Elastic 中国社区官方博客-CSDN博客

原创 Elasticsearch：没有 “AG” 的 RAG？

了解如何利用语义搜索和 ELSER 构建一个强大且视觉上吸引人的问答体验，而无需使用 LLMs。想要获得 Elastic 认证？查看下一期的时间！Elasticsearch 拥有众多新功能，帮助你为你的用例构建最佳搜索解决方案。深入学习我们的，了解更多信息，开始，或立即在上尝试 Elastic。你可能听说过（Retrieval Augmented Generation - 检索增强生成），这是一种将你自己的文档与 LLM 结合，以生成类人回答的常用策略。

2025-04-30 09:26:25 1340

原创 Elastic：如何成为一名 Elastic 认证工程师，Elastic 认证分析师及 Elastic 认证可观测性工程师

Elasticsearch 无疑是是目前世界上最为流行的大数据搜索引擎。根据 DB - Engines 的统计，Elasticsearch 雄踞排行榜第一名，并且市场还在不断地扩大：能够成为一名 Elastic 认证工程师也是很多开发者的梦想。这个代表了 Elastic 的最高认证，在业界也得到了很高的认知度。得到认证的工程师，必须除了具有丰富的 Elastic Stack 知识，而且必须有丰富的操作及有效的解决问题的能力。拥有这个认证证书，也代表了个人及公司的荣誉。针对个人的好处是，你可以..

2020-10-28 11:54:13 25381 19

原创 Elastic：开发者上手指南

你们好，我是Elastic的刘晓国。如果大家想开始学习Elastic的话，那么这里将是你理想的学习园地。在我的博客几乎涵盖了你想学习的许多方面。在这里，我来讲述一下作为一个菜鸟该如何阅读我的这些博客文章。我们可以按照如下的步骤来学习：1)Elasticsearch简介：对Elasticsearch做了一个简单的介绍2)Elasticsearch中的一些重要概念:cluster,n..........................................................

2020-02-25 20:01:55 161662 98

原创 Elastic：培训视频 - 在生产环境中配置 Fleet Server 和 Elastic Agent 之间的安全

在这篇文章中，我将会把我写的有些内容录制成视频，供大家参考。希望对大家有所帮助。优酷的视频频道地址在这里。Elastic 简介及Elastic Stack 安装：优酷，腾讯 Elastic Stack docker 部署：优酷，腾讯 Elasticsearch中的一些重要概念（Cluster/Shards/Replica/Document/Type/Index）：优酷，腾讯开始使用El...............

2020-01-06 15:31:54 17451 12

原创 Elasticsearch 简介

Elasticsearch是一个非常强大的搜索引擎。它目前被广泛地使用于各个IT公司。Elasticsearch是由Elastic公司创建并开源维护的。它的开源代码位于https://github.com/elastic/elasticsearch。同时，Elastic公司也拥有Logstash及Kibana开源项目。这个三个开源项目组合在一起，就形成了 ELK软件栈。他们三个共同形成了一个强大的...

2019-08-08 16:04:31 173634 32

原创 Elasticsearch 中的索引模板：如何使用可组合模板

一个索引包含映射、设置和别名：映射定义字段的架构，设置设置索引参数，如分片数和副本数，别名为索引提供备用名称。模板允许我们创建具有预定义配置的索引。将索引命名为与特定模板中定义的索引模式匹配的名称时，该索引会根据模板自动配置。Elasticsearch 在 7.8 版本中引入了可组合索引模板。可组合索引模板允许模板的模块化和版本管理。可组合模板由一个或多个组件模板组成。索引模板也可以定义自己的配置。组件模板是一个具有预定义配置的可重用模板，就像一个可组合索引模板。

2025-05-03 14:46:52 827 2

原创 Elasticsearch：RAG 和 grounding 的价值

了解 RAG、grounding，以及如何通过将 LLM 连接到你的文档来减少幻觉。想获得 Elastic 认证吗？查看下一期的时间！Elasticsearch 拥有大量新功能，帮助你为你的使用场景构建最佳搜索方案。深入学习我们的，了解更多信息，开始，或者现在就在你的上尝试 Elastic 吧。大型语言模型（LLM）能够生成连贯的回答，但当你需要真实且更新的信息时，它们可能会产生幻觉（编造数据）并给出不可靠的答案。

2025-05-03 13:51:58 780

原创在 Elastic 中使用 JOIN 进行威胁狩猎！

LOOKUP JOIN 在许多安全工作流中已经证明了其极大的实用性，但这只是开始。如Elasticsearch 博客中所述，这种类型的连接最接近于 SQL 风格的 LEFT OUTER JOIN，除了改善整体用户体验外，我们还计划扩展连接功能（例如 INNER 连接）。此外，这项功能还使其他搜索语言的语法转换成为可能。请阅读我们最近的博客，了解更多有关自动迁移的信息！总结一下，这种新的连接功能是安全分析师工具箱中的另一个工具，Elastic 搜索 AI 技术提供了许多先进的技术来保护您的数据免受攻击。

2025-05-01 09:23:18 1155

原创 Elasticsearch 根据两个字段搜索

探索通过两个字段进行搜索的技术，包括 multi-match 查询、bool 查询和查询时字段加权。想要获得 Elastic 认证？查看下一期的时间！Elasticsearch 拥有众多新功能，帮助你为你的用例构建最佳搜索解决方案。深入学习我们的，了解更多信息，开始，或立即在上尝试 Elastic。在 Elasticsearch 中跨多个字段进行搜索是许多应用中的常见需求。

2025-05-01 08:47:50 1032

原创 Elastic Security 8.18 和 9.0 中的新功能

Elastic Security 8.18 和 9.0 带来了帮助安全运营团队更高效工作、快速响应威胁的更新。此版本包括为 Splunk SIEM 用户提供的迁移支持、新的 ES|QL Lookup Join 功能，简化数据丰富和分析，以及多个可用性改进。攻击发现和自动导入现在已正式发布（GA），并且对 Elastic AI Assistant 的改进以及对自定义检测规则的支持也已加入。

2025-04-30 21:05:33 663

原创 Elasticsearch 在 Google Axion 处理器（C4A）上的运行速度提升高达 40%

Elastic 与 Google Cloud 合作，在 C4A 上实现比上一代虚拟机更高的索引吞吐量。这篇文章将介绍我们在 Google Cloud 的 Google Axion 处理器上对 Elasticsearch 进行宏基准测试的结果。，旨在提供更高的性能和效率。我们正在与 Google Cloud 合作，寻找机会为我们的共同客户持续提供最佳体验。我们很高兴地确认，基于 Google Axion 处理器的虚拟机实例系列将帮助我们实现这一目标。

2025-04-30 20:24:25 595

原创 Elasticsearch：一家全球银行如何将搜索引擎转变为其数据支柱

BBVA 通过使用 Elastic 将超过 450 亿个数据点统一到 50 多个银行服务中，实现了客户体验和运营洞察的转型，并实现了亚秒级响应时间。当 BBVA 的 David Jiménez Ausin 回顾 2014 年时，他看到的是一个截然不同的银行业景观。“几乎一切都还通过网页渠道，因为 [银行] 应用程序并不像现在这么成熟，而且每个服务的资讯都存在各自的系统中，” 他回忆道。作为服务于。

2025-04-30 09:51:58 842

原创 Elasticsearch：ES|QL lookup JOIN 介绍 - 8.18/9.0

ES|QL LOOKUP JOIN 处理命令将你的 ES|QL 查询结果表中的数据与指定的查找索引中的匹配记录合并。它根据联接字段中的匹配值，将查找索引中的字段作为新列添加到结果表中。团队常常将数据分散在多个索引中，例如日志、IP、用户 ID、主机、员工等。如果没有直接的方式来丰富或关联每个事件与参考数据，那么根本原因分析、安全检查和操作洞察将变得耗时。

2025-04-29 11:40:47 1230 1

原创 Elasticsearch 内存使用指南

探索 Elasticsearch 的内存需求以及不同类型的内存统计信息。Elasticsearch 拥有丰富的新功能，帮助你为你的使用场景构建最佳搜索解决方案。浏览我们的了解更多信息，开始，或者现在就在上体验 Elastic。

2025-04-29 10:53:14 1064

原创 Elastic Platform 8.18 和 9.0：ES|QL Lookup Joins 功能现已推出，Lucene 10！

Elastic 最新发布的 8.18 和 9.0 版本包含了强大的更新，将显著提升你的体验、增强查询性能并优化日志管理。无论你是在处理搜索、可观察性还是安全用例，本次发布都带来了大量新特性，旨在提高工作流效率并解锁新的可能性。在这篇博客中，我们将按主要主题分解 Elasticsearch 和 Kibana 的关键更新：ES|QL 改进Elasticsearch logsdb 索引模式优化搜索和索引增强Kibana 用户体验升级Lucene 性能提升。

2025-04-28 18:41:04 1321

原创 Elastic Observability 9.0/8.18：EDOT 现已正式发布，支持 LLM observability ，以及更多功能

Elastic Observability 9.0/8.18 宣布了几项关键功能：1）Elastic Distributions of OpenTelemetry （ EDOT ）正式发布 2）面向 GenAI 应用的 LLM observability 3）对 Logstash 的性能和安全性改进、Elastic Agent 对 AWS EKS 的支持，以及 Discover 的增强。

2025-04-28 15:01:24 1001

原创 Elasticsearch 9.0 和 8.18：为开发者精心打造，带来更快速的 BBQ 体验 — 比 OpenSearch 快 5 倍

我们很高兴向 Elastic Cloud 和自托管用户发布 Elasticsearch 9.0 和 8.18 版本。这些版本中的功能已经向我们的 Elastic Cloud Serverless 用户，他们可以使用在 AWS、和上提供的完全托管的 Elasticsearch。

2025-04-28 09:51:05 782

原创 Elastic Cloud Serverless 现在在 Google Cloud 上正式发布

Elastic Cloud Serverless 提供了启动和扩展安全、可观察性和搜索解决方案的最快方式 — 无需管理基础设施。今天，我们很高兴宣布 Elastic Cloud Serverless 在 Google Cloud 上正式发布 — 现在已在爱荷华（us-central1）区域提供。Elastic Cloud Serverless 提供了启动和扩展可观察性、安全性和搜索解决方案的最快方式，无需管理基础设施。它基于业界首个。

2025-04-28 08:52:54 1044

原创 Elastic Security 简化了预构建 SIEM 检测规则的自定义

自定义和更新预构建 SIEM 检测规则变得更简单了，提升了精准度，扩大了覆盖范围，并节省了时间。使用 Elastic Security，定制和更新预构建检测规则变得前所未有的简单。我们简化了检测工程工作流程，并通过开箱即用的 SIEM 检测规则实现了更广泛的用例覆盖。提供了 1,300 多条由专家编写的检测规则，这些规则映射到中的战术、技术和程序（TTPs）。我们的研究工程师积极维护和优化这些规则，每两周发布一次更新，帮助你在不断演变的威胁面前保持领先，而无需手动维护的负担。

2025-04-28 08:37:01 876

原创使用 LangGraph 和 Elasticsearch 构建强大的 RAG 工作流

在这篇博客中，我们将向你展示如何配置和自定义 LangGraph Retrieval Agent 模板与 Elasticsearch，以构建一个强大的 RAG 工作流，实现高效的数据检索和由 AI 驱动的响应。本博客重点介绍如何使用 LangGraph Studio 和 LangGraph CLI 运行并自定义 LangChain Retrieval Agent Template。该模板为构建检索增强生成（RAG）应用提供了框架，并支持多种检索后端，如 Elasticsearch。

2025-04-26 18:04:56 1246 1

原创更智能的银行体验：生成式 AI 与语义搜索的实际应用

了解 Elastic 与生成式 AI 如何正在改变银行业务，从个性化服务到具备上下文感知的搜索以及更智能的客户支持。在上，Elastic 的首席解决方案架构师 Tim Brophy 解释了。该会议讨论了四个关键挑战：让交易搜索真正为客户服务提升聊天机器人交互，利用实时知识提供个性化客户推荐提高运营效率Brophy 解释道：“生成式 AI 不仅仅是提高效率，它还代表着创新和更深层次的客户互动。

2025-04-25 15:26:37 801

原创检测特权访问活动：一个新的 Kibana 集成

特权访问活动是指由具有高权限的用户（如系统管理员或服务账户）执行的操作。这些用户可以修改系统配置、访问敏感数据、管理用户角色、安装软件、更改安全策略，并直接与关键控制系统进行交互。传统的安全措施依赖于预定义的规则和特征签名，但这些方法往往无法检测出新型或复杂的攻击模式。由于特权用户会执行各种管理任务，区分正常操作和可疑行为是一个挑战。特权访问检测包通过机器学习建立用户和实体的行为基线，从而检测出偏离正常使用模式的异常行为。目前，该包主要关注来自合法账户的异常特权访问活动，例如基于管理员的事件和命令。

2025-04-25 14:56:05 1116

原创使用 AutoGen 与 Elasticsearch

学习如何使用 AutoGen 为你的 agent 创建一个 Elasticsearch 工具。Elasticsearch 拥有与行业领先的生成式 AI 工具和提供商的原生集成。查看我们的网络研讨会，了解，或使用构建可投入生产的应用。为了为你的使用场景构建最佳搜索解决方案，现在就开始，或者在上试用 Elastic。AutoGen 是微软的一个框架，用于构建可以与人类互动或自主行动的应用程序。它提供了一个完整的生态系统，具备不同层级的抽象，取决于你需要自定义的程度。

2025-04-25 09:49:51 1532

原创如何将 Better Binary Quantization （ BBQ ）应用到你的用例中，以及为什么你应该这样做

探讨为什么你会在你的用例中实现 Better Binary Quantization （ BBQ ）以及如何实现它。通过这个，你可以亲自尝试向量搜索。你现在可以开始，或者在上试用 Elastic。向量搜索为实现文本语义搜索或图像、视频、音频的相似度搜索提供了基础。使用向量搜索时，向量是数据的数学表示，通常体积庞大且处理缓慢。

2025-04-24 09:47:25 1284 1

原创 Elasticsearch：生成式 AI 热潮 - 为 IT 领导者揭穿 4 个神话

不可否认的是：生成式 AI（- GenAI）正在重塑 IT 的未来（甚至可能是世界的未来）。根据 Forrester 2024 年的脉搏调查，67% 的 AI 决策者表示，他们的组织计划在未来一年增加对生成式 AI 的投资。那么，什么只是生成式 AI 的炒作，什么又值得长期投资呢？IT 和商业领导者如何区分事实与虚构？这种热潮带来了兴奋和怀疑。人们对生成式 AI 如何收集数据、其安全措施以及其对 IT 和商业运营的影响提出了许多问题。

2025-04-23 13:36:48 894

原创 Elasticsearch 堆内存使用情况和 JVM 垃圾回收

探索 Elasticsearch 堆内存使用情况和 JVM 垃圾回收，包括最佳实践以及在堆内存使用过高或 JVM 性能不佳时的解决方法。堆内存大小是分配给 Elasticsearch 节点中 Java 虚拟机的 RAM 数量。从 7.11 版本开始，Elasticsearch 默认会根据节点的角色和总内存自动设置 JVM 堆内存大小。对于大多数生产环境，推荐使用默认配置。然而，如果你希望手动设置 JVM 堆内存大小，一般规则是将 -Xms 和 -Xmx 设置为相同的值，。

2025-04-23 12:58:53 1210

原创当你的银行了解你：生成式 AI 如何改变金融服务

了解生成式 AI 如何帮助银行从僵化的系统转向对话式、直观的客户体验，同时提升速度、洞察力和欺诈检测能力。“我上周在 Wendy's 吃了两次吗？”这是我们在翻阅银行对账单时可能会问自己的问题。如今，多亏了生成式 AI（GenAI），银行能够更有效地理解并回答这种人类提问，理解问题背后的意图，并快速给出答案。在最近的上，Elastic 的解决方案架构高级总监 Steve Mayzak 与主持人 Emma Crossby 一起。

2025-04-23 09:50:12 634

原创使用 LlamaIndex Workflows 与 Elasticsearch

在本文中，你将学习如何利用 LlamaIndex Workflows 与 Elasticsearch 快速构建一个使用 LLM 的自过滤搜索应用程序。LlamaIndex Workflows 提出了一种不同的方式来处理将任务拆分给不同 agent 的问题，它引入了一个。这种架构相比于基于 DAG（Directed Acyclic Graph - 有向无环图）的方法，例如 LangGraph，简化了设计。如果你想进一步了解关于的内容，推荐你阅读这篇文章。

2025-04-22 11:42:08 1266 1

原创 Elasticsearch：使用 ES|QL 进行搜索和过滤

将多值字段转换为字符串通配符模式匹配使用全文本功能，将更新 _score 元数据字段条件加权加权最近内容组合评分基于自定义评分进行过滤。

2025-04-19 11:08:03 1435 1

原创 Kibana 警报：突破可扩展性限制，解锁 50 倍规模

Kibana 警报现在的扩展能力提升了 50 倍，每分钟可处理多达 160,000 条规则。了解任务管理器中的关键创新、更智能的资源分配以及性能优化如何帮助我们突破限制，实现显著的效率提升。过去几年里，Kibana 警报一直是许多大型组织首选的监控解决方案。随着使用率的持续增长，用户为监控其系统而创建的警报规则数量也不断增加。越来越多的组织在大规模场景中依赖 Kibana 进行警报，我们也看到了提升效率和保障未来工作负载性能的机会。

2025-04-19 09:35:39 941

原创如何增加 Elasticsearch 中的 primary shard 数量

如果你想增加已有索引的 primary shard 数量，需要将设置和映射重新创建到一个新索引中。实现这一点有两种主要方法：reindex API 和 split API。在使用这两种方法之前，必须停止当前的索引操作。想获得 Elastic 认证吗？了解下一期Elasticsearch 工程师培训的时间！Elasticsearch 拥有许多新特性，帮助你为你的用例构建最佳的搜索解决方案。深入了解我们的示例笔记本，开始免费的云试用，或现在就尝试在本地机器上使用 Elastic。

2025-04-18 08:14:56 1365 2

原创 Elastic 9.0/8.18：BBQ、EDOT 和 LLM 可观察性、攻击发现、自动导入以及 ES|QL JOIN

今天，我们很高兴地宣布 Elastic 9.0 和 8.18 的正式发布！Elastic 9.0 基于 Lucene 10.0，标志着 Elasticsearch、Elastic 搜索 AI 平台以及其核心解决方案 Elastic Observability 和 Elastic Security 的一次重大升级。此版本带来了更快的性能和更高的效率，得益于 Lucene 10.0 的内置改进，如更好的并行处理、更智能的索引和硬件优化。这些增强功能对资源优化和 Elastic 9.0 的功能产生了显著影响。

2025-04-17 09:30:12 1554 3

原创 ES|QL，知道吗，专为搜索而生 —— 推出评分和语义搜索

在 8.17 版本中，我们增加了使用全文文本函数过滤文档的功能。如果你不熟悉 ES|QL 中的全文文本过滤，我们建议阅读我们关于它的原创博客文章。在 8.18 和 9.0 中，我们引入了对评分的支持，使得能够根据相关性排序返回文档。要访问每个文档的得分，只需在 ES|QL 查询中添加元数据_score"query": {"bool": {"match": {},"match": {全文本搜索函数，如 match、qstr 和 kql 只能在 WHERE 条件中使用，并且是唯一能影响得分的函数。

2025-04-17 09:08:51 984

原创 Elasticsearch：ES|QL Joins 来了！是的，Joins！- 8.18

Elasticsearch 8.18 包含了 ES|QL 的 LOOKUP JOIN 命令，这是我们第一个 SQL 风格的 JOIN。Elasticsearch 8.18 包含了我们第一个 SQL 风格的 JOIN：ES|QL 的，目前已在 Tech Preview 中提供，支持通过可轻松更新的 lookup 数据集进行数据关联与增强。需要把主机和资产信息添加到你的事件中？没问题。想检查哪些 IP 地址或 URL 出现在威胁情报列表中？当然可以！

2025-04-17 08:48:10 1093

原创 Elasticsearch 8.18 中提供了原生连接 (Native Joins)

探索 LOOKUP JOIN，这是一条在 Elasticsearch 8.18 的技术预览中提供的新 ES|QL 命令。很高兴宣布 LOOKUP JOIN —— 这是一条在 Elasticsearch 8.18 的技术预览中提供的新 ES|QL 命令，旨在执行左以进行数据增强。通过 ES|QL，用户可以根据定义如何在 Elasticsearch 中本地配对文档的标准，将来自一个索引的文档与来自另一个索引的文档查询和组合。

2025-04-16 09:38:55 960 2

原创 Elasticsearch BBQ 与 OpenSearch FAISS：向量搜索性能对比

Elasticsearch BBQ 与 OpenSearch FAISS 的性能对比。带有二值量化的向量搜索：使用 BBQ 的 Elasticsearch 比使用 FAISS 的 OpenSearch 快 5 倍。Elastic 收到了来自社区的请求，希望澄清 Elasticsearch 与 OpenSearch 在性能上的差异，特别是在语义搜索 / 向量搜索方面，因此我们进行了这些性能测试，以提供清晰、数据驱动的对比。

2025-04-16 09:08:43 1957

原创 Elasticsearch：AI 助理 - 从通才到专才

在 AI 世界中，关于构建针对特定领域定制的大型语言模型（large language models - LLM）的话题备受关注 —— 不论是为了更好的安全性、上下文理解、专业能力，还是更高的准确率。这个想法非常诱人：还有什么比一个专为你量身打造的 AI 更能解决你独特问题的方式呢？但事情并不那么简单 —— 打造一个优秀的 LLM 不仅极具挑战，而且代价高昂、资源密集。像 OpenAI 和 xAI 这样的组织投入了天文数字的资金、运行着强大的计算资源，并拥有多年积累的专业知识。

2025-04-15 11:38:34 985

原创工具蔓延的隐藏成本：SRE 的可观测性整合指南

整合可观测性工具的好处、挑战与背后理念概述。想象一下这个场景：凌晨三点，你的手机不停地响起警报，看起来像是来自十几个不同的监控工具。你迷迷糊糊地翻着通知，忍不住想，“我们怎么会用上这么多工具？为什么它们就不能互相通信？”如果这个场景对你来说太熟悉了，你并不孤单。作为一名站点可靠性工程师（site reliability engineer - SRE），你处在管理复杂系统的第一线，而你使用的工具会直接影响你的效率。难怪根据最近一份由 Dimensional Research 发布的《2024 年可

2025-04-15 10:51:52 940

原创如何在不同版本的 Elasticsearch 之间以及集群之间迁移数据

当你想要升级一个 Elasticsearch 集群时，有时候创建一个新的独立集群并将数据从旧集群迁移到新集群会更容易一些。这让用户能够在不冒任何停机或数据丢失风险的情况下，在新集群上使用所有应用程序测试其所有数据和配置。这种方法的缺点是需要一些硬件的重复配置，并且在尝试平稳地传输和同步所有数据时可能会带来困难。如果你需要将应用程序从一个数据中心迁移到另一个数据中心，也可能需要执行类似的操作。

2025-04-15 09:27:07 1137

原创 Google Cloud 的 Vertex AI 平台的 LLM 可观测性 —— 了解性能、成本和可靠性

随着各类组织越来越多地采用大语言模型（LLMs）来支持内容创作、检索增强生成（RAG）和数据分析等 AI 驱动的应用，SRE 和开发人员正面临新的挑战。监控工作流、分析输入与输出、管理查询延迟以及控制成本等任务变得至关重要。LLM 可观测性通过提供对模型性能的清晰洞察，帮助解决这些问题，使团队能够快速识别瓶颈、优化配置并提升可靠性。借助更好的可观测性，SRE 可以更有信心地扩展 LLM 应用，特别是在像这样的平台上。

2025-04-14 07:45:50 773

05-ES AI Assistant集成 DeepSeek QwQ，搭建智能运维助手槐新杭州 20250419与应用场景演示

内容概要：本文详细介绍了如何通过集成DeepSeek/QwQ模型搭建基于Elasticsearch（ES）的智能运维助手，以提升运维效率和问题解决能力。文章首先阐述了大语言模型（LLM）在知识问答场景中的局限性，如幻觉问题、知识受限等，进而引出检索增强生成（RAG）技术的优势，包括实时更新知识库、可解释性和减少幻觉。接着，文章介绍了新一代AI搜索应用——Agentic RAG，它通过引入人工智能代理，实现了多源协同检索、多轮交互和复杂任务处理的能力。此外，文章还展示了Elasticsearch的功能及其与DeepSeek/QwQ的深度集成，具体包括实时状态诊断、动态生成可视化数据看板、智能查询构建等。最后，通过几个实际应用场景的演示，如集群运维、可视化分析和DSL查询生成，展示了该智能运维助手的强大功能。适合人群：具有运维经验的IT工程师、系统管理员以及对Elasticsearch和AI技术感兴趣的开发者。使用场景及目标：①通过自然语言指令自动构建精准查询语句，实现查询构建-执行-优化的全流程自动化；②辅助集群运维和索引管理，提供智能建议，降低技术门槛；③进行可视化分析，帮助用户快速理解日志信息，生成相关图表；④支持多模态向量搜索，提升搜索精度和开发体验。阅读建议：由于本文涉及大量技术细节和实际操作步骤，建议读者在阅读时结合实际案例进行理解和实践，尤其是对Elasticsearch和AI技术的应用有初步了解的读者，可以通过动手实验加深理解。

2025-04-19

04-Higress x Elasticsearch构建更智能的AI网关程治玮 20250419

介绍 Higress AI 网关在推理服务场景下提供的多模型适配、故障切换、多租户管理、Token 限流与内容安全等核心能力，并深度集成 Elasticsearch 实现语义化缓存、RAG 搜索和可观测等高级功能。

2025-04-19

03-Elasticsearch跨境电商搜索优化实践欧阳楚才杭州 20250419

内容概要：本文由欧阳楚才分享，主要介绍了Elasticsearch在跨境电商搜索优化中的实践。文章首先指出跨境电商搜索面临的问题，如搜索词意图丰富、分词准确性、搜索关键词多义等，随后详细阐述了搜索业务架构，包括意图识别、类目预测、实体识别、同义词扩展、分词处理、尺寸识别、停用词过滤、词干提取等方面的技术细节。接着，文章探讨了搜索召回和排序机制，强调了通过字段加权计算相关性评分和点击率预测CTR模型来优化搜索结果的重要性。最后，还涉及了性能压测、商品属性字段聚合优化以及数据埋点等内容，旨在提升搜索服务的整体性能和用户体验。; 适合人群：从事跨境电商、搜索引擎优化、Elasticsearch技术应用的相关从业人员，尤其是有一定Elasticsearch基础的研发人员和技术管理者。; 使用场景及目标：①理解和解决跨境电商搜索中的常见问题，如搜索词意图识别、多语种分词、关键词多义性等；②掌握通过类目预测、实体识别、同义词扩展等方法提高搜索召回率和准确性的技术手段；③学习如何通过性能压测、数据埋点等手段优化搜索服务的性能和用户体验。; 其他说明：本文提供了丰富的实际案例和技术细节，建议读者结合自身业务场景进行实践，并参考文中提供的具体配置和优化方法，不断调整和改进搜索系统。

2025-04-19

01-AI 驱动 - 搜索的未来刘晓国杭州 20250419

1）为什么需要向量搜索？ 2）RAG 是什么？ 3）Elastic 在向量搜索上的最新进展 4）案例分析

2025-04-19

02-阿里云Elasticsearch向量引擎百亿级数据优化实践魏子珺杭州 20250419

深度解析阿里云 Elasticsearch 向量引擎从8.0到8.x最新版本的技术跃迁，揭秘 Elasticsearch 向量引擎如何处理百亿级向量数据。分享向量引擎与文本搜索、AI 模型的无缝整合方案，探讨如何通过混合检索能力优化 RAG（检索增强生成）、Deep Search 等企业级场景。

2025-04-19

00-Elastic Pioneer-项目

内容概要：Elastic China Pioneer Program（先锋者计划）是Elastic中国发起的大使招募计划，旨在汇聚生态伙伴、用户及开发者力量，共同推广Elastic搜索技术。该计划明确了Pioneer的使命为传播Elastic技术魅力、分享应用心得，助力Elastic在中国市场的发展。Pioneer可通过发表演讲、撰写文章、录制视频、GitHub代码贡献、提供解决方案等方式获取积分，不同形式的贡献对应不同分值。活动设有严格的审核机制，确保公平公正，参与者可凭作品质量获得相应积分，有广泛影响力的贡献还能得到额外奖励。此外，该计划还设立了月度和年度榜单机制，月度榜单每月评选一次，年度榜单前三名可获直通Elastic ON新加坡站等丰厚奖励，所有奖励均与积分挂钩，鼓励持续贡献。适合人群：热爱Elastic技术，愿意为其发声的生态伙伴、广大用户及社区开发者。使用场景及目标：①通过多种方式宣传推广Elastic技术，扩大其在中国市场的影响力；②激励更多人参与到Elastic的技术生态建设中来，推动Elastic技术的发展。其他说明：活动期间，Elastic官方有权对提交内容进行二次加工、修改、传播，优秀内容将通过官方渠道推广分享。

2025-04-19

Elasticsearch 8.17 Logsdb：企业降本增效利器程地华线上 20250416

内容概要：本文介绍了Elasticsearch 8.17 LogsDB作为企业降本增效的利器，主要针对传统日志存储面临的高昂成本和低效查询性能的问题。Elasticsearch 8.17 LogsDB通过多种优化技术，如合成源优化、压缩算法优化、索引排序优化、块编解码器优化、压缩和分段合并优化，显著降低了日志数据的存储需求，提升了查询效率。具体而言，合成源优化去除了不必要的行存，压缩算法优化实现了快速无损压缩，索引排序优化提高了存储效率，块编解码器优化针对不同字段提供不同的编码策略，压缩优化了词典，分段合并优化则通过删除冗余信息节省空间。性能对比显示，LogsDB在系统日志、应用程序日志和审计日志三种类型的日志存储优化效果显著。应用场景包括大规模日志存储、企业级日志管理和实时日志监控与分析。适合人群：从事日志管理和数据分析的技术人员，尤其是关注日志存储成本和查询性能的企业IT管理者和技术团队。使用场景及目标：①大规模日志存储：显著减少存储空间，降低存储成本；②企业级日志管理：提高存储效率，优化查询性能，简化管理流程；③实时日志监控与分析：高效处理和查询海量日志数据，快速发现和解决问题。其他说明：本文详细介绍了如何创建索引生命周期、索引模板、数据流以及配置写入等具体操作步骤，为企业提供了完整的实施指南。通过这些优化措施，企业可以在整个索引生命周期中持续受益，进一步降低总拥有成本。

2025-04-17

05 -Elasticsearch 存算分离架构在小米的应用实践 - 周明裕郑钧元武汉 20250329

介绍了 ElasticSearch 服务存算分离架构在小米的技术演进过程和实现思路，日志场景可实现单集群 50% 成本优化，提升整体技术性价比

2025-03-31

04 - 腾讯云 ES AI 搜索优化实践 - 刘忠奇武汉 20250329

内容概要：本文详细介绍了腾讯云Elasticsearch（ES）在AI搜索优化方面的实践成果。首先探讨了一站式RAG（检索增强生成）架构的应用案例，如微信读书‘AI问书’和敦煌数字藏经阁，展示了其在智能检索、问答系统等方面的能力。接着阐述了向量裁剪技术，通过多种索引方式（无向量索引、Flat向量索引、HNSW向量索引等）显著降低了存储成本，最高可达90%。最后介绍了多算法融合排序框架，包括rank_fusion、score_fusion和rerank_fusion三种方法，提升了搜索结果的准确性和召回率。此外，还涉及了嵌入推理、对话推理等功能模块，进一步增强了系统的灵活性和实用性。适合人群：从事搜索引擎开发的技术人员，尤其是对Elasticsearch及其AI增强功能感兴趣的研究者和从业者。使用场景及目标：①希望通过RAG架构实现高效智能检索和问答系统的开发人员；②需要降低向量存储成本的数据科学家和技术经理；③希望提高搜索结果质量和用户体验的产品经理和运营人员。其他说明：文中提到的具体技术细节和应用场景有助于读者深入了解腾讯云ES在AI搜索领域的最新进展和技术优势。

2025-03-31

03 - Agentic RAG 构建之路 - 李捷武汉 20250329

内容概要：本文详细介绍了Elasticsearch（ES）作为构建Agentic RAG（检索增强生成）系统的理想引擎的原因。首先探讨了传统RAG系统的局限性，然后重点阐述了ES如何通过其强大的查询规划、工具使用、动态查询规划以及数据超融合等功能克服这些问题。文中还展示了具体的案例研究，如财务风险报告、生产线良品率分析、市场销售情况评估等，强调了ES在处理复杂查询、多源数据融合和实时数据分析方面的卓越表现。此外，文章讨论了ES提供的多种查询语言和支持的广泛功能，如多模态嵌入、GPU加速、自动分块策略等，进一步证明了它在构建高效、灵活的Agentic RAG系统中的独特地位。适合人群：对构建高级检索增强生成系统感兴趣的开发者和技术决策者，尤其是那些希望利用Elasticsearch提升数据处理能力和智能化水平的专业人士。使用场景及目标：适用于需要处理大量异构数据的企业，旨在提高数据检索效率、增强分析能力、优化业务流程。具体应用场景包括但不限于财务风险管理、生产质量监控、市场营销分析等。其他说明：文章不仅深入剖析了技术细节，还提供了实际操作指南和最佳实践建议，帮助读者更好地理解和应用

2025-03-31

02 - ES 在绿盟企业安全平台的应用实践 - 陆攀武汉 20250329

内容概要：本文详细介绍了Elasticsearch（ES）在绿盟企业安全平台中的大规模应用及其优化路径。首先概述了安全大数据分析的典型场景和所面临的技术挑战，如PB级别的数据量、Ad-hoc查询性能、集群稳定性和运维成本等问题。接着阐述了ES集群的具体应用场景，包括日志查询、仪表盘展示和事件告警等功能模块。针对这些问题，文中提出了多项优化措施，如多实例部署、角色分离、master节点升级、_id移除到堆外、引入混合存储等方法，有效提升了系统的稳定性和性能。最后还讨论了写入性能方面的改进，如避免多盘陷阱、采用本地写入方式、实施预判引擎以及调整动态mapping设置等。适合人群：从事信息安全领域的技术人员，尤其是负责大型分布式系统架构设计和技术选型的专业人士。使用场景及目标：适用于需要处理海量日志数据的企业级安全平台建设，旨在提高数据分析效率、增强系统可靠性和降低运营维护难度。其他说明：本文不仅提供了理论指导，还分享了许多实际案例和具体实施方案，对于希望深入了解ES集群管理和调优的读者来说非常有价值。

2025-03-31

01 - AI 驱动 - 搜索的未来 -刘晓国武汉 20250329

内容概要：本文由Elastic中国社区首席布道师刘晓国主讲，探讨了AI驱动的搜索技术的发展方向，特别是Elasticsearch在向量搜索和语义搜索方面的创新。文章详细介绍了向量搜索的基本概念、实现方法以及具体应用场景，如图片相似度搜索、混合搜索、语义搜索等。此外，还讨论了Elasticsearch在硬件加速、模型管理、推理API等方面的最新进展，以及如何通过Retrieval Augmented Generation (RAG) 技术提升搜索质量和安全性。适合人群：对AI驱动的搜索技术感兴趣的开发者、数据科学家、企业IT决策者。使用场景及目标：适用于需要高效、精准搜索的企业级应用，尤其是涉及大规模非结构化数据处理的场景。目标是帮助用户更好地理解和应用最新的搜索技术，提升业务效率和用户体验。其他说明：文中提供了丰富的技术细节和实例，包括向量相似度计算、模型训练与部署、搜索架构优化等方面的内容。同时，还提到了Elasticsearch与其他AI工具和服务的集成，如OpenAI的CLIP模型、HuggingFace等。

2025-03-31

04-Elasticsearch 在 AI 驱动下的检索新特性 - 槐新上海 20250222

内容概要：本文详细介绍了阿里云 Elasticsearch 在 AI 技术推动下所发展的新型搜索能力。涵盖了语义搜索、多模态搜索、RAG（检索增强生成）、AI 助理等方面的新特性和技术进步。特别是在向量搜索方面，阿里云 ES 向量增强版能够高效处理结构化和非结构化数据，将其转化为向量形式，极大提升了搜索效率和精度。此外，还探讨了性能瓶颈及解决方法，以及弹性架构、数据安全性等重要特点，展现了该产品的高性能、低成本和技术灵活性。适合人群：对于希望深入了解现代搜索技术和向量索引的技术开发者、工程师、研究学者及有兴趣了解前沿科技的应用程序管理员。使用场景及目标：适用于需要处理大量文本、图像、音频视频等多媒体资料的企业和个人用户。旨在提高搜索系统的智能化水平，帮助企业更快更准地获取所需信息，并优化用户体验。例如，在客服、电商、医疗等领域实施多模态检索和服务机器人等功能，可显著增强业务竞争力。其他说明：文中提到多个具体案例和技术细节，如性能测试、硬件加速指令的应用、模型量化的优势等，强调了技术的实际应用价值和发展趋势。同时展示了与第三方平台的良好协作，提供了丰富的接口和支持，方便用户的集成与

2025-03-03

03-基于 ES 与 LLM 技术构建 B站大数据运维智能体实践 - 张勋祥上海 20250222

内容概要：本文由哔哩哔哩资深开发工程师张勋祥讲解了基于Elasticsearch（ES）和大型语言模型（LLM）技术，为解决B站庞大的运维挑战所采取的策略。首先，介绍了当前面临的业务现状，即大量问题咨询以及多样化计算引擎带来的复杂运维问题，这些问题使得自动化运维变得尤为迫切。其次，在详细的场景分析基础上提出并实施了一套智能运维系统。该系统依托于私域知识库来解答咨询和支持故障诊断等功能，涵盖Flink、Spark等多个主流组件，显著提升了处理效率与准确性。此外，针对关键的技术难题如查询改写优化等问题，文中分享了一系列有效的解决手段。最后展示了具体应用场景，如对Flink的作业断流现象进行分析。同时对未来发展规划进行了探讨，强调将继续推进运维智能化水平。适用人群：适用于有兴趣于大数据架构下智能运维解决方案的研发人员和技术经理，特别是从事Flink、Spark等领域工作的人群。使用场景及目标：本研究旨在为面临大规模分布式系统的团队提供有价值的见解和技术指导，帮助他们更好地理解和应用智能运维方法论来应对复杂场景中的各类运维挑战。其他说明：文章提供了丰富的图表及案例分析，便于读者直观地掌握

2025-03-03

01-AI 驱动 - 搜索的未来 - 刘晓国上海 20250222

内容概要：本文探讨了AI驱动的未来搜索技术，特别是通过Elasticsearch实现的向量搜索和语义搜索。首先介绍了为何需要向量搜索及其基本概念，随后深入讲解了Elasticsearch中的向量搜索实现细节、向量相似度测量方法，以及如何整合图像和文本搜索。接着，描述了向量和经典搜索混合的方法，强调了RAG（检索增强生成）的作用。最后，文章讨论了Elasticsearch在硬件加速方面的进步及未来的发展方向，如稀疏向量搜索和学习排序等新技术的应用。适合人群：熟悉搜索引擎和机器学习的基础知识的技术爱好者和专业工程师。使用场景及目标：帮助开发者理解和掌握最新的AI驱动搜索技术，包括搭建高效能的语义和向量搜索系统，以及优化搜索结果的相关性和速度。同时，探索将这些先进技术应用于实际项目中解决具体业务问题的可能性。其他说明：文中提供了许多具体的示例，如基于变压器模型的文字向量表示，图片相似度查找实例，并展示了使用Elastic Stack实现复杂混合搜索的实际操作。还涉及到一些高级特性，如KNN查询、ELSER模型训练、以及Retriever API的设计原理。

2025-03-03

02-GraphRAG 和 Elasticseach 8 的创新实践 - 徐胜上海 20250222

主要分享结合 Elasticsearch 8 的最新特性和微软的最新技术 GraphRAG，来实现垂域知识库的智能体知识问答的方法和技术案例。Elasticsearch 8 里面的混合检索和多路召回技术，和知识图谱完美结合，实现了更优秀的问答效果。

2025-03-03

03-Elasticsearch 在 AI 检索与 Serverless 模式成本优化的新特性王亚宁北京 20241214

本次议题将深入探讨 Elasticsearch 在 AI 检索和 Serverless 模式方面的最新进展，重点介绍如何利用这些新特性提升检索体验、快速搭建企业级 RAG 服务，以及在日志场景如何通过 Serverless 模式实现显著的成本优化和性能提升。

2024-12-17

04 - 降本增效的利器，认识一个不同的 Elastic 顾鹏飞北京 20241214

内容概要：本文介绍了Elastic作为一个领先的AI搜索引擎公司，其全球布局及在中国区的业务生态。强调了Elastic解决方案帮助企业从全量规模化的数据中快速获取价值，提升效率，降低成本。文中详细阐述了Elastic三大核心方案（可观测性、安全和搜索）的具体功能及其如何帮助企业构建灵活的解决方案。同时，文档还介绍了Elastic的两项关键技术——跨集群复制(CCR)和可搜索快照(searchable snapshot)，这两项技术大大提升了企业在混合云环境下的容灾能力和存储成本的优化。适合人群：对Elastic及其技术感兴趣的企业决策者、IT技术专家及数据科学家。使用场景及目标：帮助企业利用Elastic的技术方案提升数据处理和分析能力，优化IT基础设施，降低成本，提高运营效率，更好地应对复杂多变的数据安全和性能需求。阅读建议：本文详细介绍了Elastic的各项技术和实际应用案例，读者可以通过具体案例深入了解Elastic的技术优势和实施效果。

2024-12-16

02-Kibana 构建高级可视化包春喜北京 20241214

内容概要：本文详细介绍了Kibana在构建高级可视化中的应用，涵盖Elastic Geo类型（geo_point和geo_shape）的定义和使用方法，以及Elastic Maps的介绍。此外，文章还详细讲解了Vega的声明式语法及其在Kibana中的应用场景，帮助读者了解如何通过编写Vega语句实现复杂的自定义可视化。适合人群：熟悉Kibana和Elasticsearch的基础操作，希望深入了解地理空间数据可视化和自定义图表的技术人员。使用场景及目标：①在Elasticsearch中定义和使用geo_point和geo_shape类型；②利用Elastic Maps进行地理空间数据的分析和可视化；③通过Vega创建复杂的自定义图表，满足特定的可视化需求。其他说明：文章提供了详细的示例代码和实际应用案例，帮助读者更好地理解和应用Kibana的高级可视化功能。

2024-12-16

01-AI 驱动 - 搜索的未来刘晓国北京 20241214

内容概要：本文由Elastic中国社区首席布道师刘晓国在北京2024年12月14日的演讲内容整理而成，重点介绍了AI驱动的Elasticsearch向量搜索与语义搜索技术。文章首先探讨了向量搜索的需求背景，包括经典搜索的局限性和向量搜索的优势。随后，详细讲解了向量相似度的基础知识，如稀疏向量和密集向量，以及Elasticsearch如何实现向量搜索。文章还涵盖了Retrievers的使用方法，以及如何在Elasticsearch中使用第三方嵌入模型，如OpenAI的CLIP模型。此外，还介绍了Elasticsearch向量引擎的最新进展，包括硬件加速、向量量化和并发查询改进等方面。最后，讨论了RAG（检索增强生成）的架构及其在生成式人工智能中的应用，特别是如何结合私有数据和大型语言模型（LLM）来解决特定领域的问题。适合人群：大数据处理、搜索引擎和自然语言处理方向的工程师及研究者。使用场景及目标：① 了解和掌握Elasticsearch向量搜索和语义搜索的实现方法和技术细节；② 探索如何在企业级应用中集成和使用这些技术；③ 理解RAG架构在生成式人工智能中的应用。阅读建议：本文内容较为深入，涉及较多的技术细节和实际操作，建议读者在阅读过程中配合官方文档和示例代码，以便更好地理解和实践相关技术。

2024-12-16

02-Elasticsearch 8.x 向量搜索使用详解杭州 1.6 2024

内容概要：本文详细介绍了 Elasticsearch 8.x 版本中的向量搜索技术和优化方法。首先概述了传统暴力搜索和HNSW & KNN的对比，强调了HNSW在大数据量下的性能优势。接着讨论了向量搜索在具体应用中的多种操作，如多个kNN字段的向量搜索、聚合查询、滤波器在近似kNN搜索中的重要性和效果。此外，还涉及了使用 RRFRanking 算法对混合搜索引擎的结果进行排序，以及使用第三方机器学习模型进行语义搜索的方法和技术细节。最后，提到了Elastic训练的稀疏召回模型ELSER及其优势。适合人群：Elasticsearch 开发者，数据科学家，搜索系统架构师。使用场景及目标：①优化向量搜索性能，特别是在大规模索引上的查询速度；②理解并向量化搜索引入更多高级功能，如语义搜索和混合评分机制。其他说明：文中提供了多个实践案例和优化技巧，有助于读者快速掌握 Elasticsearch 在复杂搜索场景中的应用。

2024-12-10

高管指南：如何将生成式AI融入运营

内容概要：本文是一本高管指南，详细介绍如何将生成式 AI 技术融入业务运营，从理论基础到实践步骤，涵盖了生成式 AI 的定义、发展现状及其关键技术。文章通过具体的行业案例，展示了生成式 AI 在电信、金融、零售等多个行业中的应用效果，提出了一套六步走的具体实施方案，强调了从试验到正式实施过程中需要注意的关键点，如数据安全、模型选择和管治等问题。适合人群：企业高管、技术负责人、项目经理和其他希望了解如何利用生成式 AI 提升业务效能的读者。使用场景及目标：本文适用于企业在数字化转型过程中，希望通过生成式 AI 优化业务流程、提高工作效率和客户满意度的各种场景。目标是帮助企业和团队在实际运营中有效应用生成式 AI，实现业务增长和技术进步。其他说明：生成式 AI 的实施需要考虑数据隐私和安全问题，同时还需要团队的合作和技能培训。通过逐步推进和不断迭代，最终实现生成式 AI 的全面融合，为企业带来更大的商业价值。

2024-12-05

Elastic帮助企业发挥数据的作用

内容概要：本文详细探讨了IT领导者如何通过实时数据分析解决方案来提升企业的数字客户体验、运营弹性和网络安全性。具体介绍了数据挑战和业务复杂性增加的原因，提出了搜索驱动型解决方案的优势和应用场景，并列举了多个实际案例来说明其效果。同时，文中对比了传统方法与搜索驱动型解决方案的优劣，强调了后者在实时性和易用性方面的显著优势。适合人群：对企业IT管理和数据分析感兴趣的IT专业人士、项目经理和技术负责人。使用场景及目标：① 改善数字客户体验，确保系统稳定性和安全性；② 优化数据处理和检索速度，减少数据孤岛；③ 实现统一的平台管理和灵活的架构部署，提高运营效率；④ 利用Machine Learning和AIOps技术实现智能化数据分析。其他说明：文章通过实例展示了Elastic的解决方案，包括Elastic可观测性、Elastic安全性和Elastic企业搜索，为企业提供了具体的实施路径和方法。阅读过程中，可以通过实际案例更好地理解技术的实际应用和带来的效益。

2024-12-05

Elastic最新产品及解决方案

内容概要：本文介绍 Elastic 的最新产品及解决方案，帮助企业解决数据挑战并加速商业成功。主要内容包括数据孤岛和重复数据的问题及其解决方案、提升用户体验、降低安全风险和优化运营等方面的措施。强调了通过Elastic提供的全面可观测、安全和搜索解决方案来实现业务成长的具体方法和技术优势。文中还详细介绍了Elastic的技术架构、功能特点以及与其他产品的对比，展示了Elastic作为行业领导者的地位和市场表现。适用人群：企业管理者、IT决策者、数据分析专家、网络安全专业人员和研发工程师。使用场景及目标：旨在帮助企业和组织更好地利用数据资产，具体应用场景涵盖了日志管理、APM监控、安全分析、AI/ML模型构建等多个方面，目的是构建弹性业务流程、提高运营效率、保障信息安全和改善客户体验。其他说明：Elastic提供了一个强大而灵活的数据平台，通过整合各类先进的技术如机器学习、实时分析等，为企业提供了广泛的服务范围，包括但不限于搜索引擎优化、安全性增强和业务智能化。此外，它还支持多种部署模式（公有云、私有云和本地部署）以满足不同类型客户的个性化需求。

2024-12-05

02-ES-小工具撬动大杠杆- 日常高效运维 Elastic - 尚雷线上 20241128

如何通过编写自动化运维脚本处理 Elastic 故障、降低人工运维成本 1、如何快速平衡节点分片 2、如何快速处理索引未分片 3、如何处理 Kibana 程序宕无法访问 4、如何获统计索引占用空间大小

2024-11-29

01-Elastic 向量搜索及构建 RAG 应用 - 刘晓国线上 20241128

1、为什么需要向量搜索？ 2、向量相似度基础知识 3、使用 Elastic 实现向量搜索 4、检索增强生成 - RAG

2024-11-29

05-Elastic Stack 在企业安全运营中的实践和探索- 余锡琨成都 20240921

在现代企业中，安全和合规管理已经成为不可忽视的关键领域。随着网络威胁的不断演变和全球监管要求的日益严格，企业需要具备强大的工具来应对这些挑战。Elastic Stack，以其高度可扩展的搜索、分析和可视化能力，为企业提供了一个强大的安全实践平台。本次演讲将详细探讨如何利用 Elastic Stack 的组件，如 Elasticsearch、Logstash、Kibana（以及Beats），来构建和优化企业的安全监控系统，从而实现高效的威胁检测和合规管理。

2024-09-29

04-腾讯云ES AI增强与向量检索特性介绍 - 陈月望成都 20240921

腾讯云 ES 结合 AI 技术，推出向量检索能力，实现文本、图像的多模态智能搜索。通过内置模型和机器学习节点，提供从向量生成到检索的全流程服务。同时，结合 LLM 大模型、腾讯云内核优化特性，持续优化查询转换和数据向量化能力，为打造高效、准确的 RAG 系统提供一站式解决方案。

2024-09-29

02-kibana 创建高级可视化 - 包春喜成都 20240921

kibana 自带了很多种我们常见的可视化图表类型，例如柱状图、饼图、表格和地图等。这些自带的可视化图表可以帮助我们在日常使用中更好的观察和分析我们的数据。但是在实际使用中我们有的时候可能需要做大屏展示或者更多个性化的展示需求，所以针对这种个性化展示需求我们可以将 kibana 和 vega 结合使用来实现。

2024-09-29

01-Elasticsearch 简单而高效的管道查询语言- ESQL刘晓国成都 20240921

Elasticsearch 查询语言 (ES|QL) 提供了一种强大的方法来过滤、转换和分析存储在 Elasticsearch 中以及未来其他运行时中的数据。它旨在易于最终用户、SRE 团队、应用程序开发人员和管理员学习和使用。用户可以编写 ES|QL 查询来查找特定事件、执行统计分析并生成可视化效果。它支持广泛的命令和功能，使用户能够执行各种数据操作，例如过滤、聚合、时间序列分析等。 Elasticsearch 查询语言 (ES|QL) 使用 “管道”(|) 逐步操作和转换数据。这种方法允许用户组合一系列操作，其中一个操作的输出成为下一个操作的输入，从而实现复杂的数据转换和分析。

2024-09-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

05-ES AI Assistant集成 DeepSeek QwQ，搭建智能运维助手 槐新 杭州 20250419与应用场景演示

04-Higress x Elasticsearch构建更智能的AI网关 程治玮 20250419

03-Elasticsearch跨境电商搜索优化实践 欧阳楚才 杭州 20250419

01-AI 驱动 - 搜索的未来 刘晓国 杭州 20250419

02-阿里云Elasticsearch向量引擎百亿级数据优化实践 魏子珺 杭州 20250419

00-Elastic Pioneer-项目

Elasticsearch 8.17 Logsdb：企业降本增效利器 程地华 线上 20250416

05 -Elasticsearch 存算分离架构在小米的应用实践 - 周明裕 郑钧元 武汉 20250329

04 - 腾讯云 ES AI 搜索优化实践 - 刘忠奇 武汉 20250329

03 - Agentic RAG 构建之路 - 李捷 武汉 20250329

02 - ES 在绿盟企业安全平台的应用实践 - 陆攀 武汉 20250329

01 - AI 驱动 - 搜索的未来 -刘晓国 武汉 20250329

04-Elasticsearch 在 AI 驱动下的检索新特性 - 槐新 上海 20250222

03-基于 ES 与 LLM 技术构建 B站大数据运维智能体实践 - 张勋祥 上海 20250222

01-AI 驱动 - 搜索的未来 - 刘晓国 上海 20250222

02-GraphRAG 和 Elasticseach 8 的创新实践 - 徐胜 上海 20250222

03-Elasticsearch 在 AI 检索与 Serverless 模式成本优化的新特性 王亚宁 北京 20241214

04 - 降本增效的利器，认识一个不同的 Elastic 顾鹏飞 北京 20241214

02-Kibana 构建高级可视化 包春喜 北京 20241214

01-AI 驱动 - 搜索的未来 刘晓国 北京 20241214

02-Elasticsearch 8.x 向量搜索使用详解 杭州 1.6 2024

高管指南：如何将生成式AI融入运营

Elastic帮助企业发挥数据的作用

Elastic最新产品及解决方案

02-ES-小工具撬动大杠杆- 日常高效运维 Elastic - 尚雷 线上 20241128

01-Elastic 向量搜索及 构建 RAG 应用 - 刘晓国 线上 20241128

05-Elastic Stack 在企业安全运营中的实践和探索- 余锡琨 成都 20240921

04-腾讯云ES AI增强与向量检索特性介绍 - 陈月望 成都 20240921

02-kibana 创建高级可视化 - 包春喜 成都 20240921

01-Elasticsearch 简单而高效的管道查询语言- ESQL刘晓国 成都 20240921

02- Elastic Meetup-如何系统化的备战 Elastic认证专家考试 - 铭毅天下 线上 20240918

01 - 一次生产集群 ES Watcher 失效的深度排查与分析 全过程剖析与解决方案 - 尚雷 线上 20240918

03-ES APM全观测实战 - 陈文磊 南京 20240825

02-ES在互联网公司中应用及优化过程 - 尚雷 南京 20240825

01- Elasticsearch 简单而高效的管道查询语言 - 刘晓国 南京 20240825

04-十倍性价比蜕变：腾讯云ES全新架构助力日志场景降本增效 - 陈曦 深圳 20240727

03-未来运维之道- Elastic Al助手的高效运维与数据智能 - 李捷 深圳 20240727

02-腾讯云 ES8 新一代高性能高精度 RAG 向量检索引擎 - 黄国航 深圳 20240727

01- Elasticsearch 简单而高效的管道查询语言 - 刘晓国 深圳 20240727

02-B站Elasticsearch平台实践 王星轶 线上 20240619

空空如也

05-ES AI Assistant集成 DeepSeek QwQ，搭建智能运维助手槐新杭州 20250419与应用场景演示

04-Higress x Elasticsearch构建更智能的AI网关程治玮 20250419

03-Elasticsearch跨境电商搜索优化实践欧阳楚才杭州 20250419

01-AI 驱动 - 搜索的未来刘晓国杭州 20250419

02-阿里云Elasticsearch向量引擎百亿级数据优化实践魏子珺杭州 20250419

Elasticsearch 8.17 Logsdb：企业降本增效利器程地华线上 20250416

05 -Elasticsearch 存算分离架构在小米的应用实践 - 周明裕郑钧元武汉 20250329

04 - 腾讯云 ES AI 搜索优化实践 - 刘忠奇武汉 20250329

03 - Agentic RAG 构建之路 - 李捷武汉 20250329

02 - ES 在绿盟企业安全平台的应用实践 - 陆攀武汉 20250329

01 - AI 驱动 - 搜索的未来 -刘晓国武汉 20250329

04-Elasticsearch 在 AI 驱动下的检索新特性 - 槐新上海 20250222

03-基于 ES 与 LLM 技术构建 B站大数据运维智能体实践 - 张勋祥上海 20250222

01-AI 驱动 - 搜索的未来 - 刘晓国上海 20250222

02-GraphRAG 和 Elasticseach 8 的创新实践 - 徐胜上海 20250222

03-Elasticsearch 在 AI 检索与 Serverless 模式成本优化的新特性王亚宁北京 20241214

04 - 降本增效的利器，认识一个不同的 Elastic 顾鹏飞北京 20241214

02-Kibana 构建高级可视化包春喜北京 20241214

01-AI 驱动 - 搜索的未来刘晓国北京 20241214

02-Elasticsearch 8.x 向量搜索使用详解杭州 1.6 2024

02-ES-小工具撬动大杠杆- 日常高效运维 Elastic - 尚雷线上 20241128

01-Elastic 向量搜索及构建 RAG 应用 - 刘晓国线上 20241128

05-Elastic Stack 在企业安全运营中的实践和探索- 余锡琨成都 20240921

04-腾讯云ES AI增强与向量检索特性介绍 - 陈月望成都 20240921

02-kibana 创建高级可视化 - 包春喜成都 20240921

01-Elasticsearch 简单而高效的管道查询语言- ESQL刘晓国成都 20240921

02- Elastic Meetup-如何系统化的备战 Elastic认证专家考试 - 铭毅天下线上 20240918

01 - 一次生产集群 ES Watcher 失效的深度排查与分析全过程剖析与解决方案 - 尚雷线上 20240918

03-ES APM全观测实战 - 陈文磊南京 20240825

02-ES在互联网公司中应用及优化过程 - 尚雷南京 20240825

01- Elasticsearch 简单而高效的管道查询语言 - 刘晓国南京 20240825

04-十倍性价比蜕变：腾讯云ES全新架构助力日志场景降本增效 - 陈曦深圳 20240727

03-未来运维之道- Elastic Al助手的高效运维与数据智能 - 李捷深圳 20240727

02-腾讯云 ES8 新一代高性能高精度 RAG 向量检索引擎 - 黄国航深圳 20240727

01- Elasticsearch 简单而高效的管道查询语言 - 刘晓国深圳 20240727

02-B站Elasticsearch平台实践王星轶线上 20240619