Logs management 2026 : Loki, ELK, OpenSearch

La gestion de logs en 2026 est dominée par 3 stacks principaux : Grafana Loki (label-based cheap), ELK (Elastic Stack — Elasticsearch + Logstash + Kibana, propriétaire), OpenSearch (fork open-source AWS). ClickHouse émerge comme alternative ultra-rapide.

TL;DR

- Stacks logs : Loki (cheap), ELK (mature propriétaire), OpenSearch (AWS fork).

- ClickHouse alternative émergente.

- Vector / Fluent Bit : agents collecte.

- Coût : Loki 5-10× cheaper qu'Elasticsearch.

Stacks comparées

Grafana Loki

• Label-based indexation (pas full-text)
• Storage cheap (S3, GCS, MinIO)
• Intégration Grafana parfaite
• LogQL query language (Prometheus-like)
• Coût : 5-10× cheaper qu'Elasticsearch même volume

ELK (Elastic Stack)

• Elasticsearch (full-text search)
• Logstash (transform)
• Kibana (visualization)
• License : Elastic 2.0 (non-OSI depuis 2021)
• Mature, riche features
• Cher à scale

OpenSearch (AWS fork)

• Fork open-source Elasticsearch 7.10
• Apache 2.0
• Compatible Elasticsearch queries
• AWS-backed, communauté croissante
• Migration ELK → OpenSearch facile

ClickHouse (logs)

• OLAP columnar database
• Compression brutale (10-100× ratio)
• Queries rapides massives logs
• Adoption SaaS observability (Signoz, Highlight, BetterStack)

Vector (agent)

• Datadog-acquired (2021)
• Rust, ultra-rapide
• Replaces Fluentd, Filebeat
• Forward logs vers backends multiple

Fluent Bit / Fluentd

• CNCF graduated
• Standard K8s logs collection
• Plus mature, plus lent

Comparaison coûts (10 GB logs/jour)

• Loki self-host (S3 backend) : $50-150/mois
• OpenSearch self-host : $300-700/mois
• ELK self-host : $400-800/mois
• Elastic Cloud : $500-2K/mois
• Datadog Logs : $300-1500/mois
• AWS CloudWatch Logs : $300-600/mois

Pattern moderne 2026

`

Apps (stdout/stderr structured JSON)

→ Vector / Fluent Bit (collect, transform)

→ Loki / OpenSearch / ClickHouse

→ Grafana / Kibana (query, visualize)

→ Alertmanager / PagerDuty (alerts)

`

Vector example config

`yaml

# vector.yaml

sources:

app_logs:

type: docker_logs

include_labels: ["service=*"]

transforms:

parse_json:

type: remap

inputs: [app_logs]

source: |

. = parse_json!(.message)

sinks:

loki:

type: loki

inputs: [parse_json]

endpoint: http://loki:3100

labels:

service: "{{ service }}"

level: "{{ level }}"

`

LogQL query (Loki)

`

{service="api"} |= "error" | json | duration > 1s

`

Cas typique startup Africa

`

DOKS K8s cluster (3 nodes)

→ Vector DaemonSet (collect logs containers)

→ Loki (S3-compatible DO Spaces backend)

→ Grafana (visualize + alert)

Coût : ~$100-200/mois

`

FAQ

Q : Loki ou ELK ?

R : Loki si Grafana stack déjà + budget tight + queries label-based suffisent. ELK/OpenSearch si full-text complex + budget plus large.

Q : Long-term retention ?

R : Loki S3 = pas cher (object storage). Elasticsearch tier hot/warm/cold + frozen (UltraWarm OpenSearch).

Q : ClickHouse pour logs ?

R : Émergent, performance impressionnante. SigNoz/Highlight prouvent viable. Plus complex setup que Loki/ELK.

Conclusion

Logs management 2026 : Loki domine cost-conscious + Grafana stack. OpenSearch fork ELK pour communauté open-source. ClickHouse émerge ultra-rapide. Vector standard agent collection. Pour startups Africa, Loki + DO Spaces + Vector = stack économique 80 % features pour 10-20 % coût Datadog.