Az OpenSearch 2021-ben indult, az Elasticsearch forkjaként, miután az Elastic elmozdult a nyílt forráskódú licenceléstől. Öt év elteltével arra voltam kíváncsi, mennyire él még ez az eredettörténet, és hogyan tekint magára a projekt most, hogy önálló ütemtervvel és saját közösséggel rendelkező AI adatinfrastruktúra-réteggé vált. Bianca Lewis az OpenSearch Software Foundation ügyvezető igazgatója, válaszolt az It's FOSS kérdéseire.

Sok témát érintettek: hogy az OpenSearch bármilyen módon még kötődik-e az Elasticsearchhez, miért ismerik jobban a fiatal fejlesztők az ELK Stack márkanevet, hogyan illeszkedik az ügynökalapú AI a platformba, és szóba került egy kényelmetlen, de szükséges kérdés is arról, mi történik, amikor a gyártó által támogatott nyílt forráskódú projektek zárttá válnak.

Öt év után az OpenSearch még mindig az Elasticsearch forkja, vagy már teljesen önálló termék lett? Továbbra is átvesz bármilyen downstream változást az Elastictől?

Bianca: Nagyon jó kérdés, és a rövid válasz az, hogy igen, ez egy önálló projekt. Ma már teljesen független projekt, amely forként indult, ahogy helyesen mondtad, és a kezdeti időszakban a kettő nagyon-nagyon hasonlított egymásra. Ma már a fókusz és az erősségek is egészen mások, és teljesen különálló projektekről beszélünk. Szerintem az egyetlen közös pont az, hogy a felhasználók mindkét platformot hasonló jellegű feladatokra tudják használni.

Hogyan magyarázzuk el az OpenSearchöt egy átlagos Linux-felhasználónak?

Az OpenSearch elsősorban vállalati környezetre fókuszál, de hogyan magyaráznád el egy otthoni labort építő vagy saját szervert futtató felhasználónak, aki még sosem hallott róla?

Bianca: Először is, az OpenSearch valóban egy AI infrastruktúraréteg a vállalatok számára, de mivel egy nyílt forráskódú platformra épül, ingyenes, könnyű használni és bevezetni, ezért az új startupok alapítói, vállalkozók, fejlesztők és mindenki más is nagyon könnyen el tud vele indulni. Le lehet tölteni, ingyen használható, minden funkció nyitott és elérhető, és pillanatok alatt csatlakozhatnak egy több ezres közösséghez, amely segít beindulni.

Így már nem csak a vállalatokra fókuszál, hanem bárkinek szól. Akinek az igényeihez illik, annak az OpenSearch való. Nem gondolom, hogy valaha is kizárólag vállalati felhasználásra szánták volna. A mai startupok a holnap vállalatai.

„A mai startupok a holnap vállalatai.”

Az ELK Stack márkaelőnye

Az ELK Stack még mindig ismertebb márkanév a megfigyelhetőség és a keresés területén. Hogyan tud ezzel a márkaismertséggel versenyezni az OpenSearch a fiatal fejlesztők körében?

Bianca: Nem kérdés, hogy az Elastic, az Elasticsearch, a Logstash és a Kibana, amelyek együtt az ELK stacket adják, régóta jelen vannak, és eredetileg innen indult a fork is. Abban bízom, hogy öt év önálló, erős OpenSearch-fejlesztés után – 1,7 milliárd letöltéssel, 400 különböző cég közreműködésével, több mint 3000 közreműködővel és 15 000 OpenSearch stack felhasználóval – a fiatal fejlesztők fejében is egyre tisztábban elválik a kettő, már pusztán ezeknek a számoknak a súlya miatt is.

Szerintem két fő különbség van. Az első a filozófia – hogy a fejlesztők hogyan akarják felépíteni a technológiai stackjüket, elvi szinten és a jövőre nézve. Az ELK tulajdonosa, az Elastic – még ha a licenc mostanra vissza is tért a nyílt forráskódú modellhez, miután egy időre bezárták – továbbra is az Elastic tulajdona, és open core. Ez azt jelenti, hogy ha egy fiatal fejlesztő Elasticsearchre és az ELK stackre akar építeni, a core verziót ingyen használhatja, de a fejlettebb funkciókért vagy a támogatásért fizetnie kell, és ezzel az Elastichez kötődik. Aki viszont teljesen nyílt platformra akar építeni, ahol mindent ingyen megkap, és csak akkor dönthet a támogatásról vagy a hosztingról, amikor eljön az ideje, annak ott az OpenSearch. Más a filozófia.

A másik réteg az, hogy a két platform technológiailag is eltérő irányba fejlődött. Ebben a térben minden platform azt mondja, hogy „ebben egy milliszekundummal gyorsabbak vagyunk”, vagy „ezt a felhasználási módot jobban támogatjuk”, és ezek mind igaz állítások – egyik platform sem mondhatja őszintén, hogy mindenben a legjobb. Az OpenSearch viszont nagyon sok különböző felhasználási területen erős, amelyek egységesítik az adatréteget, és mivel ez az egyetlen alternatíva, ami nem csak open core, a fiatal fejlesztők szemében is jól elkülönül, remélhetőleg sokkal gyorsabban, mint az ELK vagy bármely más platform.

Megfigyelhetőség, komplexitás és költség

A megfigyelhetőségi stackek egyre nehezebbek, drágábbak és bonyolultabbak. Mit tesz az OpenSearch az egyszerűbb beüzemelésért és az alacsonyabb költségekért?

Bianca: Ez két nagyon is jogos kérdés, úgyhogy külön-külön válaszolok rájuk.

A komplexitásról: a zárt forrású gyártók előnye mindig is az volt, hogy az első napon minden egyszerű – megveszed, leveszed a polcról, működik, és kapsz hozzá támogatást. Egy nyílt platformnál az első napon neked kell felépítened, viszont a második, harmadik, negyedik napon már élvezed az előnyeit, mert a saját igényeidre szabhatod, és nem függsz egyetlen gyártótól sem. De az indulás első napja nagyon is jogos felvetés. Emiatt indítottuk el nemrég a Launchpad nevű megoldást, amivel nagyon könnyen elindíthatsz egy megfigyelhetőségi stacket, egy keresőalkalmazást vagy bármilyen más OpenSearch-alapú alkalmazást. Az OpenSearch ugyanis nem csak megfigyelhetőségre jó, hanem keresésre, AI-alkalmazásokra és security monitoringra is. Mindez néhány perc alatt beállítható, és bátorítjuk a fejlesztőket, hogy kérdezzenek a közösségtől, ha elakadnak, még akkor is, ha a dokumentáció egyébként mindent lefed. Úgy gondolom, az OpenSearch beüzemelésének egyszerűségét nagyon jól és nagyon gyorsan sikerült megoldani.

A költségekről már nehezebb beszélni. Mondhatom azt, hogy az OpenSearch ingyenes, de a valóságban semmi sem teljesen ingyen, mert valahol futtatni kell, és üzemeltetni is kell.

Amiben az OpenSearch segít, az az, hogy mindent költséghatékonnyá tesz. Vegyük a megfigyelhetőséget: régebben azért volt rá szükségünk, mert ha valami elromlott az infrastruktúrában, meg kellett oldanunk – nem engedhettük meg a leállást –, de senki nem akart fizetni érte, mert költségközpontnak számított.

Ma már teljesen máshogy beszélünk erről, mert az OpenSearch egységesített nézetet ad az adataink kontextusáról. Ez sokkal költséghatékonyabb, mint külön-külön végezni a log-analitikát, trace-ek és metrikák elemzését olyan eszközökkel, mint a Grafana és a Prometheus, ahol mindenki máshogy nézte az adatokat, és az ok-okozati elemzés hetekig tartott, mire minden darab a helyére került.

Most egyetlen pipeline-on érkezik minden az OpenSearchbe – mindent együtt látsz, ugyanabban a nézetben, csak más-más szűrőkön keresztül, és az elhárítást is automatizálhatod. Modelleket és AI-t használhatsz az adatok elemzésére, az elhárítás automatizálására, és a megfigyelhetőségi stacket nem csak hibakeresésre használhatod, hanem vállalati szintű SLO-kra, az elfogadható hibaarányok megértésére és a költségek átlátására is.

Tokenalapú gazdaságban élünk, így a költségadatokat is be tudjuk építeni a trace-ekbe és logokba, és pontosan megérthetjük, valójában mennyibe kerül egy-egy szolgáltatás. A megfigyelhetőség már nem csak annyi, hogy „fizess a hibakeresésért” – könnyebben használhatóvá vált, és az üzleti döntések egyik motorja lett.

AI-agent readiness

Mennyire felkészült AI-agentekre az OpenSearch, ha valaki erősen agentikus AI-ra épülő projektet fejleszt?

Bianca: A 3.5-ös kiadásban – most jött ki a 3.7, tehát már két kisebb verzióval előrébb járunk – az agentikus AI általánosan elérhetővé vált az OpenSearchben, és azóta központi témává nőtte ki magát abban, ahogyan az emberek a keresési és megfigyelhetőségi stackjeiket működtetik. Úgy gondolom, gyakorlatilag minden más platformnál előrébb járunk a teljesen integrált agentikus AI terén.

Ahogy AI-agenteket indítasz, az OpenSearch modell-agnosztikus, tehát bármilyen AI-modellt használhatsz. Ha keresési feladatról van szó, ugyanazzal a platformmal figyelheted az AI-agenteket: követheted az agent trace-ét, láthatod, milyen szolgáltatásokat hív, mennyibe kerül, és megbizonyosodhatsz róla, hogy jól működik. Nagy léptékben, amikor percenként 100 000 lekérdezést futtatsz, szinte ráengedhetjük az AI-t az AI-ra, hogy a security, a safety és a compliance szempontjából is figyelje a rendszert.

Az AI méretezhetőséget és gyorsaságot ad. Nem kell többé szigorúan egymás után dolgoznunk. De a kontextus nélküli adat csak adat, csak zaj. Kell egy platform, ami vissza tudja hívni az adatot és AI-agenteket tud indítani, kell az alatta lévő adat, és kellenek az agentek, hogy egymással kommunikálva elvégezzék a feladatokat – de kontextus nélkül ez az egész nagy léptékben csak szemét. Az OpenSearch több funkciót is beépített ennek kezelésére: rövid távú agentikus memóriát, hogy egy agent emlékezzen, mire kérdeztél rá az elmúlt egy-két hétben, és a 3.7-ben már hosszú távú agentikus memóriát is, ami megadja azt a kontextust, ami a pontos műveletekhez kell az adatokon. Ez már most általánosan elérhető.

AI data layer vs. hagyományos keresés

Most akkor az OpenSearch egy AI data layer a hagyományos keresési stack tetején, vagy a kettő teljesen összeforrt?

Bianca: Szerintem végső soron az OpenSearchre több rétegként fognak tekinteni. Az OpenSearch az alkalmazási szint, az alkalmazási szint pedig egy olyan infrastruktúra tetején ül, amely az alkalmazás architektúráját szolgálja ki.

Az OpenSearch előnye, hogy nem köt rá egyetlen gyártó választásaira sem. Lehet AI-infrastruktúra réteged, de az alatta lévő infrastruktúrát te választhatod meg. Üzemeltetheted saját magad, vagy választhatsz valamelyik hosztolt szolgáltatás közül, például a NetApp, az Oracle vagy az AWS OpenSearch szolgáltatását, és azt veszed igénybe, ami a modelledhez a legjobban illik. A funkciók és az agentikus AI működése szempontjából nem azt mondjuk, hogy ez vagy az jobb vagy rosszabb. Azt mondjuk, hogy minden működik, és nagyon jól működik, és az OpenSearch-csel te irányítod, hogyan akarod felépíteni, anélkül, hogy egyetlen megközelítéshez hozzá lennél láncolva.

Business-source licencelés és a Linux Foundation modell

Ez egy kicsit kényelmetlen kérdés, és inkább általában a Linux Foundation modelljéről szól, mint konkrétan az OpenSearchről. A MariaDB, a Redis és az Elasticsearch is átállt valamikor a nyílt forráskódúról business-source vagy szerveroldali licencre, főleg azért, hogy megvédjék az üzletüket azoktól a hyperscaler szereplőktől, akik nem járultak hozzá érdemben a projekthez, viszont elhódították az enterprise ügyfeleiket. Aztán a Linux Foundation és olyan cégek, mint az Amazon, forkot készítenek az eredeti projektről – ahogy a Terraform és az OpenTofu esetében is történt –, és „igazi” nyílt forráskódú változatként futtatják tovább, miközben az eredeti projekt háttérbe szorul. Nincs ebben igazságtalanság az eredeti projektek felé?

Bianca: Szerintem ez egy nagyon jó kérdés. Soha nem ítélek el egy gyártót azért, mert úgy dönt, hogy zárttá vagy nyílttá tesz egy projektet. De anélkül, hogy belemennék abba, pontosan mit érzett az Elastic vagy az AWS akkoriban – erről nem tudok nyilatkozni –, el tudom mondani a saját véleményemet.

Ha egy gyártó birtokol egy nyílt forráskódú projektet, számomra az open-core címke valójában egy go-to-market stratégia: bevonzza a felhasználókat, majd szolgáltatásokat, támogatást és enterprise képességeket ad el nekik. Ez nem az, amit gyártófüggetlennek hívnánk. Nagyon nehéz széles közösséget építeni egy gyártó tulajdonában lévő nyílt forráskódú projekt köré, és ezért jutott el a Mongo, az Elastic, a Redis és még néhány szereplő oda, hogy a helyzet fenyegetővé vált: a go-to-market stratégia nagyon sikeres volt, felépítettek egy közösséget, de a legnagyobb ügyfelek nem váltottak fizetőssé.

Érdekesnek tartom, hogy az Elastic a zárttá tétel után visszatért egy nyílt forráskódú licenchez – mert elveszítette a közösséget, miközben azért zárta le, mert elveszítette az enterprise ügyfeleket. Nem volt gondjuk azzal, ha kisebb szereplők használták az ingyenes terméket, de a nagy pénzt hozó ügyfeleket meg akarták tartani. A gond az, hogy sokszor az ember egyszerre akarja a kecskét és a káposztát. Ha a márkádat a közösségi részvételre építed, majd közlöd a közösséggel, hogy bezárod a projektet, akkor még ha később újra ki is nyitod, a közösség nagy része azt fogja mondani: „köszönjük, de nem kérjük”.

Ebben rejlik a Linux Foundation modell szépsége. Egy nonprofit szervezet, amit senki sem birtokol, és nem a profit a célja. Előfordul, hogy hyperscalerek forkot készítenek egy projektről. Fontos megérteni, hogy amikor forkot készítenek, és átadják egy nonprofit szervezetnek, például a Linux Foundationnek, akkor lemondanak a tulajdonjogról. Már nem ők birtokolják az OpenSearchöt. Újra készíthetnek forkot, és tarthatnak valamit házon belül, ezt bárki megteheti, de magát az OpenSearchöt már soha nem lehet bezárni, mert a Linux Foundation tulajdona.

Magát az OpenSearchöt már soha nem lehet bezárni, mert a Linux Foundation birtokolja.

Érdemes azt is megnézni, hogy az egyes cégek valójában miből keresnek pénzt. Vegyük az Elasticot. Ők Elasticsearch licencek értékesítéséből élnek, akár önálló üzemeltetésről, akár felhős szolgáltatásról van szó, ezért logikus, hogy a fejlettebb funkciókat licenchez kötik. Üzletként fenn kell maradniuk, és a részvényesek felé is el kell számolniuk.

Az olyan hyperscalerek, mint az AWS, a Microsoft, a Google, az IBM vagy az Oracle, a számítási kapacitás és az infrastruktúra értékesítéséből élnek, nem közvetlenül az alkalmazásokból. Ha magukra vállalnák egy alkalmazás folyamatos fejlesztését és megújítását, az elvonná a fókuszt a fő tevékenységüktől, az infrastruktúra-értékesítéstől. Üzletileg sokkal logikusabb, ha hagyják, hogy a közösség fejlessze az alkalmazást, ők pedig arra koncentrálnak, hogy kiváló szolgáltatást nyújtsanak a futtatásához, és oda fektessék a pénzüket, ahol valójában keresnek rajta.

Ez az egyik finom oka annak, miért támogatják olyan lelkesen a hyperscalerek a Linux Foundation projektjeit. Így arra összpontosíthatnak, ahol a bevételük keletkezik, miközben biztosított, hogy ezek a projektek nyitottak, elérhetők és jól karbantartottak maradnak, ahelyett hogy gazdátlanul elhalnának.

Végső soron időbe telik, amíg egy projekt eredeti alapítója kimondja: „most már rábízhatjuk a közösségre”. A gyakorlatban ez azt jelenti, hogy az évek során a cég nem egy teljes munkaidős, házon belüli mérnökcsapattal tartja fenn az alkalmazást, hanem a közös mérnöki munkába beszálló cégek egyikévé válik. A haszon megmarad, de a fejlesztés és a költség megoszlik, a választási lehetőségek pedig a közösségnél maradnak – ez pedig mindig jót tesz az üzletnek.

Minősítések

Vannak tervei az OpenSearchnek egy minősítési pályára, mint amilyen a Kubernetesnél a CKA?

Bianca: Igen, ezt nemrég be is jelentettük. Ráadásul úgy csináljuk, ami a nyílt forráskódú világban elég egyedi és izgalmas. Már kiadtuk az első tananyagcsomagot, és néhány hónapon belül megjelenik egy OpenSearch kompetenciakurzus, amelyhez egy kompetenciajelvény is jár, amit fel lehet tenni a LinkedInre.

Erre építve jön majd a „rendes” OpenSearch kompetenciaminősítés, és erre a minősítésre alapozva különböző gyártók és cégek akkreditációját is elindítjuk. Ezt követik a szakterületi minősítések. Mivel az OpenSearch elég sokféle felhasználási területen jelen van, lesznek kompetenciák observability, keresés, AI-alkalmazások és biztonsági megfigyelés témakörben. A minősítés megújításához pedig nem kell pár évente ugyanazt a vizsgát újra letenni: amíg továbblépsz egyre magasabb szintű minősítések felé, az eredeti képesítéseid érvényben maradnak. Azt szeretnénk, hogy az emberek az OpenSearchön belül fejlődjenek és előre lépjenek.

A legnagyobb tévhit az OpenSearchről

Mi az az egy dolog, amit a legtöbben félreértenek az OpenSearchcsel kapcsolatban?

Bianca: Rengeteg mindent félreértenek az OpenSearchről, de szerintem a legnagyobb tévhit az, hogy nem ismerik fel: AI-adatinfrastruktúra rétegként az OpenSearch az egyetlen olyan, felhőnatív, AI-natív platform a világon, amely valóban nyílt forráskódú és gyártófüggetlen. Nem vagyok benne biztos, hogy ezt az emberek igazán átlátják.

Az OpenSearch az egyetlen olyan, felhőnatív, AI-natív platform a világon, amely valóban nyílt forráskódú és gyártófüggetlen.

Lehet, ha valami olyasmi lenne a neve, mint „OpenSearch AI” vagy „OpenAI Search”, könnyebben felismernék.

Bianca: Igen, mert az emberek gyakran úgy közelítik meg, hogy „hogyan viszonyul az Elasticsearchhez?”. Fogalmilag viszont a kettőt nem is nagyon lehet összehasonlítani. Azt is mondják, hogy „ez olyan, mint az AWS szolgáltatása”, pedig az csak egy gyártó, aki tagként részt vesz, és egy szolgáltatást épít rá. Maga a platform teljesen függetlenül működik, egy valóban nyílt forráskódú közösségen belül. Már régen nem csak egy AWS-projekt; egy valóban független, közösségi tulajdonú observability stack.

Már megjelent az OpenSearch 3.7-es kiadása, amely hosszú távú agentic memóriát kínál, és a projekt kompetenciatanúsítvány-programját is várhatóan a következő hónapokban vezetik be. A projekt dokumentációját, letöltéseit és a közösségi csatornákat az opensearch.org oldalon találod.

Ha hasznosnak találtad, támogasd az It's FOSSt

Az It's FOSS már 14 éve segít az embereknek a Linux használatában. Segíts, hogy függetlenek maradhassunk a nagy techcégektől. Legyél Plus-tag, élvezd a hirdetésmentes olvasást, és szerezz 5 e-könyvet.