Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Datadog Auto-Processing strukturiert Logs aus jeder Quelle automatisch

16. November 2026Von der KI Nachrichten RedaktionQuelle: Datadog
Datadog Auto-Processing strukturiert Logs aus jeder Quelle automatisch
Bild: Datadog

Datadog hat Auto-Processing allgemein verfügbar gemacht. Die Funktion strukturiert Logs aus benutzerdefinierten Quellen automatisch, ohne dass Teams Parsing-Pipelines erstellen und pflegen müssen. Nach Angaben des Unternehmens erkennt sie Verarbeitungslücken, erzeugt Parsing-Regeln und passt sie an, wenn sich die Logformate von Anwendungen ändern.

Das Wichtigste in Kürze
  • Auto-Processing ist allgemein verfügbar.
  • Die Funktion erkennt unverarbeitete Logs und erstellt automatisch Parsing-Pipelines.
  • Der Prozess dauert etwa 1 Stunde, wenn die Konfidenz- und Risikoschwellenwerte erreicht sind.
  • Die Funktion normalisiert Attribute wie Zeitstempel, Status und Dienst.
  • Sie passt verwaltete Pipelines an, wenn sich Logformate ändern.

Automatische Analyse unstrukturierter Logs

Logs aus benutzerdefinierten Quellen können nützliche Details enthalten, ohne sie als strukturierte Attribute bereitzustellen. Bisher mussten Entwickler Parsing-Regeln schreiben und debuggen, Standardattribute zuordnen und Pipelines aktualisieren, wenn sich Anwendungen änderten. Wenn sich ein Format verändert, können Dashboards und Monitore, die auf extrahierten Attributen basieren, ausfallen.

Datadog Auto-Processing soll diese Arbeit automatisch erledigen. Wenn eingehende Logs keine passende Pipeline haben, identifiziert die Funktion die zu verarbeitenden Logs, erzeugt die erforderliche Analyse zur Strukturierung und wendet die Pipeline an. Teams müssen die Erstellung der Pipeline nicht anstoßen, keine Parsing-Regeln schreiben und die generierte Pipeline nicht freigeben, bevor sie wirksam wird.

Datadog zufolge wendet das System eine Pipeline an, wenn die Konfidenz- und Risikowerte einen erforderlichen Schwellenwert erreichen. Das Erkennen einer Verarbeitungslücke, das Erzeugen neuer Pipeline-Regeln und deren Anwendung dauern etwa 1 Stunde.

Strukturierte Attribute unterstützen Untersuchungen und Dashboards

Datadog veranschaulicht die Funktion anhand eines Dienstes zur Zahlungsabstimmung, der ein Log mit einer fehlgeschlagenen Zahlungsanforderung, einer Benutzerkennung, einem Zahlungsanbieter, einer HTTP-Antwort und einer Dauer erzeugt. Auto-Processing kann diese Werte in Attribute extrahieren. Dadurch können Entwickler nach Anbieter filtern, einen bestimmten Benutzer untersuchen oder Anfragen isolieren, die HTTP 502 zurückgegeben haben.

Numerische Attribute wie die Latenz von Anfragen und die Transaktionsdauer können ebenfalls für Aggregationen und Diagramme verwendet werden. So können Teams die durchschnittliche Latenz verschiedener Anbieter vergleichen, Antwortzeiten im Zeitverlauf verfolgen und Monitore für Anfragen einrichten, die einen Schwellenwert überschreiten.

Auto-Processing ordnet Informationen außerdem den zentralen Datadog-Attributen zu, darunter Zeitstempel, Status, Dienst, Trace-ID und Span-ID. Damit können Teams Logs von Diensten mit unterschiedlichen Formaten über gemeinsame Filter und Zeitfenster analysieren. Die resultierenden strukturierten Daten lassen sich im Log Explorer, für logbasierte Metriken, in Flex Logs oder Archiven sowie bei der Weiterleitung verarbeiteter Logs an andere Ziele verwenden.

Anpassung bei Änderungen der Anwendungslogs

Die automatische Erstellung von Pipelines übernimmt die anfängliche Arbeit bei der Strukturierung eines neuen Logformats. Datadog zufolge passt Auto-Processing aber auch die von ihm verwalteten Pipelines an, wenn sich diese Formate ändern. Wenn eine Bereitstellung dazu führt, dass sich das Logformat eines Dienstes verändert, kann das System die Änderung erkennen und die Parsing-Regeln anpassen.

Dieses Verhalten soll dazu beitragen, die von Dashboards und Monitoren verwendeten Attribute zu erhalten. Im Beispiel von Datadog bleibt das Statusattribut eines Dienstes nach einer Formatänderung verfügbar. Dadurch müssen Entwickler nicht jede Änderung selbst feststellen und die entsprechenden Regeln aktualisieren.

Datadog zufolge soll Auto-Processing Teams dabei helfen, Logs für Suchen, Monitore, Dashboards, Metriken und andere Abläufe strukturiert zu halten. Das Unternehmen verweist Nutzer auf seine Dokumentation zu Auto-Processing. Personen ohne Datadog-Konto können laut der Ankündigung mit einer 14-tägigen kostenlosen Testversion mit der Verarbeitung und Analyse von Logs beginnen.

Ähnliche Meldungen

Datadog entwickelt agentisches System zur Suche nach ausnutzbaren Schwachstellen
Sicherheit und Ethik18. November 2026

Datadog entwickelt agentisches System zur Suche nach ausnutzbaren Schwachstellen

Datadog hat eine Orchestrierungspipeline entwickelt, die KI-Agenten mit dem nötigen Sicherheitskontext versorgt, um zu beurteilen, ob potenzielle Schwachstellen…

Apica von Gartner als Herausforderer im Magic Quadrant für Observability Pipelines eingestuft
Produkte und Tools17. November 2026, 18:10

Apica von Gartner als Herausforderer im Magic Quadrant für Observability Pipelines eingestuft

Apica wurde laut einer Mitteilung des Unternehmens im Challengers-Quadranten von Gartners Magic Quadrant für Observability Pipelines positioniert. Apica zufolge…

Datadog erhält Cyber-Essentials-Plus-Zertifizierung für Aktivitäten im Vereinigten Königreich
Wirtschaft9. November 2026

Datadog erhält Cyber-Essentials-Plus-Zertifizierung für Aktivitäten im Vereinigten Königreich

Datadog hat für seine Aktivitäten im Vereinigten Königreich und die UK1-Produktionsumgebung die Cyber-Essentials-Plus-Zertifizierung erhalten. Nach Angaben des…