Splunk는 뛰어난 옵저버빌리티를 확장 가능한 방식으로 제공합니다. 이는 다른 기업에서는 불가능한 일입니다.

Splunk의 메트릭스 및 전체 요소에 대한 트레이스는 로그와 잘 연계되어 사용자가 문제를 신속하게 찾아 해결하는 데 도움을 줍니다. 전사적 데이터세트에 걸쳐 검증된 인덱싱과 검색 확장성을 통해 필요할 때 필요한 항목을 빠르게 찾을 수 있습니다. 

로그 파일 연계 분석이 매우 제한적으로 수행되며, 검색이 느리고 비효율적이어서, 로그 데이터에 대한 쿼리 또는 문제 해결이 어렵습니다. 뉴 렐릭은 모든 유형의 로그 파일 수집을 지원하지 않으며, 로그 파일 분석에 연관 콘텐츠를 사용하지 않습니다. 비정형 데이터에 대한 자동 필드 태깅을 지원하지 않아, 수동으로 지정하지 않으면 로그 사용성이 제한됩니다.  

Splunk의 실시간 스트리밍 아키텍처는 1초 간격으로 데이터를 수집하고 10초 이내에 보고합니다. 이를 통해 몇 초 만에 변경 사항을 시각화하고 분석하며 경보를 생성할 수 있고, 클라우드 네이티브 어플리케이션 및 인프라에서 문제를 더 빠르게 발견하고 해결할 수 있습니다.

뉴 렐릭 에이전트는 세분화된 데이터를 수집할 수 있습니다.  하지만 배치 프로세싱을 통해 텔레메트리 데이터를 폴링(polling)하며, 일반적으로 1분 간격으로 보고하기 때문에 문제 탐지 및 경보 생성 속도가 느립니다. 

Splunk는 모든 시계열 메트릭스, 트레이스, 로그 및 이벤트를 코드 라인까지 수집, 시각화 및 분석하기 때문에, 중요한 시그널을 놓치지 않습니다. 또한 메트릭스 파이프라인 매니지먼트(Metrics Pipeline Management)를 통해 수집 시점에 메트릭스 볼륨을 제어하여 옵저버빌리티 관련 비용을 최적화할 수 있습니다.

뉴 렐릭의 트레이싱은 웹 브라우저 및 모바일 앱에서 트레이스 데이터를 100% 수집할 수 있지만, 백엔드 트레이스 정보는 샘플링 방식으로 처리합니다. 이로 인해 스팬(span)의 연결성이 떨어지고 중복이 발생해, 문제 해결 속도가 느려지고, 비용이 증가하며, 문제 격리가 더 어려워집니다.

Splunk 옵저버빌리티 클라우드의 일관되고 포괄적인 문제 해결 워크플로우를 통해 엔지니어는 사용자, 서비스, 어플리케이션 또는 인프라 계층에서 영향을 받은 요소를 식별하고, 손상된 부분을 빠르고 쉽게 격리할 수 있습니다. Splunk IT 서비스 인텔리전스(IT Service Intelligence)를 사용하여 ITOp팀은 IT 서비스 상태 를 비즈니스에 미치는 영향과 신속하게 연계하여, 수익 손실을 추적하고, 리스크 평가가 필요한 사용자를 식별하며, 전사적 커뮤니케이션을 원활하게 수행할 수 있습니다.

분리되고 단절된 제품 및 기능으로 인해 사용자는 어디서부터 시작해야 할지 혼란스러워할 수 있습니다. 중복된 기능과 내장된 APM 및 인프라 모니터링 대시보드로 인해 사용자는 뉴 렐릭 익스플로러(Explorer), 룩아웃(Lookout), 내비게이터(Navigator), 타임 랩(Time Warp), 워크로드(Workload) 등의 다양한 제품을 오가며 중복되고 단절된 방식으로 운영을 수행하게 됩니다.

Splunk는 오픈텔레메트리 콜렉터(OpenTelemetry Collector)를 Splunk의 기본 텔레메트리 수집 메커니즘으로 사용하고 있으며, 오픈텔레메트리 프로젝트에도 크게 기여하고 있습니다. 사용자는 예외 발생 및 오픈텔레메트리 관련 제약 조건에 대한 걱정 없이, 오픈텔레메트리 데이터를 안전하게 수집, 처리, 변환, 시각화하고 경보를 생성할 수 있습니다. 커뮤니티에 직접 기여하고, 오픈텔레메트리의 비즈니스적 가치를 기업에서 완전히 실현할 수 있습니다.

뉴 렐릭은 클라우드 네이티브 컴퓨팅 재단(CNCF)과 연계하여 오픈텔레메트리 에이전트를 보유하고 있지만, 데이터 시각화가 어려워 오픈텔레메트리의 모든 비즈니스적 이점을 실현하기가 어렵습니다.