数字化时代，机器数据无处不在。

在今天的在线研讨会上，爱数AnyRobot推出创新开放的Hub架构，统一纳管多源机器数据，助力IT运营化解机器数据管理难题，赋能数据驱动型组织业务创新发展。

爱数总裁贺鸿富直播演讲

机器数据管理的挑战

随着企业数字化转型的深入，IT建设、业务应用投入不断增加，服务器、存储、各类系统的设备或系统的运转产生了海量机器数据。机器数据来源复杂，种类、格式多样，实时产生增长速度快，数据量大，并且现有技术难以从中挖掘出数据价值。

IT运营的机器数据分析场景需求也更为多样。合规留存、安全审计、智能运维、业务运营、安全态势感知等都需要对海量机器数据进行深度的挖掘和分析，从而驱动企业IT运营转型变革。

目前，很多企业客户，特别是金融企业，已经选择开源或商业机器数据平台。但，受限于产品本身的能力和安全合规的审计需求，无法全面满足IT运营的多样化需求。

以开放思维走进机器数据世界

AnyRobot Family 3，开放、高效、经济的机器数据分析平台，秉承爱数“平台+商业”的战略模式，创新推出开放的Hub架构，实现多源异构数据、多机器数据平台的统一纳管，释放海量机器数据的价值。

而，Splunk平台作为机器数据分析平台的领导者，采用大数据分布式存储和计算架构，通过采集企业内部日志数据（含核心应用），利用数据建模、行为识别、关联分析、机器学习等技术，对日志数据进行集中管控，提供全量日志极速检索和大数据日志分析功能。目前，超过300家中国知名企业在使用Splunk，但却面临Splunk缺乏本地化的服务支持，无法满足国产化合规建设，项目交付周期长，用户难以独立使用等问题。

在本次研讨会中，以AnyRobot Hub架构在某银行处实践为例，深度解读AnyRobot Hub架构的优势，以及如何实现纳管Splunk平台，并在后期平滑切换至AnyRobot平台，保障原有数据分析和查询服务的持续稳定进行。这其中AnyRobot的Hub架构是实现平台替换Splunk的不可替代的核心因素。

Splunk原有数据采集场景：

在现有Splunk平台可继续使用的情况下，保持Splunk UF采集数据，然后将数据接入到AnyRobot的Collector Hub上，再令数据转发到Splunk上，在数据流上增加一个格式处理器，以确保Splunk能识别到来自Hub的数据格式，同时引入Splunk的S2S协议，保障接入的数据host字段不变。其他数据的处理方式保持不变。

新增加数据管理场景：

部署AnyRobot Agent ，将Agent的数据流推送给Collector Hub，再传输到AnyRobot的Kafka，通过AnyRobot进行数据清洗、存储和分析处理。

Splunk原数据流量超出场景：

为避免数据流量超出导致Splunk的搜索功能无法使用，在Collector Hub上切换部分Splunk 的UF数据流到AnyRobot上，既保障原分析和查询服务不中断，又避免数据流量超出。

历史数据查询场景：

当新的数据接入到AnyRobot后，完整的查询中历史数据的部分在Splunk上。使用Calculation Hub，将请求调度给Splunk，并把接收到的数据返回给AnyRobot做统一计算。这个过程就像Hadoop的MapReduce一样，分布式请求，然后把结果再汇聚计算。

在本次研讨会上，AnyRobot Family 3 ，展示了其对多源异构数据的管理分析能力，赋能全行业客户数字化转型，深化数据驱动型组织的运营变革。