Elasticsearch ha visto negli ultimi anni una crescita costante di popolarità. Ora è diventato il più diffuso motore di ricerca aziendale, e uno dei 10 sistemi di gestione dei database più utilizzati.
DB Engines ha iniziato a monitorare la popolarità di Elasticsearch circa quattro anni fa, ed è stato rilevato che Elasticsearch ha avuto una crescita esponenziale, aggiudicandosi il titolo di “motore di ricerca aziendale più utilizzato”.
Questa stupefacente crescita è stata misurata attraverso la stima di un “popularity score” specifico per DBMS, calcolato tenendo conto di parametri come il numero di “citazioni [di ogni] sistema all’interno di siti web”, l’interesse generale (rilevato con l’ausilio di strumenti come Google Trends), la frequenza delle discussioni tecniche avvenute sul Web riguardanti i prodotti esaminati, il numero di offerte di lavoro e di competenze professionali legati a tali software e la rilevanza delle varie soluzioni sui Social Network. Questo indice di popolarità, in base alle stime DB Engines, è salito per Elasticsearch da 7,4 a Febbraio 2013 a 115,98 a Luglio 2017, spostando quindi il software dal 21° al 1° posto fra le soluzioni di ricerca enterprise.
Come denota il precedente grafico, la concorrenza si fa sentire, ma Elasticsearch spicca per essere stato utilizzato per progetti prestigiosi come Wikipedia, eBay, Yelp e Netflix.
Elastic, in particolare, ha ambizioni che vanno oltre il puro caso d’uso del “data-search”: l’azienda ha sviluppato infatti l’Elastic Stack, che include anche Beats, per la raccolta di log e dati strutturati e non, Logstash, per l’analisi e l’elaborazione degli stessi e Kibana per la loro visualizzazione e gestione.
Questo set di strumenti viene spesso utilizzato per l’analytics, il log management e per analisi di sicurezza, spostandosi dunque al di là del tradizionale ambito dei motori di ricerca, pur essendo Elasticsearch la componente chiave.
Elastic si è focalizzata inoltre sulla crescita del mercato DBaaS: la sua offerta include infatti una cloud solution proprietaria, Elastic Cloud. Anche Amazon Elasticsearch Service e Google hanno annunciato la loro offerta sulla loro Google Cloud Platform che verrà finalizzata entro quest’anno. Elastic inoltre sta acquisendo diverse Startup in vari settori: un esempio concreto di questo è l’acquisizione di Prelert, attraverso la quale Elastic ha aggiunto il machine learning al proprio portfolio funzionalità. Soffermandoci in particolare su quest’ultima frontiera, il machine learning è un metodo di analisi dei dati che punta ad automatizzare la creazione di modelli analitici. Grazie a speciali algoritmi che apprendono in modo iterativo partendo da una base dati, il machine learning permette di ricavare automaticamente il comportamento tipico nel tempo di un sistema e di evidenziare eventuali scostamenti più o meno significativi dal modello elaborato. L'aspetto iterativo è fondamentale nella costruzione di un sistema machine learning. Una macchina dotata di tale funzionalità, infatti, dev’essere in grado di adattarsi in maniera indipendente a nuovi set di dati in maniera tale da riuscire sempre a rilevare le anomalie presenti anche qualora il comportamento tipico del sistema cambi.
Stai valutando di adottare una soluzione di Log Analytics nella tua azienda? Scopri tutti i relativi vantaggi nel nostro blog post:
