- 博客(1700)
- 资源 (9)
- 收藏
- 关注
原创 Elasticsearch:使用 OpenAI、LangChain 和 Streamlit 的基于 LLM 的 PDF 摘要器和 Q/A 应用程序
嘿!您是否曾经感觉自己被淹没在信息的海洋中?有这么多的书要读,而时间却这么少,很容易就会超负荷,对吧?但猜猜怎么了?你可以使用大型语言模型创建自定义聊天机器人,该模型可以帮助您总结 pdf 并根据你上传的 pdf 回答你的问题。拥有 PDF 摘要生成器就像拥有一个超级聪明的伙伴,他可以阅读那些又长又无聊的文档,并为你提供所需的内容。不再需要翻阅研究论文或任何报告。有大量工具可以帮助你总结文档,有些需要付费,有些是免费的。但是为什么不尝试创建你的 PDF 摘要应用程序并尝试一下最适合你的呢?
2024-03-15 14:02:36 1105
原创 Elasticsearch:ES|QL 动手实践
在我之前的文章 “”,我对 Elasticsearch 的最新查询语言 ES|QL 做了一个简单的介绍。在今天的文章中,我们详细来使用一些例子来展示 ES|QL 强大的搜索与分析功能。
2023-11-14 10:03:24 1331 2
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 21729 18
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 138908 94
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 15156 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 165069 31
原创 Elasticsearch:让你的 Elasticsearch 索引与 Python 和 Google Cloud Platform 功能保持同步
Elasticsearch 内的索引 (index) 是你可以将数据存储在文档中的位置。 在使用索引时,如果你使用的是动态数据集,数据可能会很快变旧。 为了避免此问题,你可以创建一个 Python 脚本来更新索引,并使用 Google Cloud Platform (GCP) 的 Cloud Functions 和 Cloud Scheduler 进行部署,以便自动保持索引最新。为了使索引保持最新,你可以首先设置一个 Jupyter Notebook 在本地进行测试,并创建一个脚本框架,该脚本框架将
2024-03-19 11:59:04 296
原创 Elasticsearch:ES|QL 入门 - Python Notebook
在本笔记本中,你将学习 Elasticsearch 查询语言 (ES|QL) 的基础知识。你将使用官方 Elasticsearch Python 客户端。⚠️ 不要在生产环境中使用 ES|QL。此功能处于技术预览阶段,可能会在未来版本中更改或删除。Elastic 将努力解决任何问题,但技术预览版中的功能不受官方 GA 功能的支持 SLA 的约束。ES|QL 将在 8.13 正式发布(以官方发布为准)。在一下的展示中,我将使用 Elastic Stack 8.12 来进行展示。
2024-03-18 11:38:44 673
原创 Elasticsearch:块大小如何影响语义检索结果
在自然语言处理和人工智能领域,分块(chunking)是一项至关重要的技术,它将大块文本分解成更小、更易于管理的片段。在使用大型语言模型 (LLM) 和语义检索系统时,此过程尤其重要,因为它直接影响从这些模型获得的结果的相关性和准确性。在这篇博文中,我们将深入探讨分块的概念,探讨其在 LLM 相关应用程序中的重要性,并分享我们自己对不同分块大小的实验的见解。
2024-03-17 13:14:54 628
原创 Elasticsearch:从 Java High Level Rest Client 切换到新的 Java API Client
我经常在中看到与 Java API 客户端使用相关的问题。为此,我在 2019 年启动了一个,以提供一些实际有效的代码示例并回答社区提出的问题。从那时起,高级 Rest 客户端 (High Level Rest Cliet - HLRC) 已被弃用,并且已发布。为了继续回答问题,我最近需要将存储库升级到这个新客户端。尽管它在幕后使用相同的,并且已经提供了,但升级它并不是一件小事。我发现分享为此必须执行的所有步骤很有趣。这篇博文将详细介绍你在这些拉取请求中可以看到的一些主要步骤。
2024-03-15 10:24:12 1287
原创 Elasticsearch:调整近似 kNN 搜索
在我之前的文章 “Elasticsearch:调整搜索速度”,我详细地描述了如何调整正常的 BM25 的搜索速度。在今天的文章里,我们来进一步探讨如何提高近似 kNN 的搜索速度。希望对广大的向量搜索开发者有一些启示。Elasticsearch 支持近似 k 最近邻搜索,以有效查找与查询向量最接近的 k 个向量。 由于近似 kNN 搜索的工作方式与其他查询不同,因此对其性能有特殊的考虑。其中许多建议有助于提高搜索速度。 使用近似 kNN,索引算法在底层运行搜索以创建向量索引结构。 因此,这些相同的建
2024-03-14 13:31:18 940
原创 OpenTelemetry 和 Elastic:共同努力为社区建立持续的性能分析
性能分析(profiling)正在成为可观察性的核心支柱,被恰当地称为第四支柱,OpenTelemetry (OTel) 项目引领了这一重要的发展。这篇博文深入探讨了 OTel 中性能分析方面的最新进展以及 Elastic® 如何积极为此做出贡献。在 Elastic,我们是 OpenTelemetry 项目的坚定支持者和贡献者。该项目的灵活性、性能和供应商不可知论的优势已经显现出来;我们看到客户兴趣高涨。为此,在捐赠我们的和基于之后,我们最近宣布打算捐赠我们的。
2024-03-14 10:24:21 718
原创 Observability:使用 Elastic AI Assistant 和 APM 分析 OpenTelemetry 应用程序
OpenTelemetry 正在迅速成为云原生计算基金会 (CNCF) 内最广泛的项目,拥有与 Kubernetes 一样多的提交,并获得了客户的广泛支持。许多公司正在采用 OpenTelemetry 并将其集成到他们的应用程序中。Elastic® 提供了有关为应用程序实施 OpenTelemetry 的详细。然而,与许多应用程序一样,查明和解决问题可能非常耗时。不仅在识别问题方面,而且在解决问题方面都显着增强了流程。
2024-03-14 09:31:09 851
原创 Elasticsearch:调整搜索速度
在我之前的文章 “Elasticsearch:如何提高查询性能” 及 “Elasticsearch:提升 Elasticsearch 性能” 里,我详细描述了如何提高搜索的性能。在今天的文章里,我从另外一个视角来描述如何调整搜索的速度。希望对大家有所帮助。
2024-03-13 14:31:10 1401
原创 Observability:可观测性的新兴趋势:GAI、AIOps、工具整合和 OpenTelemetry
查看我们 2024 年对 500 多名可观察性决策者进行的调查结果,了解行业的发展方向。随着技术的快速发展,可观察性也在快速发展。可观察性对于推动积极的业务成果变得至关重要,我们希望了解用户如何评估未来几年的趋势及其影响。虽然每个组织都围绕自己独特的需求来实现可观察性,但更广泛的行业通常会经历特定的趋势和转变。Elastic® 最近围绕现代可观测性的关键主题对 500 多名可观测性决策者进行了调查。
2024-03-12 11:16:47 722
原创 Elasticsearch:在本地使用 Gemma LLM 对私人数据进行问答
在本笔记本中,我们的目标是利用模型开发 RAG 系统。我们将使用 Elastic 的 ELSER 模型生成向量并将其存储在 Elasticsearch 中。此外,我们将探索语义检索技术,并将最热门的搜索结果作为 Gemma 模型的上下文窗口呈现。此外,我们将利用转换器库在本地环境中加载 Gemma。
2024-03-12 10:19:54 1131
原创 Elasticsearch:使用标记修剪提高文本扩展性能
本博客讨论了 ELSER 性能的令人兴奋的新增强功能,该增强功能即将在 Elasticsearch 的下一版本中推出!我们过去还讨论过通过使用 ELSER v2 优化检索来降低检索成本。 虽然 Elasticsearch 限制为每个推理字段 512 个标记,但 ELSER 仍然可以为多术语查询生成大量唯一标记。 这会导致非常大的析取查询(disjunction query),并且将返回比单个关键字搜索更多的文档 - 事实上,具有大量结果查询的查询可能会匹配索引中的大多数或全部文档!
2024-03-11 10:38:24 937
原创 Elasticsearch:什么是 DevOps?
DevOps 提倡这样一种理念:这些传统上独立的团队在协作方面比在孤岛中更有效。理想情况下,DevOps 团队共同努力改进和自动化整个软件开发生命周期,从规划和编码到生产中的测试、部署和监控。它通过在软件工程师、IT 和与项目相关的任何其他部门(例如 QA 或安全团队)之间创建持续的反馈循环来实现这一点。
2024-03-08 14:42:58 1452 1
原创 Elasticsearch:机器学习与人工智能 - 理解差异
你可能会觉得机器学习只是一个最近出现的概念,但这个术语实际上是由计算机科学家 Arthur Samuel 在 70 多年前创造的。他将其定义为 “赋予计算机无需明确编程即可学习能力的研究领域”,这仍然是一个非常恰当和准确的定义。用更现代的术语来说,机器学习是人工智能的一个子集,它使用先进的算法来处理大量数据以模仿人类的学习方式。这本质上意味着它处理的信息越多,它就越准确,解决问题的能力就越好。它通过分析数据来识别关系和模式来实现这一点。
2024-03-08 12:16:14 1198
原创 Elasticsearch:dense vector 数据类型及标量量化
密集向量(dense_vector)字段类型存储数值的密集向量。密集向量场主要用于。dense_vector 类型不支持聚合或排序。:与大多数其他数据类型不同,密集向量始终是单值。不可能在一个密集向量字段中存储多个值。
2024-03-07 19:06:00 1068
原创 使用 Logstash 丰富你的 Elasticsearch 文档
我们在中看到,我们可以使用摄取管道中的在 Elasticsearch® 中进行数据丰富。但有时,你需要执行更复杂的任务,或者你的数据源不是 Elasticsearch,而是另一个源。或者,你可能希望存储在 Elasticsearch 和第三方系统中,在这种情况下,将管道的执行转移到 Logstash® 很有意义。
2024-03-07 15:24:04 1808 4
原创 如何制作聊天机器人:人工智能驱动的世界中开发人员的注意事项
世界每天都越来越受到人工智能的推动。事实上,你很难找到尚未宣布将人工智能以某种方式集成到其技术堆栈中的科技公司。愤世嫉俗者可能会说这是一个过渡阶段,但人工智能如此受欢迎的原因是它是一组多功能的功能,可以帮助解决很多问题。利用人工智能最直接的方式是聊天机器人的形式:模仿人类交互的对话界面,根据用户输入生成上下文响应。有时这些是基于文本的,例如你经常在网站或应用程序上看到的客户服务机器人。有时它们是支持语音的,例如 Siri、Google Assistant 和 Alexa。
2024-03-07 13:37:58 752
原创 Elasticsearch:从 ES|QL 到 Python 数据帧
在我之前的文章 “Elasticsearch:ES|QL 查询展示”,我展示了如何在 Kibana 中使用 ES|QL 对索引来进行查询及统计。在很多的情况下,我们需要在客户端中来对数据进行查询,那么我们该怎么办呢?我们需要使用到 Elasticsearch 的客户端。在今天的文章中,我们来展示如何使用 Python 来对数据进行查询。
2024-03-06 12:59:49 934
原创 LangChain 教程:构建 LLM 支持的应用程序的指南
GPT-4 和 LLaMA 等大型语言模型 (LLM) 在过去几年中创造了一个充满可能性的世界。 它预示着人工智能工具和应用程序的繁荣,ChatGPT 似乎一夜之间成为家喻户晓的名字。 但如果没有为促进新一代应用程序而创建的强大工具和框架,这种繁荣就不可能实现。LangChain 就是这些框架之一,它可以轻松地使用现有的 LLMs 构建新应用程序。 它由机器学习专家 Harrison Chase 开发,并于 2022 年作为开源项目推出。 该框架在弥合现有语言模型和构建新的多样化应用程序之间的技术差距方
2024-03-05 19:34:57 2649 1
原创 Elasticsearch:使用 Streamlit、语义搜索和命名实体提取开发 Elastic Search 应用程序
一切都是一个搜索问题。我在 Elastic 工作的第一周就听到有人说过这句话,从那时起,这句话就永久地印在了我的脑海中。这篇博客的目的并不是我出色的同事对我所做的相关陈述进行分析,但我首先想花点时间剖析一下这个陈述。自成立以来,Elasticsearch 一直处于技术前沿 - 打破软件领域的模式,为世界各地家喻户晓的公司的技术支柱提供动力。我们倾向于将 Elastic 的产品分为几个 “OTB” 解决方案 - 安全性、可观察性等,但剥离这些,我们正在解决的问题基本上是面向搜索的。
2024-03-05 09:14:51 2606
原创 Elasticsearch:向量相似度计算 - 可笑的速度
OpenJDK 的巴拿马项目有几个不同的分支,我们已经看到了巴拿马向量 API 的实际应用,但该项目的旗舰是(FFM)。FFM API 为与 Java 运行时之外的代码和内存交互提供了较低的开销。JVM 是一项令人惊叹的工程,它抽象了架构和平台之间的许多差异,但有时它并不总是能够做出最佳权衡,这是可以理解的。当 JVM 无法轻易做到这一点时,FFM 可以拯救我们,如果程序员不喜欢所做的权衡,那么她可以将事情掌握在自己手中。这就是这样一个领域,巴拿马向量 API 的权衡对于 byte 大小的向量来说并不合适。
2024-03-04 13:01:48 1410 2
原创 Elasticsearch:如何创建搜索引擎
将搜索引擎视为图书管理员,帮助你找到所需的信息。你告诉他们你要解决的问题或你要回答的问题,图书管理员可以向你推荐最有可能对你有帮助的书籍和资源。他们可能并不总是能做对,但这比盲目地翻阅书籍以期获得幸运要有效得多。网络服务器数据摄取索引和结果页面。在构建搜索引擎之前,了解它们各自的作用非常重要。构建搜索引擎的第一步是确定搜索引擎要解决的问题。这个决定将影响你要构建的所有其他内容,从数据源到索引,再到显示结果的方式。他们为什么要寻找这些信息/内容?你需要了解哪些信息才能确定某件事是否相关?
2024-03-03 14:18:01 1338
原创 使用 ES|QL 优化可观察性:简化 Kubernetes 和 OTel 的 SRE 操作和问题解决
作为一名运营工程师(SRE、IT 运营、DevOps),管理技术和数据蔓延是一项持续的挑战。简单地管理大量高维和高基数数据是令人难以承受的。作为单一平台,Elastic® 帮助 SRE 将无限的遥测数据(包括指标、日志、跟踪和分析)统一并关联到单一数据存储 — Elasticsearch® 中。然后,通过应用 Elastic 的高级机器学习 (ML)、AIOps、AI Assistant 和分析的强大功能,你可以打破孤岛并将数据转化为见解。
2024-02-24 17:28:39 1456
原创 Elasticsearch:基于 Langchain 的 Elasticsearch Agent 对文档的搜索
在今天的文章中,我们将重点介绍如何使用 LangChain 提供的基础设施在 Python 中构建 Elasticsearch agent。该 agent 应允许用户以自然语言询问有关 Elasticsearch 集群中数据的问题。Elasticsearch 是一个强大的搜索引擎,支持词法和向量搜索。ElasticSearch 可以在 RAG(检索增强生成)的上下文中使用,但这不是我们在本故事中的主题。因此,我们不会使用 Elasticsearch 检索文档来创建注入提示中的上下文。
2024-02-23 19:29:04 1867
原创 Elastic Search:构建语义搜索体验
当你逐步熟悉 Elastic 时,你将使用 Elasticsearch Relevance Engine™ (),该引擎旨在为 AI 搜索应用程序提供支持。借助 ESRE,你可以利用一套开发人员工具,包括 Elastic 的文本搜索、向量数据库和我们用于语义搜索的专有转换器模型。Elastic 提供了多种搜索技术,从文本搜索的行业标准 BM25 开始。它为特定搜索提供精确匹配,匹配精确的关键字,并通过调整进行改进。当你开始。
2024-02-22 19:28:33 1104
原创 2024 年影响开发者的 5 个人工智能搜索趋势
在飞速发展的 2023 年之后,人工智能和搜索的未来会怎样?在过去的一年里,对话式生成人工智能跃入公众意识,各组织争先恐后地制定利用这一趋势的战略。人工智能增强的相关性正在重塑用户体验搜索的方式,并提高他们对交互质量的期望。在最近与和的产品和工程领导者进行的讨论中,我们评估了当前的搜索状况并权衡了这些人工智能推动的趋势。
2024-02-22 13:44:51 1140
原创 Elasticsearch:了解人工智能搜索算法
人工智能工具无处不在,其原因并不神秘。他们可以执行各种各样的任务并找到许多日常问题的解决方案。但这些应用程序的好坏取决于它们的人工智能搜索算法。简单来说,人工智能搜索算法是人工智能工具用来找到特定问题的最佳解决方案的决策公式。搜索算法可能会在速度、相关性或其他加权因素之间进行权衡。它考虑了查询的约束和目标,并返回了它计算出的最佳解决方案。读完本文后,你将清楚地了解它们是什么以及如何在 AI 工具中使用它们。
2024-02-22 10:00:42 1371
原创 Elasticsearch:什么是结构化数据?
由于结构化数据是高度组织化的,因此很容易被机器学习算法和人类处理。结构化数据存储在数据库和数据仓库中。结构化数据的示例包括指标、日期、姓名、邮政编码和信用卡号。此类数据非常适合电子表格或 SQL、MySQL 和 PostgreSQL 等关系数据库,为企业提供易于访问和解释的信息。公司可以使用结构化数据通过姓名、购买历史记录和地理位置等数据点来解释客户的行为。这使得客户关系管理 (CRM) 成为可能,企业可以使用可以分析客户行为的关系数据库来管理客户关系。
2024-02-21 21:42:34 784
原创 Elasticsearch:使用 ELSER v2 进行语义搜索
Elastic Learned Sparse EncodeR(或 ELSER)是由 Elastic 训练的 NLP 模型,使你能够使用稀疏向量表示来执行语义搜索。语义搜索不是根据搜索词进行字面匹配,而是根据搜索查询的意图和上下文含义来检索结果。本教程中的说明向你展示如何使用 ELSER 对数据执行语义搜索。注意:在使用 ELSER 进行语义搜索期间,仅考虑每个字段提取的前 512 个标记。请参阅此页面了解更多信息。
2024-02-21 16:03:47 1531
原创 Observability:使用 OpenTelemetry 和 Elastic 监控 OpenAI API 和 GPT 模型
ChatGPT 现在非常火爆,甚至席卷了整个互联网。作为 ChatGPT 的狂热用户和 ChatGPT 应用程序的开发人员,我对这项技术的可能性感到非常兴奋。我看到的情况是,基于 ChatGPT 的解决方案将会呈指数级增长,人们将需要监控这些解决方案。由于这是一项相当新技术,我们不想让专有技术给我们闪亮的新代码带来负担,不是吗?不,我们不会,这就是为什么我们将在本博客中使用 OpenTelemetry 来监控我们的 ChatGPT 代码。
2024-02-21 10:11:40 1395
原创 Elasticsearch:创建自定义 ES Rally tracks 的分步指南
ES Rally 是一个用于在 Elasticsearch® 上测试性能的工具,允许你运行和记录比较测试。做出决策可能很困难,尤其是当你没有所需的信息并且只能根据过去积极或消极的变化进行猜测或经验时。如果我们补充一点,数据世界必须是灵活的,因为它发展迅速,因此我们的 Elasticsearch 必须适应它,这个工具将帮助我们能够衡量我们随着时间的推移所做的所有变化和演变,并评估它们的影响 。 最重要的是,我们可以获得做出正确决策所需的信息。
2024-02-20 20:02:28 1799 1
原创 安装 Rally:运行你的第一个 Elasticsearch 性能基准测试和离线部署
首先,有许多现成的轨道 (tracks) 可用,但并非所有轨道都适合你的用例。你要运行的第一个命令是 esrally list track。这将显示所有可用的 tracks。该列表包含 track 名称、压缩和未压缩的大小以及 challenges。大小至关重要,因为这是你将下载的内容,并且本地磁盘上需要未压缩的文件。我们没有修改 Rally 放置 track 数据的配置。运行 esrally list track 命令后,你会在 ls ~/.rally 中看到一个名为 benchmarks 的文件夹。
2024-02-20 13:37:18 1065
原创 Elasticsearch:什么是搜索引擎?
搜索引擎对于希望快速有效地查找特定信息的用户来说是有用的工具。它们的范围、功能和索引的内容类型各不相同。这种多功能性可以满足不同环境下的特定用户需求。搜索引擎可以是巨大的互联网搜索引擎,旨在对网络上的所有内容进行编目,也可以是旨在在组织内部使用以使内部信息发现更容易的企业搜索引擎。它们甚至包括为本地网络上的文件建立索引的桌面搜索引擎。
2024-02-19 11:58:43 2535
原创 Elasticsearch:什么是 kNN?
这种基于实例的学习为 kNN 提供了 “惰性学习(lazy learning)” 名称,并使算法能够执行分类或回归问题。kNN 的假设是相似的点可以在彼此附近找到 —— 物以类聚。作为一种分类算法,kNN 将新数据点分配给其邻居中的多数集。作为一种回归算法,kNN 根据最接近查询点的值的平均值进行预测。kNN 是一种,其中 “k” 代表分类或回归问题中考虑的最近邻的数量,“NN”代表为 k 选择的数量的最近邻。
2024-02-19 11:31:40 1461 1
原创 Elasticsearch:将 IT 智能和业务 KPI 与 AI 连接起来 - 房间里的大象
对于 CIO 和 IT 高管来说,理解和实施业务可观察性不再是一种奢侈,而是复杂且不断变化的业务环境中的必需品,类似于大象和蒙眼个体的古老寓言。这个比喻是一个强有力的比喻,可以帮助我们理解不同的观点如何导致对复杂情况的不同和不完整的解释。对于 CIO 和 IT 主管来说,这种叙述强调了决策中全面和综合视角的重要性,特别是在技术和业务运营的多方面且往往是孤立的世界中。这种划分虽然对于专门任务很有用,但往往会导致对组织的挑战和机遇的支离破碎的看法,就像蒙上眼睛的个人对大象的支离破碎的理解一样。
2024-02-19 09:42:40 1355
04-阿里云 Elasticsearch Serverless 低成本弹性能力解读 杭州 1.6 2024
2024-01-08
02-Elasticsearch 8.x 向量搜索使用详解 杭州 1.6 2024
2024-01-08
03-Elasticsearch大宽表应用案例实践探索 杭州 1.6 2024
2024-01-08
01 - Elasticsearch 简单而高效的管道查询语言- ES QL 杭州 1.6 2024
2024-01-08
02-微盟技术沙龙-ES在商品中台的落地 12.21 2023 online
2023-12-22
01-微盟 Elasticsearch 运维实践
2023-12-22
03-Vega 或 Vega-Lite二次开发 Kibana 接口可视化 12.02 2023 Beijing
2023-12-03
01-Elasticsearch Relevance Engine - meetup 11.16 2023
2023-11-17
02-基于Apache SeaTunnel的MySQL到Elasticsearch实时同步解决方案-线上 meetup11.16
2023-11-17
04-腾讯云 Elasticsearch 助力企点业务腾飞 meetup 上海 10.21 2023
2023-10-23
03-腾讯云ES在搜索场景的建设及优化经验分享 meetup 上海 10.21 2023
2023-10-23
02-腾讯云 Elasticsearch 新篇章 meetup 上海 10.21 2023
2023-10-23
01-Elasticsearch Relevance Engine meetup 上海 10.21 2023
2023-10-23
04-腾讯云大数据 Elasticsearch 开启 Serverless 新范式 meetup 成都 8.19 2023
2023-08-19
02-Elasticsearch AI 大模型搜索引擎介绍与演示 meetup 成都 8.19 2023
2023-08-19
01-Vector search 及 Elastic NLP meetup 成都 8.19 2023
2023-08-19
持续进化,腾讯云大数据Elasticsearch 服务 开启 Serverless 新范式
2023-08-09
Elasticsearch 和 ChatGPT 的力量:利用生成式 AI 彻底改变搜索应用程序
2023-07-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人