Los archivos de registro son como una Internet de las cosas (IoT) para TI. Los datos de registro son vitales para todas las organizaciones de TI: nos dicen todo lo que ha sucedido en nuestro entorno y son una valiosa fuente de información para solucionar problemas, como en las copias de seguridad.
A menudo, se descuidan hasta que se necesitan, pero para algunas organizaciones los datos de registro son el elemento vital de la inteligencia artificial (IA) y el análisis en el centro de su negocio.
Son estos especialistas en datos de archivos de registro a los que se dirige Quickwit, que proporciona software de búsqueda e indexación para conjuntos de datos de registros a escala de petabytes. Afirma que su solución puntual es 10 veces más rentable que una funcionalidad similar en productos existentes como Elasticsearch, Splunk, Datadog y Google Chronicle.
Quickwit se dirige a clientes donde a menudo los datos más importantes son los datos de registro. Para ellos, los conjuntos de datos clave no son los clientes, los productos o las transacciones, sino la actividad registrada en los sistemas de TI.
Estos clientes, centrados en la seguridad y la observabilidad, ejecutan inteligencia artificial y análisis en enormes archivos de registro para casos de uso que pueden variar desde cargas de trabajo de seguridad hasta el suministro especializado de herramientas de búsqueda para contenido de la red oscura. También se apuntan escenarios de servicios financieros, donde las transacciones son tan frecuentes que los archivos de registro constituyen la gran masa de datos.
Aquí radica la ventaja clave de Quickwit para el cliente, afirmó el cofundador Francois Massot en un reciente evento IT Press Tour en Roma. Es decir, Quickwit apunta a cargas de trabajo donde las soluciones existentes son costosas y complejas, y donde la indexación puede ser muy lenta.
Señala a los clientes donde la implementación de Quickwit ha reducido los tiempos de búsqueda e indexación. Esto permite conservar conjuntos de datos mucho más grandes, realizar análisis más completos y desarrollar nuevos productos.
Quickwit está construido en el lenguaje de programación Rust y utiliza el motor de búsqueda Tantivy, que según Massot es la biblioteca de motores de búsqueda de código abierto más rápida disponible.
Dijo que Quickwit puede causar una impresión en el mercado, principalmente debido a las ventajas de su solución puntual en comparación con el tamaño y la naturaleza establecida de su competencia.
“Las empresas son bastante grandes, por lo que les resulta más difícil innovar”, afirmó Massot. “Sus productos ya están desarrollados y tienen muchas características, por lo que les resulta difícil mantenerse al día con la innovación”.
Massot dijo que Quickwit se implementa como algo totalmente nuevo o en casos en los que reemplaza las soluciones de búsqueda e indexación existentes.
“Los clientes pueden tener Loki o ElasticSearch, pero están innovando y no tienen una tienda de eventos y quieren agregar nuevos productos”, dijo.
Quickwit generalmente vende a clientes que desean almacenar datos en su propio hardware por motivos de seguridad.
Massot citó varios clientes y los beneficios que habían obtenido. Uno pasó de OpenSearch a Quickwit y redujo a cinco la cantidad de CPU necesarias, redujo a la mitad la capacidad de almacenamiento y pudo retener 10 veces la cantidad de datos.
Otro proveedor de nube con sede en EE. UU., Fly.io, pudo reducir 20 veces la cantidad de nodos informáticos necesarios para manejar archivos de registro multiinquilino a gran escala y aumentar la retención de datos de tres días a 30. Otro cliente, OwlyScan, utiliza Quickwit para proporcionar un producto de herramienta de búsqueda en la red oscura.
Quickwit se proporciona mediante ventas directas y asociaciones con proveedores de nube, además de estar disponible como una versión comunitaria a través de su distribución de código abierto. Afirma tener “más de 200 clientes”.
Los elementos de la hoja de ruta para 2024 y más allá incluyen permitir una migración fluida desde OpenSearch (segundo trimestre), consultas basadas en canalizaciones tipo Splunk SPL (tercer trimestre) y un nuevo motor de almacenamiento para datos de series temporales (cuarto trimestre y 2025).