Elastic 中国社区官方博客

关于 Elastic Stack 及相关的任何技术

  • 博客(45)
  • 资源 (9)
  • 收藏
  • 关注
全部文章> 2025年03月
排序：
按最后发布时间
按访问量
RSS订阅
05月 04月 03月 02月 01月

原创 了解可观察性指标：类型、黄金信号和最佳实践

Elastic 可观察性通过基于搜索的相关性、防止停机、无妥协的数据保留、提高操作效率和降低成本，以及面向未来的投资，帮助加速问题解决。借助一个开放的、优先支持 OTel 的解决方案，你可以在最广泛的数据源中获得快速、上下文相关和统一的洞察，并与不断发展的技术生态系统无缝集成。核心指标使有效的可观察性成为可能，并最终实现数据驱动的决策，从而带来更好的业务成果。可观察性指标提供了对应用程序、系统和基础设施的性能、行为和健康状态的洞察 —— 使可观察性实践成为可能，这就是通过检查数据来了解系统内部状态的方式。

2025-03-31 19:24:49 881

原创 AI 驱动的安全分析的价值是什么？

与 Enterprise Strategy Group 一起量化经济影响安全行业十分复杂，变化速度极快。攻击面、利益相关者需求、对手战术以及你使用的工具都在不断演变，导致许多安全团队不确定自己是否已做好准备。在这场无休止的战斗中，你需要值得信赖的工具，同时还能带来可观的投资回报。这些工具应提供无与伦比的可见性、降低风险，并具备与数据需求匹配的可扩展性，而不会造成高昂成本。

2025-03-31 18:33:25 886

原创 将代理连接到 Elasticsearch 使用模型上下文协议

我们使用 Model Context Protocol 服务器 与 你的 数据 在 Elasticsearch 中聊天。如果与你的数据交互像与同事聊天一样轻松，会怎样？想象一下，你只需简单地问：“显示上个月所有超过 $500 的订单” 或 “哪些产品获得最多的 5 星评价？”就能立即获得准确答案，无需查询。模型上下文协议（Model Context Protocol - MCP）让这一切成为可能。它无缝连接对话式 AI 与你的数据库和外部 API，将复杂请求转换为自然对话。

2025-03-30 09:49:43 1027

原创 如何自动化同义词并使用我们的 Synonyms API 进行上传

了解如何使用 LLM 来自动识别和生成同义词， 使术语可以通过程序方式加载到 Elasticsearch 同义词 API 中。提高搜索结果的质量对于提供高效的用户体验至关重要。优化搜索的一种方法是通过自动扩展查询词。这样可以更广泛地解释查询内容，覆盖语言变体，从而改进结果匹配。本博客探讨了如何利用自动识别和生成同义词，使这些术语可以通过程序方式加载到中。使用相较于是一种更快速且更具成本效益的解决方案。它的实现更简单，因为它不需要深入了解或复杂的向量摄取过程。此外，同义词的。

2025-03-28 09:05:53 10528 1

原创 使用集成过滤插件在 Logstash 中处理来自 Elastic 集成的数据

​通过使用集成过滤插件，将数据处理操作从你的 Elastic 部署卸载到 Logstash。Logstash 的 Elastic 集成过滤插件允许你在 Logstash 内执行摄取管道来处理来自 Elastic 集成的数据，然后再将数据转发到 Elastic。

2025-03-27 20:51:52 898

原创 Elasticsearch：理解政府中的人工智能 - 应用、使用案例和实施

人工智能技术在私营部门无处不在。中的应用稳步改变着效率、生产力和盈利能力。然而，在速度比其他行业慢。从州到联邦政府机构，人工智能有可能通过增强决策、简化操作和改善市民服务来彻底改变公共行政。它为解决社会挑战，如食品不安全、环境问题和公共安全，提供了机会。然而，政府中的人工智能也带来了治理方面的考虑，这将影响最佳实践的形成，随着新技术的出现而不断发展。

2025-03-27 10:17:15 1052 1

原创 Elasticsearch：使用 Azure AI 文档智能解析 PDF 文本和表格数据

了解如何使用 Azure AI 文档智能解析包含文本和表格数据的 PDF 文档。Azure AI 文档智能是一个强大的工具，用于从 PDF 中提取结构化数据。它可以有效地提取文本和表格数据。提取的数据可以索引到 Elastic Cloud Serverless，以支持 RAG（- 检索增强生成）。在这篇博客中，我们将通过摄取四份最新的 Elastic N.V. 季度报告来演示 Azure AI 文档智能的强大功能。

2025-03-27 09:18:45 900

原创 Elasticsearch：人工智能时代的公共部门数据治理

人工智能（AI）和生成式人工智能（GenAI）正在迅速改变公共部门，从理论探讨走向实际应用。正确的数据准备、管理和治理将在 GenAI 的成功实施中发挥关键作用。我们最近举办了一场名为 “” 的网络研讨会，邀请了行业专家 IDC 研究总监 Max Klaps 和 Elastic 杰出架构师 Dave Erickson。他们探讨了 GenAI 在政府、教育和国防领域的现状，并深入分析了 GenAI 带来的数据挑战和机遇。公共部门机构对 AI 的态度发生了重大转变。

2025-03-27 08:30:07 896

原创 Elasticsearch：使用 AI SDK 和 Elastic 构建 AI 代理

AI 代理是一种能够自主执行任务并代表人类采取行动的软件，它利用人工智能实现这一目标。AI 代理通过结合一个或多个大语言模型（large language models - LLMs）与用户定义的工具（或函数）来执行特定操作。例如，这些工具可以执行以下操作：从数据库、传感器、API 或 Elasticsearch 等搜索引擎提取信息。执行复杂计算，并让 LLM 总结其结果。基于各种数据输入快速做出关键决策。根据响应触发必要的警报和反馈。如果你之前对 AI 代理还不完全了解，现在你应该清楚了！

2025-03-26 10:25:01 1283

原创 谁是 AI 搜索先锋？ Elastic 先锋者招募令正式启动！

在人工智能（正文简称“AI”）技术深刻重构全球产业生态的当下，AI 搜索技术正以革新性力量驱动千行万业智能化跃迁。值此技术变革关键节点，业界领先的搜索分析引擎 Elasticsearch 也迎来了自己 15 年的里程碑，Elastic 公司宣布于 3 月 26 日在中国市场正式启动“Elastic Pioneer” 先锋者计划。这一计划，是 Elastic 中国精心筹备的 Elastic 推广大使招募项目，旨在汇聚社区开发者的力量，共同构建 AI 搜索技术应用新范式，加速企业数字化转型进程。

2025-03-26 09:11:30 1302

原创 异常检测群体任务：Spotify Wrapped，第三部分

异常检测一开始可能会让人望而生畏，但在这篇博客中，我们将深入探讨它，并了解不同的任务如何帮助我们发现 Spotify Wrapped 数据中的异常模式。在，我们讨论了如何获取你的 Spotify Wrapped 数据并对其进行可视化。在，我们讲解了如何处理数据以及如何可视化展示。在第三部分，我们将探讨如何在你的 Spotify Wrapped 数据中检测异常。异常检测作业是 Elastic 中用于查找数据中异常模式的工具。

2025-03-25 08:20:38 1080

原创 Elasticsearch：设置向量搜索

当你开始使用 Elastic 时，你将使用 Elasticsearch Relevance Engine™，它专为 AI 搜索应用程序提供支持。通过 ESRE，你可以利用一整套开发者工具，包括 Elastic 的文本搜索、向量数据库以及我们专有的 Transformer 模型进行语义搜索。Elastic 提供多种搜索技术，从 BM25 开始，这是文本搜索的行业标准。它可以精准匹配特定搜索内容，匹配精确的关键词，并且可以通过调优来提升效果。在开始使用。

2025-03-24 21:23:27 1129

原创 Elasticsearch：构建 AI 驱动的搜索体验

当你开始使用 Elastic 时，你将使用 Elasticsearch Relevance Engine™，它专为 AI 搜索应用程序提供支持。借助 ESRE，你可以利用一整套开发者工具，包括 Elastic 的文本搜索、向量数据库以及我们专有的用于语义搜索的 Transformer 模型。Elastic 提供多种搜索技术，首先是 BM25，它是行业标准的文本搜索方法。BM25 可精准匹配特定搜索，找到精确的关键词，并且可以通过调优提升效果。在开始。

2025-03-24 14:38:38 1151

原创 Elastic 线下 Meetup 将于 2025 年 4 月 19 号下午在杭州举行

2025 Elastic Meetup 杭州站活动，由 Elastic、阿里云、新智锦绣联合举办，现诚邀广大技术爱好者及开发者参加。2025 年 4 月 19 日 13:30-18:00​浙江省杭州市余杭区文一西路969号阿里巴巴西溪A区-A区访客中心-2F-208S 曼陀山庄2025 Elastic Meetup 杭州站 预约报名-Elastic 中国官方活动号活动-活动行请报名成功后，扫码加入本次活动群，接收活动相关信息​讲师：Elastic 社区首席布道师 —— 刘晓国现为 Elastic 社区首席布

2025-03-23 18:17:32 931

原创 Elastic 和 Tines 合作提供 SOAR 和 AIOps

使用 Tines Workflow Automation 自动化你的安全和可观测性工作流，现在可直接在 Elastic 中使用。Elastic 和 Tines 正式推出一款集成产品，旨在改变安全和可观测性团队的核心工作。我们很高兴推出 Tines Workflow Automation，现在可直接通过 Elastic 使用。

2025-03-23 10:47:46 942

原创 Elasticsearch：可配置的推理 API 端点分块设置

Elasticsearch 开放推理 API 现已支持可配置的分块，以便在文档摄取时处理语义文本字段。Elasticsearch 推理 API 允许用户利用各种提供商的机器学习模型执行推理操作。其中一个常见用例是在索引中支持用于语义搜索的语义文本字段。随着文档数据量的增加，对整个数据创建嵌入可能会导致结果不够准确。此外，一些推理模型对可处理的输入大小有限制。

2025-03-22 08:33:52 862

原创 在 Elasticsearch 中扩展后期交互模型 - 第 2 部分 - 8.18

本文探讨了如何优化后期交互向量，以适应大规模生产工作负载，例如减少磁盘空间占用和提高计算效率。在中，我们探讨了如何使用创建视觉搜索应用。我们主要关注ColPali等模型为应用带来的价值，但与E5等双编码器向量搜索相比，它们在性能上存在一定劣势。基于的示例，本文将探讨如何利用不同技术和强大的向量搜索工具，使后期交互向量适应大规模生产工作负载。完整代码示例可在上查看。ColPali在索引中的每个文档页面会生成N接下来，我们将探讨一些优化技术，以解决这些问题。

2025-03-21 09:52:15 988

原创 在 Elasticsearch 中探索基于 NVIDIA 的 GPU 加速向量搜索

由 NVIDIA cuVS 提供支持，此次合作旨在为开发者在 Elasticsearch 中的向量搜索提供 GPU 加速。在 Elastic Engineering 组织内，我们一直致力于优化向量数据库的性能。我们的使命是让 Lucene 和 Elasticsearch 成为最优秀的向量数据库。通过硬件加速的、引入新的向量数据压缩创新（），以及进一步优化 BBQ 的算法以带来更大收益，同时。

2025-03-20 08:52:47 1996 1

原创 Elasticsearch 在航空行业：数据管理的游戏规则改变者

数字化客户体验不再是奢侈品，而是。它推动了客户满意度，提升了运营效率，并创造了可持续的竞争优势。随着行业的不断发展，优先投资前沿数字技术和平台的航空公司将在动态和要求苛刻的市场中更具竞争力。实时存储、搜索和分析大量数据的能力在航空公司运营、客户服务、安全和合规方面起着至关重要的作用。数据管理的强大应用和执行帮助航空公司、机场和服务提供商提升运营效率、改善客户体验，并获得竞争优势。差的应用可能导致滞留地面，失去竞争优势。

2025-03-19 09:43:53 947 1

原创 Elasticsearch：使用 ColPali 进行复杂文档搜索 - 第 1 部分 - 8.18

这篇文章介绍了 ColPali 模型，这是一种 late-interaction 模型，可简化包含图片和表格的复杂文档搜索过程，并讨论了其在 Elasticsearch 中的实现。​在构建搜索应用时，我们经常需要处理具有复杂结构的文档 —— 例如表格、图片、多列等。传统上，这需要设置复杂的检索流程，包括 OCR（光学字符识别）、布局检测、语义分块 等多个处理步骤。2024 年，引入了 ColPali 模型，以解决这些挑战并简化整个流程。

2025-03-19 08:56:09 1248

原创 如何使用 DeepEval 优化 Elasticsearch 中的 RAG 检索

学习如何使用 DeepEval 优化 RAG 流水线中的 Elasticsearch 检索器。LLMs 容易产生幻觉、缺乏特定领域的专业知识，并受限于上下文窗口。检索增强生成（Retrieval-Augmented Generation - RAG）通过使 LLM 访问相关的外部上下文来解决这些问题，从而使其回答更加准确。多种 RAG 方法（如 GraphRAG 和 AdaptiveRAG）已经出现，以提高检索的准确性。

2025-03-18 08:49:15 830

原创 Elasticsearch：为推理端点配置分块设置

推理端点对一次可处理的文本量有限，具体取决于模型的输入容量。是指将输入文本拆分成符合这些限制的小块的过程，在将文档摄取到字段时会进行分块。分块不仅有助于保持输入文本在可处理范围内，还能使内容更加易读。相比返回一整篇长文档，在搜索结果中提供最相关的文本片段更有价值。每个分块都会包含以及。默认情况下，文档会被拆分为，然后按进行分组，并且设置，使得每个分块都会与前一个分块共享一个句子。这种重叠方式可以保持上下文的连续性，防止重要信息因硬性拆分而丢失。使用库来检测单词和。

2025-03-17 13:20:58 1084

原创 介绍 OpenTelemetry 的 OTTL Playground

Elastic 自豪地推出 OTTL Playground（），这是一款功能强大且用户友好的工具，旨在让用户轻松体验 OpenTelemetry Transformation Language (OTTL)。该 Playground 提供丰富的界面，用户可以实时创建、修改和测试语句，从而更轻松地理解不同配置对 OpenTelemetry 数据转换的影响。

2025-03-16 09:00:37 882

原创 如何通过 Airbyte 将数据摄取到 Elasticsearch

Airbyte 是一个数据集成工具，可自动化并可扩展地将信息从各种来源传输到不同的目的地。它使你能够从 API、数据库和其他系统提取数据，并将其加载到 Elasticsearch 等平台，以实现高级搜索和高效分析。本文将介绍如何配置 Airbyte 将数据摄取到 Elasticsearch，涵盖关键概念、先决条件和分步集成过程。

2025-03-15 10:27:27 951

原创 LLM 可观测性：使用 Elastic 的 OpenAI 集成追踪使用情况并管理成本

Elastic 全新的 OpenAI 可观测性集成提供对 OpenAI 模型使用情况的全面洞察。借助我们预构建的仪表板和指标，你可以高效追踪和监控 OpenAI 模型的使用情况，包括 GPT-4o 和 DALL·E。在 AI 驱动的应用日益普及的时代，理解和管理语言模型的使用至关重要。OpenAI 率先开发了先进的语言模型，支持从聊天机器人到代码生成等众多应用。然而，随着应用复杂度和规模的增长，监控关键指标以确保最

2025-03-14 10:09:26 924

原创 Elasticsearch：语义文本 - 更简单、更好、更精炼、更强大 8.18

我们最新的 semantic_text 迭代带来了大量改进。除了简化 _source 中的表示之外，其好处还包括减少冗长程度、更高效的磁盘利用率以及更好地与其他 Elasticsearch 功能集成。你现在可以使用突出显示来检索与你的查询最相关的块。也许最重要的是，它现在是一个正式发的功能！我们在字段类型上经历了一段漫长的旅程，而这一最新版本承诺让语义搜索变得前所未有的简单。除了在_source中简化。

2025-03-14 09:16:17 1146

原创 统一 Elastic 向量数据库与 LLM 功能，实现智能查询

利用 LLM 功能进行查询解析，并使用 Elasticsearch 搜索模板，将复杂的用户请求转换为结构化的、基于模式的搜索，从而实现高精度查询结果。想象一下，你在搜索“距离 Belongil Beach 250 米内、最近翻新、至少 4 星级、配有游泳池和健身房的住宿”，而搜索引擎精准地返回了符合你需求的结果。智能搜索能够理解查询意图并进行推理，仅靠启发式方法难以实现这种能力。

2025-03-13 14:30:48 1235

原创 拆解 “ES 已死“ 伪命题：Agentic RAG 时代搜索引擎的终极形态

综上所述，无论是传统 RAG 场景，还是代表未来趋势的 Agentic RAG 场景，Elasticsearch 凭借其丰富的功能、强大的处理能力以及完整的闭环体系，都将是技术选型时不容忽视的择优选项。那些宣扬 “ES已死” 的言论，纯粹就是瞎扯。其实开源社区真没必要天天想着怎么攻击别人，也别总想着用一些歪门邪道去误导用户。真想让这个行业进步，应该是一起把蛋糕做大，让更多的使用场景从传统的文本检索上进行迁移。

2025-03-13 09:21:27 1219

原创 使用 Elasticsearch 构建多模式 RAG 系统：哥谭市的故事

学习如何构建一个多模态检索增强生成 (RAG) 系统，该系统集成文本、音频、视频和图像数据，以提供更丰富的、具有上下文的信息检索。在这篇博客中，你将学习如何使用 Elasticsearch 构建一个多模态 RAG（Retrieval-Augmented Generation - 检索增强生成）流水线。我们将探讨如何利用 ImageBind 生成各种数据类型（文本、图像、音频、深度图等）的嵌入向量，并了解如何使用 dense_vector 和 k-NN 搜索 高效存储和检索这些嵌入向量。最后，我们将集

2025-03-12 11:22:48 1669

原创 超越向量：带 Agents 的智能混合搜索

​仅靠向量搜索无法考虑时间、空间或意图，限制了其有效性。值得庆幸的是，解决方案在于将 Elastic 的传统搜索功能与智能体驱动的 LLMs 结合使用。今天，我们将论证采用智能体驱动的 LLM 方法来提升搜索相关性并解决复杂的用例问题，并以“了解你的客户”（Know-Your-Customer - KYC）用例来展示这些优势。这是之前在 Searchlabs 发布的 Agentic RAG 文章的后续内容。前文介绍了代理在 RAG 用例中的实现，并提供了必要的背景知识。在此基础上，我们进一步扩展了

2025-03-11 10:02:22 903

原创 Agentic RAG 详解 - 从头开始​​构建你自己的智能体系统

​虽然检索增强生成（RAG）在 2023 年占据主导地位，但代理工作流正在推动 2024 年的巨大进展。智能体的使用为构建更强大、稳健且多功能的 大型语言模型（LLM）应用程序开辟了新的可能性。其中一种可能性是在 RAG 流水线中引入智能体，形成代理式 RAG 流水线。本文将介绍 Agentic RAG 的概念、其实现方式，以及其优势和局限性。

2025-03-11 08:02:56 2246

原创 Elastic Security 荣获 AV-Comparatives 2024 企业认可产品奖

因其卓越的防护性能、卓越的性能表现以及极低的误报率而获奖。Elastic Security 荣获。这一荣誉体现了其出色的恶意软件防御、最佳的系统性能和最小的误报率。在保护、性能和误报基准测试中表现卓越，Elastic Security 证明了其无妥协地保护组织的能力。这一独立认可强调了我们致力于为企业提供世界级安全解决方案的承诺。

2025-03-10 10:14:02 650

原创 电信行业的 AI：克服基础数据挑战

电信行业一直站在创新与互联的前沿，常常为客户的数字体验设定高标准和期望。如今，随着 AI 逐渐超越流行词的阶段，电信行业的领导者们正稳步将 AI 融入业务，以进一步提升响应客户需求的能力，并提供高质量的服务。在这些数字体验，尤其是 AI 的核心，是能够战略性地利用数据来实现业务目标。

2025-03-10 10:04:01 816

原创 Elastic：AI 会开始取代网络安全工作吗？

AI 会开始取代网络安全工作吗？不会，但它正在从根本上改变这些工作。正迅速成为日常安全工作流程中的一个重要组成部分。那么，它是合作伙伴还是竞争对手？GenAI 技术在安全堆栈几乎每个方面的广泛应用，整体上帮助安全团队更高效地应对威胁。GenAI 使安全从业者能够访问并分析他们原本无法获得的数据，从而使他们的工作比以往任何时候都更具影响力。然而，与此同时，GenAI 也扩展了攻击面 —— 无论是通过对手能够大规模生产恶意代码，，还是日益复杂的社交工程攻击。那么，这一切如何影响今天的安全专业人士呢？

2025-03-09 10:07:52 1254 1

原创 使用 Elastic-Agent 或 Beats 将 Journald 中的 syslog 和 auth 日志导入 Elastic Stack

我们在 Elastic 一直努力将更多 Linux 发行版添加到我们的支持矩阵中，现在 Elastic-Agent 和 Beats 已正式支持 Debian 12！本文演示了我们正在开发的功能，以支持使用 Journald 存储系统和身份验证日志（auth logs）的 Linux 发行版。一些 Linux 发行版（如 Debian 12）已经完全放弃了传统的系统日志文件，因此现在获取这些日志的唯一方法是读取 Journald。

2025-03-09 09:50:38 1045

原创 Elasticsearch：使用 BigQuery 提取数据

了解如何使用 Python 在 Elasticsearch 中索引和搜索 Google BigQuery 数据。是 Google 的一个平台，允许你将来自不同来源和服务的数据集中到一个存储库中。它还支持数据分析，并可使用生成式 AI (GenAI) 和机器学习 (ML) 工具。以下是将数据引入 BigQuery 的方式：将所有这些来源的数据索引到 Elasticsearch，可帮助你集中数据源，从而获得更好的可观测性体验。

2025-03-08 08:19:19 1306

原创 语义搜索升级：现已支持原生 match、KNN 和 sparse_vector 8.18

语义文本搜索变得更加强大，现已原生支持 match、knn 和 sparse_vector 查询。这让我们能够保留语义查询的简洁性，同时提供 Elasticsearch 查询 DSL 的灵活性。Elasticsearch 的功能非常强大，允许用户对配置为字段的数据执行语义搜索。这种强大的核心在于其简洁性：你只需设置一个带有推理端点的字段，然后像向普通 text 字段一样写入内容即可。推理过程会自动且透明地进行，使得构建带有语义功能的搜索索引变得非常简单。

2025-03-07 09:54:12 991

原创 如何使用 LLM 生成的术语自动在搜索应用程序上构建 autocomplete 功能

了解如何在 Elastic Cloud 中，通过使用 LLM 生成的词汇，为搜索应用增强自动补全功能，实现更智能、更动态的搜索建议。自动补全是搜索应用中的一项关键功能，它通过在用户输入时实时提供建议，显著提升用户体验。传统上，Elasticsearch 的自动补全功能是通过补全建议器（completion suggester）实现的，它依赖于预定义的词汇。这种方式需要人工整理建议词汇，且往往缺乏上下文的相关性。，我们可以构建一个更加智能、可扩展且自动化的自动补全功能。

2025-03-06 08:29:04 1615

原创 通过计费集成和警报监控 Elasticsearch Service 成本

​使用 Elasticsearch 服务计费集成来跟踪、定制和提醒 Elasticsearch 服务费用。监控和管理你的Elasticsearch服务（ESS）使用情况和成本对高效运营至关重要。Elasticsearch服务计费集成提供了一种简化的方法，用于收集、可视化和处理你的计费数据。在本文中，我将指导你如何部署此集成，定制它以适应你的组织结构，并设置警报来监控特定团队的支出。

2025-03-05 11:55:13 1130

原创 用于管理 Elasticsearch Serverless 项目的 AI Agent

由自然语言驱动的 AI 代理，可轻松管理 Elasticsearch Serverless 项目 - 支持项目创建、删除和状态检查。这个小型命令行工具让你可以用简单的英语管理你的。它通过AI（这里是 OpenAI）理解你的意思，并使用 LlamaIndex 调用正确的函数！

2025-03-05 09:39:49 1508 1

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

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
​1.Elastic 认证专家考试介绍 ​2.考纲介绍 ​3.备战介绍

2024-09-18

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
​1. ES watcher 知识介绍 ​2. 生产环境 watcher 失效问题排查及分析处理过程

2024-09-18

03-ES APM全观测实战 - 陈文磊 南京 20240825
1.ES APM 使用背景介绍 2.ES APM 功能使用介绍 3.ES APM 实战介绍

2024-08-25

02-ES在互联网公司中应用及优化过程 - 尚雷 南京 20240825
1.ES 架构介绍 2.ES 节点扩缩容 3.ES 的优化记录

2024-08-25

01- Elasticsearch 简单而高效的管道查询语言 - 刘晓国 南京 20240825
1，为什么需要向量搜索？ 2，向量相似度基本知识 3，使用向量搜索，RAG 结合大语言模型来避免 LLM 幻觉

2024-08-25

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
腾讯云 ES 全新技术栈：采用读写分离、存算分离和查询/IO 并行化等先进技术，广泛应用于日志场景，实现冷热数据一体化搜索及弹性伸缩能力。 2023年助力腾讯云 CLS 节省过亿元成本，助力外部客户如跨越、嘀嗒等，成本普遍降低30%～80%。

2024-07-27

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
1. Elastic AI 助手概述：定义与功能简介 2.Elastic AI 助手核心使用场景介绍 3.实战演示：Elastic AI 助手提升运维效率

2024-07-27

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

腾讯云 ES 不仅提供了相对于传统向量数据库的更全面的 RAG 解决方案，同时在性能方面也有着独特的优势。 腾讯云 ES RAG 方案凭借紫霄 GPU 的强大性能和深度优化的自研内核，大幅提升了文本搜索与向量检索的效率和精度。

2024-07-27

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

2024-07-27

02-B站Elasticsearch平台实践 王星轶 线上 20240619
1.为什么我们需要 Elasticsearch 平台, 在面对公司众多业务线时, 我们为业务接入与迭代效率贡献了什么 2.降低成本&资源隔离, 如何利用 es on k8s 实现业务质量与成本的双重优化 3.站内搜索是如何影响用户体验的, 我们应该怎样去优化检索的召回率与精确率

2024-06-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除