Elasticsearch：高级调优 - 查找和修复慢速 Elasticsearch 查询

于 2021-11-30 15:03:22 发布
阅读量2.8k 收藏 13
点赞数
分类专栏： Elastic Elasticsearch 文章标签： elasticsearch kibana 大数据
原文链接：https://www.elastic.co/blog/advanced-tuning-finding-and-fixing-slow-elasticsearch-queries
版权
Elastic 同时被 2 个专栏收录
1496 篇文章 904 订阅
订阅专栏
Elasticsearch
1023 篇文章 596 订阅
订阅专栏

Elasticsearch 是一个非常灵活且功能丰富的应用程序，它提供了许多不同的方式来查询你的数据。 但是你是否曾经遇到过低于你希望的查询速度？ 对于像 Elasticsearch 这样的分布式系统，可能有各种影响查询性能的因素，包括外部因素，例如负载均衡器设置、网络延迟（带宽、NIC 卡/驱动程序）等。

在本博客中，我将讨论导致查询缓慢的原因以及如何在 Elasticsearch 的上下文中识别它们。 本文源于我们一些常见的故障排除方法，这些方法可能需要人们对 Elasticsearch 的工作原理相当熟悉。

Elasticsearch 查询缓慢的常见原因

在我们研究一些更棘手的情况之前，让我们先从一些导致查询缓慢的最常见原因及其解决方案开始。

症状：不活动时资源利用率高

每个分片都会消耗资源（CPU/内存）。即使索引/搜索请求为零，分片的存在也会消耗集群开销。

问题

集群有太多的分片，以至于任何查询执行起来似乎都很慢。一个好的经验法则是确保将每个节点的非冻结（non-frozen）分片数量保持在每 GB 堆（heap）配置 20 以下。

解决方案

减少分片数量、冻结索引和/或添加额外的节点来应对负载。考虑热/温架构（非常适用于基于时间的索引）以及 Elasticsearch 中的翻转（rollover）/收缩（shrink）功能，以有效管理分片数量。任何部署的良好开端都是执行适当的容量规划，以帮助确定每个搜索用例的最佳分片数量。

症状：高线程池 rejected 计数

搜索线程池显示 “rejected” 计数持续增加，这是基于最后一次集群重启的累积数。

GET /_cat/thread_pool/search?v&h=node_name,name,active,rejected,completed

响应如下所示：

node_name             name   active rejected completed
instance-0000000001   search      0       10         0
instance-0000000002   search      0       20         0
instance-0000000003   search      0       30         0

问题

查询针对的分片过多，超过了集群中的 core 的数量。 这会在搜索线程池中创建排队任务，从而导致搜索拒绝。 另一个常见原因是磁盘 I/O 缓慢导致搜索排队或在某些情况下 CPU 完全饱和。

解决方案

创建索引时采用 1 Primary : 1 Replica 模型。 索引模板是在索引时推出此设置的好方法。 （在 Elasticsearch 7.0 或更高版本中将默认为 1P:1R）。 Elasticsearch 5.1 或更高版本支持搜索任务取消，这在任务管理 API 中出现慢查询时很有用。 要改进磁盘 I/O，请查看我们的存储建议并确保使用推荐的硬件以获得最佳性能。

症状：高 CPU 和索引延迟


当集群不堪重负时，指标相关性显示高 CPU 利用率和摄入数据延迟。

问题

集群在繁重地摄入数据，这会影响搜索性能。

解决方案

将 index.refresh_interval（文档被编入索引和它变为可见之间的时间量）增加到 30s 之类的值通常有助于提高索引性能。 实际的数值可能会有所不同，因此测试是关键。 这样确保每个分片不必过于频繁在每一秒创建一个新的 Segment（默认情况）。

对于大量索引用例，请查看我们的索引优化建议以优化索引和搜索性能。

症状：更多副本分片导致延迟增加

在增加副本分片数量（例如，从 1 到 2）后，可以观察到查询延迟。如果存在更多数据，则缓存的数据将更快地被逐出，从而导致操作系统 page faults 的增加。

问题

文件系统缓存没有足够的内存来缓存经常查询的索引部分。 Elasticsearch 的查询缓存实现了 LRU 驱逐策略：当缓存变满时，驱逐最近最少使用的数据，为新数据让路。

解决方案

为文件系统缓存留出至少 50% 的物理 RAM。内存越多，可以缓存的越多，尤其是在集群遇到 I/O 问题时。假设堆大小已正确配置，任何剩余的可用于文件系统缓存的物理 RAM 对加快搜索性能大有帮助。

例如，一台 128GB RAM 的服务器有 30GB 留作堆，剩余内存留作文件系统缓存（有时称为 OS 缓存），这是操作系统缓存最近访问的 4KB 数据块的一种方式，以便如果你读取相同的文件一次又一次，大多数时候你不需要去磁盘，读取请求将直接从内存中提供。

除了文件系统缓存，Elasticsearch 使用查询缓存和请求缓存来加速搜索。所有这些缓存都可以使用 search-request-preference 进行优化，每次将某些搜索请求路由到同一组分片，而不是在不同的可用副本之间交替。这将更好地利用请求缓存、节点查询缓存和文件系统缓存。

症状：共享资源时使用率高

操作系统始终显示高 CPU/磁盘 I/O 使用率。 停止第三方应用程序后可以看到性能提升。

问题

其他进程（例如 Logstash）和 Elasticsearch 本身之间存在资源（CPU 和/或磁盘 I/O）争用。

解决方案

避免在共享硬件上将 Elasticsearch 与其他资源密集型应用程序一起运行。

症状：高堆使用率聚合了高度独特的字段

查询包含高度唯一值（例如 ID、用户名、电子邮件地址等）的聚合字段时性能不佳。 在 heap dump analysis 期间，你应该会看到带有 “search”、“buckets”、“aggregation” 等术语的 Java 对象，它们占用了大量的堆。

问题

聚合在高基数字段上运行，需要大量资源来获取许多存储桶。 还可以存在涉及嵌套（nested）字段和/或连接（join）字段的嵌套聚合。

解决方案

要提高高基数术语聚合的性能，请阅读我的咨询团队同事撰写的这篇博文：https://www.elastic.co/blog/improving-the-performance-of-high-cardinality-terms -aggregations-in-elasticsearch

如需进一步调整，请查看我们关于嵌套字段和连接字段的建议，以更好地提高聚合性能。

偶尔的慢查询

一般来说，偶尔或间歇性的慢查询可以从索引调优/搜索调优建议的中受益。 偶尔的慢查询应该与这些监控指标中的一个或多个密切相关：

  • CPU负载
  • 索引吞吐量
  • 搜索吞吐量
  • 垃圾收集 (GC) 活动
  • 搜索线程池队列大小

Elasticsearch 有另一个有用的功能，称为自适应副本选择 (ARS)，它允许 coordinating node了解数据节点上的负载，并允许它选择最佳分片副本来执行搜索，从而提高搜索吞吐量和延迟。 通过在查询期间更均匀地分布负载，ARS 可以为偶尔的减速提供很大帮助。 在 Elasticsearch 7.0 及更高版本中，ARS 将默认开启。

持续的慢查询

对于持续的慢查询，我们可以尝试将查询中的特征一一去除，并检查查询是否仍然很慢。查找重现性能问题的最简单查询有助于隔离和识别问题：

  • 不高亮（highligting）还是慢吗？
  • 没有聚合它仍然很慢吗？
  • 如果 size 设置为 0，它仍然很慢吗？ （当 size 设置为0时，Elasticsearch 会缓存搜索请求的结果，使搜索速度更快）

它可以从一些 “搜索优化” 建议中受益吗？

在故障排除期间，通常有助于：

  • 在 profile 打开的情况下获取查询响应。
  • 使用在 while(true) 循环中运行的查询收集节点热线程输出。这将有助于了解 CPU 时间花在哪里。
  • 使用这个 user-friendlier version 的配置文件 API 来配置查询。

如果查询来自 Kibana 可视化，请使用 visualziation spy panel（Kibana 6.3 及更早版本）或 dashboard inspect panel（Kibana 6.4 及更高版本）查看并导出实际查询请求并将其导入配置文件 API 以进行进一步分析.

捕获缓慢或昂贵的查询

有时，在分布式应用程序（如 Elasticsearch）中并发处理不同请求/线程时，可能很难捕获缓慢或昂贵的查询。当无法控制运行昂贵查询的用户会降低集群性能（例如，长垃圾收集 (GC) 周期）或更糟糕的内存不足 (OOM) 情况时，事情会变得更加复杂。

在 Elasticsearch 7.0 版中，我们引入了一种新的断路（circuit-breaking）策略，可以在内存预留时测量实际堆内存使用情况。这种新策略提高了节点对导致集群过载的昂贵查询的可靠性，默认情况下是打开的，并且可以通过新的集群设置 index.breaker.total.use_real_memory 进行控制。

然而，我们应该注意到，这些都是最好的努力；对于这些未涵盖的场景，在 OOM 崩溃后收集堆转储或从正在运行的 JVM 收集堆转储以更好地了解根本原因会很有用。

Elasticsearch 有另一个保护设置（最大存储桶软限制）来保护集群免受 OOM 的影响。当超过存储桶的数量（7.0 版中默认为 10,000）时（例如，运行多层聚合时），此最大存储桶聚合设置将停止执行并失败搜索请求。

为了进一步识别潜在的昂贵查询，我们可以设置断路器设置（indices.breaker.request.limit），从低阈值开始以隔离查询，并逐渐提高阈值以缩小到特定的查询。

慢日志

还可以通过在 Elasticsearch 中打开慢日志来识别运行缓慢的查询。 Slowlogs 专门用于分片级别，这意味着仅适用于数据节点。Coordinating-only/cient 节点被排除在外，因为它们不保存数据（索引/分片）。

慢日志有助于回答以下问题：

  • 查询用了多长时间？
  • 查询请求正文的内容是什么？

示例慢日志输出：

[2019-02-11T16:47:39,882][TRACE][index.search.slowlog.query] [2g1yKIZ] [logstash-20190211][4] took[10.4s], took_millis[10459], total_hits[16160], types[], stats[], search_type[QUERY_THEN_FETCH], total_shards[10], source[{"size":0,"query":{"bool":{"must":[{"range":{"timestamp":{"from":1549266459837,"to":1549871259837,"include_lower":true, "include_upper":true,"format":"epoch_millis","boost":1.0}}}],"adjust_pure_negative":true,"boost":1.0}},"_source":{"includes":[],"excludes":[]},"stored_fields":"*","docvalue_fields": [{"field":"timestamp","format":"date_time"},{"field":"utc_time","format":"date_time"}],"script_fields":{"hour_of_day":{"script":{"source":"doc['timestamp'].value.getHourOfDay()", "lang":"painless"},"ignore_failure":false}},"aggregations":{"maxAgg":{"max":{"field":"bytes"}},"minAgg":{"min":{"field":"bytes"}}}}], id[]],

慢日志消息分解：

 

审计日志

拥有包括 Elastic 安全功能的 Gold 或 Platinum 订阅的客户可以打开审计日志以捕获有关查询的更多详细信息。 （用户可以开始为期 30 天的试用来测试 Elastic 安全功能。）审计日志有助于回答以下问题：

  • 查询何时发生？
  • 谁执行了查询？
  • 查询的内容是什么？

我们需要调整审计设置，因为默认设置相当健谈：

1）启用安全审计日志：在你的 elasticsearch.yml 中设置 xpack.security.audit.enabled: true。
2）在安全审计输出中启用日志或索引：在你的 elasticsearch.yml 中设置 xpack.security.audit.outputs:[logfile, index]。

注意：

  • xpack.security.audit.outputs 设置仅适用于版本 6.0-6.2 和 5.x。当 xpack.security.audit.enabled 设置为 true 时，7.0 版不再接受此设置并默认为 json 输出 (<clustername>_audit.json)。
  • 出于故障排除的目的，我们建议选择 logfile 而不是 index，因为审记日志的冗长可能会给集群性能带来不必要的压力，其中安全索引增长超出其预期大小。
  • 审记模式可能非常冗长，因此一旦完成故障排除，请考虑将其关闭。

3）在你的事件列表中包含 authentication_success 访问：在你的 elasticsearch.yml 中设置 xpack.security.audit.logfile.events.include: authentication_success。

注意：

  • 此设置不包含在默认事件中。设置此项将覆盖默认设置。
  • 如果你需要再添加一个事件（不是替换），请先写入现有的默认事件列表，然后在最后一个条目后添加上述设置。
  • 在审计事件中输出请求正文：在你的 elasticsearch.yml 中设置 xpack.security.audit.logfile.events.emit_request_body: true。

通过这些设置，您可以像这样监控用户查询。

  • 用户：louisong
  • 查询时间：2019-05-01T19:26:53,554 (UTC)
  • 查询端点：_msearch（通常表示它是从 Kibana Visualization/Dashboard 发出的查询）
  • 查询正文：从 “request.body” 开始：在以下日志中：

{"@timestamp":"2019-05-01T19:26:53,554", "node.id":"Z1z_64sIRcy4dW2eqyqzMw", "event.type":"rest", "event.action":"authentication_success", "user.name":"louisong", "origin.type":"rest", "origin.address":"127.0.0.1:51426", "realm":"default_native", "url.path":"/_msearch", "url.query":"rest_total_hits_as_int=true&ignore_throttled=true", "request.method":"POST", "request.body":"{\"index\":\"*\",\"ignore_unavailable\":true,\"preference\":1556709820160}\n{\"aggs\":{\"2\":{\"terms\":{\"field\":\"actions\",\"size\":5,\"order\":{\"_count\":\"desc\"},\"missing\":\"__missing__\"}}},\"size\":0,\"_source\":{\"excludes\":[]},\"stored_fields\":[\"*\"],\"script_fields\":{},\"docvalue_fields\":[{\"field\":\"access_token.user_token.expiration_time\",\"format\":\"date_time\"},{\"field\":\"canvas-workpad.@created\",\"format\":\"date_time\"},{\"field\":\"canvas-workpad.@timestamp\",\"format\":\"date_time\"},{\"field\":\"creation_time\",\"format\":\"date_time\"},{\"field\":\"expiration_time\",\"format\":\"date_time\"},{\"field\":\"maps-telemetry.timeCaptured\",\"format\":\"date_time\"},{\"field\":\"task.runAt\",\"format\":\"date_time\"},{\"field\":\"task.scheduledAt\",\"format\":\"date_time\"},{\"field\":\"updated_at\",\"format\":\"date_time\"},{\"field\":\"url.accessDate\",\"format\":\"date_time\"},{\"field\":\"url.createDate\",\"format\":\"date_time\"}],\"query\":{\"bool\":{\"must\":[{\"range\":{\"canvas-workpad.@timestamp\":{\"format\":\"strict_date_optional_time\",\"gte\":\"2019-05-01T11:11:53.498Z\",\"lte\":\"2019-05-01T11:26:53.498Z\"}}}],\"filter\":[{\"match_all\":{}},{\"match_all\":{}}],\"should\":[],\"must_not\":[]}},\"timeout\":\"30000ms\"}\n", "request.id":"qrktsPxyST2nVh29GG7tog"}

结论

在本文中，我们讨论了查询缓慢的常见原因以及解决这些问题的解决方案。 我们还讨论了识别持续的和偶尔的慢查询的不同方法。 通常将慢查询视为需要解决的更广泛集群性能问题的征兆。

在 Elasticsearch，我们一直在寻求缩短查询时间，并努力通过我们未来的版本发布带来更快的查询性能。 我希望你在处理慢查询时发现这篇文章很有用。 请随时在我们的 Elasticsearch 讨论论坛中发布问题以进行进一步讨论。 搜索愉快！

博客
Elasticsearch 开放推理 API 新增阿里云 AI 搜索支持
09-19 1430
我们很高兴地宣布，Elasticsearch 开放推理 API 新增了阿里云 AI 搜索的集成功能。此项工作使 Elastic 用户能够直接连接到阿里云 AI 平台。使用 Elasticsearch 向量数据库构建 RAG 应用程序的开发人员可以使用 semantic_text 存储和使用托管在阿里云 AI 搜索平台上的模型生成的密集和稀疏嵌入。此外，Elastic 用户现在可以集成访问重新排名模型，以增强语义重新排名和LLM 系列。
博客
Elastic 线下 Meetup 将于 2024 年 9 月 21 号在成都举办
08-29 1641
2024 Elastic Meetup 成都站活动，由 Elastic、腾讯、新智锦绣联合举办，现诚邀广大技术爱好者及开发者参加。
博客
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
10-28 2万+
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..
博客
Elastic：开发者上手指南
02-25 15万+
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..........................................................
博客
Elastic：培训视频 - ​在生产环境中配置 Fleet Server 和 Elastic Agent 之间的安全
01-06 1万+
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...............
博客
Elasticsearch 简介
08-08 17万+
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...
博客
Observability：构建下一代托管接入服务
09-21 998
随着无服务器（serverless）的引入，向 Elastic Cloud 发送可观察性数据变得越来越容易。你可以在中创建一个可观察性无服务器项目，并将可观察性信号直接发送到 Elasticsearch 或通过我们一直称之为托管接收服务（类似于 Elastic APM 服务器的完全托管解决方案）发送。你不再需要担心 APM 服务器的大小和配置。相反，你可以将数据直接发送到托管接收服务，让我们的平台为你完成艰难的扩展工作。
博客
LangChain 和 Elasticsearch 加速构建 AI 检索代理
09-20 1196
​Elastic 和 LangChain 很高兴地宣布发布新的 LangGraph 检索代理模板，旨在简化需要代理使用 Elasticsearch 进行代理检索的生成式人工智能 (GenAI) 代理应用程序的开发。此模板预先配置为使用 Elasticsearch，允许开发人员使用 LangChain 和 Elasticsearch 快速构建代理。要立即开始，请访问 github 上的项目：https://github.com/langchain-ai/retrieval-agent-template
博客
Elasticsearch：检索增强生成背后的重要思想
09-20 1950
星期天晚上 10 点，我九年级的女儿哭着冲进我的房间。她说她对代数一无所知，注定要失败。我进入超级妈妈模式，却发现我一点高中数学知识都不记得了。于是，我做了任何一位超级妈妈在 2024 年都会做的事情，前往 ChatGPT 寻求帮助。这些生成式 AI 聊天机器人太棒了。我很快就得到了关于如何解决她所有问题的详细解释。“但是妈妈，”她抱怨道，“我们不是这样做的！”如果我能让 ChatGPT 的答案与班级的特定做事方式保持一致就好了……
博客
Elasticsearch：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
09-19 1363
Watcher是 Elasticsearch 提供的一项监控和告警服务，允许用户定义、管理警报规则，并持续跟踪网络和数据的变化。基于 Elasticsearch 的分布式架构，Watcher 可以对基础设施、索引数据、集群健康等多种指标进行实时监控和自动化告警。当预设条件被触发时，Watcher 会及时发送通知。这项功能特别适用于日志数据的监控、应用性能追踪，以及其他需要自动化响应的场景，帮助运维人员快速响应潜在问题，提升系统稳定性和可靠性。1）定时监控数据。
博客
Elastic 的 OpenTelemetry PHP 发行版简介
09-18 1382
宣布 OpenTelemetry PHP 的 Elastic 发行版的第一个 alpha 版本。在本篇博文中了解使用 OpenTelemetry 来检测 PHP 应用程序是多么简单。我们很高兴推出 OpenTelemetry PHP 的 Elastic Distribution 的第一个 alpha 版本。在这篇文章中，你将了解如何轻松安装和设置 PHP 应用程序的监控。
博客
Elasticsearch：Open Crawler 现已进入测试阶段
09-18 2032
今天，我们发布了 Open Crawler 0.2 版，该版本也已升级为测试版！Open Crawler 最初于作为技术预览版发布（0.1 版）。从那时起，我们一直在迭代产品并添加了几个新功能。要访问这些更改，你可以使用最新的 Docker 工件，或直接从 GitHub 存储库下载源代码。按照我们文档中的设置说明开始使用。
博客
Observability：日志管理的最佳实践 - 利用日志更快地解决问题
09-17 1122
在当今快速发展的软件开发环境中，高效的日志管理对于维护系统可靠性和性能至关重要。随着基础架构和应用程序组件的不断扩展和复杂化，运营和开发团队的职责也不断增加且越来越复杂。这篇博文概述了有效日志管理的最佳实践，以应对数据量不断增长、基础架构复杂以及快速解决问题的需求等挑战。
博客
Kibana：如何使用魔法公式创建具有影响力的可视化效果？（第 1 部分）
09-16 883
在上一篇博文《作为非设计师设计直观的 Kibana 仪表板》中，我们强调了创建直观仪表板的重要性。它展示了简单的更改（分组主题、更改类型图表等）如何对理解数据产生影响。在提供Kibana 数据分析或课程等课程时，我们强调了这篇博文以及这些更改如何帮助将重要信息带到表面。我喜欢一种互补的方法来实现这一目标：使用两种颜色将最高数据值与常见数据值区分开来。为了说明这个想法，我们将使用示例航班数据数据集。现在，让我们比较两个可视化，按航班总数排名前 10 个目的地国家。哪个可视化的影响更大？
博客
Observability：OpenTelemetry Java Agent Elastic 分布正式发布
09-15 1356
Elastic 宣布 OpenTelemetry (OTel) Java Agent 的 Elastic 发行版正式发布，这是一个与 OTel 完全兼容的代理，具有一组丰富实用的附加功能。随着 Elastic 继续致力于 OpenTelemetry (OTel)，我们很高兴地宣布) 正式上市。
博客
了解 BSI IT Grundschutz：使用 GenAI 搜索你的（私人）PDF 宝藏的秘诀
09-14 1124
有没有想过如何让多年来收集的文档可以通过语义而不是关键字进行搜索？处理充满有价值信息的 PDF 可能具有挑战性，尤其是在分块和创建跨多种语言的可搜索数据时。这篇博文将指导你将文档集合转换为 AI 驱动的语义搜索系统。我们将探索 Elastic 如何为 RAG 提供端到端解决方案：提取 PDF、将其处理成块、向量化内容，并提供一个交互式游乐场来查询和与数据交互。探索如何让你的信息不仅更易于访问，而且真正具有对话性。你将能够测试如何轻松创建相关信息摘要，了解每个给出的答案的相关性分数，并最大限度地了解创建答
博客
用于安全研究的 Elastic Container Project
09-13 1322
​Elastic Stack 是一个模块化数据分析生态系统。虽然这允许工程灵活性，但建立开发实例进行测试可能很麻烦。建立 Elastic Stack 的最简单方法是使用 Elastic Cloud - 这是完全一站式的。但是，在某些情况下，Elastic Cloud 可能不适用于你的测试环境。为了帮助解决这个问题，本博客将为你提供必要的信息，以便快速轻松地建立本地、完全容器化、TLS 安全的 Elastic Stack，并启用 Fleet 和检测引擎。你将能够创建 Fleet 策略，在本地主机或 VM 上
博客
使用 Elastic 和 LM Studio 的 Herding Llama 3.1
09-13 2032
最新的 LM Studio 0.3 更新使 Elastic 的安全 AI Assistant 能够更轻松、更快速地与 LM Studio 托管模型一起运行。在这篇博客中，Elastic 和 LM Studio 团队将向你展示如何在几分钟内开始使用。如果你在同一网络上或在你的机器上本地工作，则不再需要设置代理。
博客
Elastic 线上 Meetup “Elastic 认证及 Watcher 使用分享” 将于 9 月 18 号举办
09-13 698
Elastic 线上 Meetup “Elastic 认证及 Watcher 使用分享” 将于 9 月 18 号举办
博客
Elasticsearch 开放 inference API 为 Hugging Face 添加了原生分块支持
09-13 1365
​借助 Elasticsearch 开放推理 API，你可以使用 Hugging Face 的推理端点（Inference Endpoints）在 Elasticsearch 之外执行推理。这样你就可以使用 Hugging Face 的可扩展基础架构，包括在 GPU 和 AI 加速器上执行推理的能力。使用 Hugging Face 生成的嵌入的能力是作为 Elasticsearch 8.11 中的第一个开放推理 API 集成引入的，从那时起，我们一直在努力工作，并使用更强大的功能对其进行了更新，让您可以事
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值