例如：
Metrics：Zabbix、Nagios、Prometheus、InfluxDB、OpenFalcon、OpenCensus
Tracing：Jaeger、Zipkin、SkyWalking、OpenTracing、OpenCensus
Logging：ELK、Splunk、SumoLogic、Loki、Loggly
等级1：智能告警，能够自动去扫描所有的可观察性数据，利用机器学习的方式去识别一些异常并进行自动告警，免去人工设置/调整各种基线告警的工作
对于人工智能的行业化应用来说，算法、芯片以及大量的数据训练，确实是发展的重要因素，但是能不能有效地把技术与应用场景有效结合起来，形成切实可行的整体解决方案，才是决定“AI+安防”是否能切实发展最核心的因素。如果一项技术无法依赖在数据处理技术上面的优势，去实现产品到商品的转变过程，那么技术的发展并没有实际的应用意义。
边缘AI补充了云AI，可在需要时提供对即时决策的访问，并利用云获得更深入的见解或需要更广泛或更纵向的数据集来推动解决方案的见解。
模型交换格式（例如，开放神经网络交换）也可以增加模型在不同环境中的流动性。Sletten建议探索像LLVM这样的工具，这是一个开源编译器基础结构项目，以使从应用程序所运行的环境中抽象出应用程序变得更加容易。
DataWorks数据集成可以通过实时库监控抽取从关系型数据库（MySQL、Oracle、PolarDB等）抽取数据，再采取消息订阅的方式汇聚实时消息流数据，汇聚起来的数据可以去做一些数据处理，包括数据过滤、字符串替换和以后将会支持的Groovy函数，这也是一个比较标准的ETL流程。
因此架构简化、成本优化、数据统一、学习门槛低、适应业务敏捷、自助式分析趋势成为了迫切的需求，企业期望有一款全新的大数据产品，可以满足实时写入、实时计算、实时洞察需求；能做到实时离线一体化，减少数据移动，业务技术解耦支持自助式分析，从而简化整个业务系统架构。
Elasticsearch构建在Elastic Stack开源生态矩阵中，包括Beats（轻量级数据采集工具）、Logstash（收集、过滤、传输数据的工具）、Elasticsearch、Kibana（灵活的可视化工具）。
另外，阿里云Elasticsearch日志增强版将计算存储分离，使用 NFS 共享存储作为节点底层存储，利用主副分片，主分片可读可写，副分片只读的方式，实现了存储成本节约100%、写入性能提升100%、秒级弹性扩缩容的收益。
第一阶段：上世纪五十年代的大型机时代。在这个时代，大型机可能不到100台，基本上用在科学研究和国防等领域，当时主要是层次和网状数据库，比较典型的产品是IBM的IMS，IMS已经很少能够见到，在一些金融领域还有应用。
