文。在低效平台上存储一小部分数据的成本，高于在 Elastic 中存储全部数据的成本。
你的日志中有答案。Elastic 可以找到它
日志是可观测性中最丰富的信号，但由于它们是非结构化数据，并且以完整保真度存储成本高，因此经常未被充分利用。大多数团队只能根据存储预算保留数据，并将日志搜索视为一种响应式操作，仅在事件发生时由专家执行。
Elastic Streams 会自动从原始日志中提取结构、含义和运营上下文，将一种响应式、仅限专家使用的信号转变为主动式信号。它使用 AI 自动发现知识指标（Knowledge Indicators，KIs），无需工程师提前知道应该搜索什么；它会从非结构化数据中提取实体和依赖关系，因此当告警触发时，相关上下文已经可用。
使用完整上下文进行 AI 驱动的调查
Elastic 提供构建在最丰富调查上下文之上的 AI agent 和机器学习（ML）能力，用于调查和根因分析（RCA）。由于遥测数据存储效率足够高，无需丢弃任何数据，并且日志数据结构化程度足够高，可以直接用于分析，因此 AI 拥有完整上下文进行工作。
这一切的基础是检索层。Elasticsearch 通过语义方式检索相关日志、指标和追踪，而不仅仅依靠关键词匹配。检索质量决定了 AI 找到的是正确上下文，还是与之接近的近似上下文。这正是上下文工程变得重要的地方：Elastic 在数据摄取阶段对遥测数据进行结构化和增强，标记实体、提取依赖关系并构建服务地图，使数据在告警触发之前就已经为 AI 使用做好准备。
对于需要构建自身调查工作流的团队，Elastic Agent Builder 和 Workflows 提供了构建自定义 AI agent 的基础能力。Elastic 还提供了一个开放的 Agent Skills 仓库，可以查询 Elasticsearch、执行 ES|QL，并对结果进行推理。预配置的异常检测和日志分类能力多年来一直是平台的核心组成部分。所有这些能力都支持由 agent 驱动的调查和修复。
使用开放标准面向未来
选择封闭技术栈意味着每次生态系统变化时都需要进行迁移工作。每次采集方式变化都会带来工程成本，包括新的数据管道、模式转换和数据校验。在可观测性领域，OTel 正成为主要的采集标准，而 Prometheus 通常是指标领域的默认选择。
Elasticsearch 从设计上就是开放的、模式中立的，并且从底层开始构建于 OTel 之上。使用 Elasticsearch，团队可以从任何来源摄取任何数据，无论是 Prometheus、OTel 还是其他格式，原生存储这些数据，并按原样查询。数据保持其原生格式，无需转换层，也不会在转换过程中丢失信息。
这一认可对我们的意义
我们认为，连续第三年被评为 Gartner 魔力象限领导者，体现了客户向我们传达的信息：可观测性不应该迫使团队做出取舍，团队应该能够高效存储全部遥测数据，基于开放标准而不是封闭标准进行构建，并确保 AI 调查拥有所需的完整上下文。
这里讨论的四个领域彼此相互关联：效率使完整上下文成为可能，完整上下文使 AI 调查更加可靠，而开放标准确保行业发展时投资不会丢失。我们认为，这一认可体现了我们在这四个领域持续取得的进展。
阅读完整报告
2026 Gartner® 可观测性平台魔力象限™ 现已发布。
访问该报告，了解更多关于可观测性市场的信息，以及为什么我们认为 Elastic 被评为领导者。
探索 Elastic Observability 如何帮助组织更快调查问题、监控 AI 驱动的应用、采用开放标准，并自信地大规模运营。
Gartner，可观测性平台魔力象限，
Padraig Byrne、Martin Caren、D.B. Cummings、Neil Young，2026 年 7 月 15 日。
GARTNER 是 Gartner, Inc. 和/或其在美国及国际上的关联公司的注册商标和服务商标，MAGIC QUADRANT 是 Gartner, Inc. 和/或其关联公司的注册商标，本文经许可使用。保留所有权利。
Gartner 不认可其研究出版物中描述的任何供应商、产品或服务，也不会建议技术用户仅选择评级最高或具有其他称号的供应商。Gartner 研究出版物包含 Gartner 研究机构的观点，不应被解释为事实声明。Gartner 不对本研究提供任何明示或暗示的保证，包括适销性或特定用途适用性的保证。
本文中描述的任何功能或特性的发布和时间安排完全由 Elastic 自行决定。目前不可用的任何功能或特性可能不会按时交付，甚至可能不会交付。
该图表由 Gartner, Inc. 作为更大研究文档的一部分发布，应结合完整文档进行评估。Gartner 文档可向 Elastic 请求获取。
--
在此博客文章中，我们可能使用或引用了由第三方拥有和运营的生成式 AI 工具。Elastic 无法控制这些第三方工具，也不对其内容、运行或使用承担任何责任或义务，也不对因使用这些工具而产生的任何损失或损害负责。使用 AI 工具处理个人、敏感或机密信息时，请谨慎操作。你提交的任何数据可能会被用于 AI 训练或其他用途。无法保证你提供的信息会保持安全或机密。在使用任何生成式 AI 工具之前，你应该了解其隐私政策和使用条款。
Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 以及相关标识是 Elasticsearch B.V. 在美国和其他国家的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。