Elastic 7.9 版本发布,提供免费的 Workplace Search 和终端安全功能

我们非常高兴地宣布 Elastic Stack 7.9 版正式发布。新版本为 Elastic 企业搜索、可观测性和安全等解决方案带来了一系列新功能,这些解决方案都以 Elastic Stack(包括 Elasticsearch、Kibana、Logstash 和 Beats)为基础构建而成。7.9 为市场带来了多项重大的新功能,通过全新的 Elastic Agent 转变了客户和用户向 Elastic 中采集数据的方式,新推出了 Elastic Workplace Search(属于 Elastic 企业搜索)的免费分发级别,并且在 Elastic 安全中推出了 Endpoint Security 免费分发级别的公测版——该公测版可将恶意软件预防功能直接集成到 Elastic Stack 中,是我们提供全面、集成的终端安全过程中的首个重大里程碑。

并且,我们也在不断完善 Elastic Cloud 的功能,它是部署 Elastic Stack 和我们其他解决方案的最佳空间。在过去的几个月里,我们启动了对 AWS PrivateLink 连接性的支持,实现了 FedRAMP Moderate 授权,简化了购买选项,并启动了对三个新地区的支持。当然,Elastic 7.9 目前即可在 Elastic Cloud 上使用,这是唯一一个包含 7.9 版本所有新功能的托管型 Elasticsearch 产品。或者,您也可以下载 Elastic Stack 以及我们的云编排产品 Elastic Cloud Enterprise 和 Elastic Cloud for Kubernetes,进行自管型部署。

 

 

这是一个打包发布版本,我们将在下文中分享一些关键的版本亮点。若要了解完整的功能介绍,请详阅各个解决方案和产品的博客文章。现在,让我们来深入了解一下。

推出全新方法助您开启 Workplace Search(属于 Elastic 企业搜索)的使用之旅

好消息:Workplace Search 加入免费分发级别

继 Workplace Search 在 7.7 版本中正式推出,并可以在 Elastic Cloud 上使用之后,这一工具现可在基础级免费分发级别中使用。通过整合您的所有内容平台(如 Google 云端硬盘、Gmail、Salesforce、SharePoint、Jira 等)来为公司/组织提供个性化的搜索体验,开始提高团队的工作效率。这一免费级别包括所有受支持内容源的连接器、访问自定义 API 以创建个人连接器的权限、群组和用户管理功能,以及新式搜索用户体验的构建工具。

Workplace Search 可供免费使用,订阅白金版或企业版可获得额外功能。Workplace Search 可在 Elastic Cloud 上使用,也可通过 Elastic Stack 在自有基础设施上部署为自管选项。

通过 Kibana 查看 Elastic 企业搜索

作为进入 Elastic Stack 的窗口,Kibana 允许用户从任意来源获取任意格式的数据,并对这些数据进行实时搜索、分析和可视化。Elastic 企业搜索现已在 Kibana 中提供,让用户能够通过熟悉的界面,轻松导航到 App Search 和 Workplace Search。通过新版本,Kibana 管理员可以自定义空间,以在导航主菜单中显示或隐藏 Elastic 企业搜索。在此版本中,App Search 用户可从 Kibana 访问他们所有的引擎和元引擎,而 Workplace Search 用户可访问用户管理和内容源同步工具作业。

通过 Workplace Search 中的 Gmail 支持来增强电子邮件搜索功能

电子邮件是业务沟通的中枢。随着时间推移,我们大部分的日常洞察信息会孤立地散布在各个电子邮件档案中。在 7.9 版本中,Workplace Search 支持将 Gmail 作为连接器。每位 Gmail 用户都可以轻松使用简洁直观的 Workplace Search 用户界面在自己的电子邮件中进行搜索,并同时查看相关结果以及所有其他内容源。

                                   在 Elastic 企业搜索 7.9 中,Workplace Search 支持将 Gmail 作为连接器

让扩展部署变得更可控、更趋自动化,同时可从源活动日志中获得新洞察

Elastic 企业搜索以 Elastic Stack 为基础而构建,因此可根据用户需求,将强大的功能引入到 App Search 和 Workplace Search 中。在 7.9 版本中,App Search 和 Workplace Search 承继了 Elastic Stack 的索引生命周期管理 (ILM) 策略。用户可以根据需求配置 ILM 策略,自动管理索引(引擎)。例如:达到预定大小之后即创建新的索引;每天、每周或每月创建或归档索引;以及根据数据保留规则删除索引。直接在 App Search 内创建和管理 ILM 策略。

在 Elastic 企业搜索 7.9 博客中了解 Elastic 企业搜索所有新功能的最新消息。 

提供一键采集数据的统一代理

Elastic Agent 和 Ingest Manager 大幅简化了采集数据来提高可观测性的工作

在可观测性工作流中,上载数据是关键步骤,但通常既耗时又乏味。我们从决定监测系统到实际监测系统的速度有多快?检测系统有多容易?收集到的数据是否经过了解析和结构化,可以直接使用?我们如何快速实现数据可视化,并从数据中获取关键洞察信息?有了这些问题,再加上技术堆栈中的数千个组件(服务器、虚拟机、容器、应用程序、数据库、中间件等),就让操作性变得至关重要。 

我们很高兴能在 7.9 版本中推出几个新的采集功能,大大简化了数据上载和采集的管理工作流程。我们这一举措的目标是简化整个采集流程,使运营商有可以花更多时间根据获得的灵感采取行动,减少设置和管理采集流程的时间。在 7.9 公测版中,Elastic Agent 按照统一的方式从主机收集各种数据,包括日志、指标和终端安全数据,未来计划增加 APM 数据和其他数据类型。采用单一代理进行安装、配置、更新和维护,可大幅提升运营商的效率。7.9 公测版还具有采集管理器,可从集中位置控制采集流程的方方面面。添加和管理主流服务和平台的集成:我们计划在接下来的几个版本中移植全部 100 多个 Beats 模块。最后,您可以使用 Fleet(所有已部署代理的控制塔)集中管理您的所有代理。典型企业通常会在数以万计的主机上部署代理,而 Fleet 可以让运营商轻松地从一个位置管理这些分散的代理。 

 

                                           借助 Elastic 7.9 中的 Elastic Agent 和 Ingest Manager,简化数据采集

用统一的可观测性概述页面提升分析师的操作体验

Elastic 可观测性的不同之处在于,在数据层统一了可观测性的三大数据支柱,即日志、指标和跟踪信息。将所有数据放在单一数据存储中,对于支持在数据流之间无缝移动以缩短平均解析时间的调查工作流而言至关重要。 

在此统一的数据基础上,我们在 Kibana 中推出一个新的可观测性概述页面,将统一扩展到了可视化层,对此我们十分振奋。概述页面囊括您所有可观测性数据(日志、指标、APM、正常运行时间)中的关键信息,并能通过视图一目了然展示整个生态系统的运行状况。这种现成的视图有助于您更快地获得洞察,对于新用户或新部署尤其如此。概述页面包括新闻摘要,让您随时了解产品更新和新闻。 

接受开放标准,在 Elastic APM 中集成 OpenTelemetry 

从开放代码到开放社区,开放和透明是 Elastic 的基础。这种思维模式的扩展,使我们同样支持可观测性领域的开放标准,诸如 OpenTracing、Jaeger 和 W3C Trace-Context。我们很高兴将最近形成的 OpenTelemetry 标准加入到其中。OpenTelemetry 是云原生计算基金会 (CNCF) 沙盒项目,目前为公测版,它提供了厂商中立的特定语言代理 SDK 和 API,用于从受监测的应用程序中收集分散式追溯信息、指标和日志数据。我们添加了 Elastic APM 导出器(并将其贡献给 OpenTelemetry 收集器 contrib repo),它使用 OpenTelemetry 收集器收集跟踪信息数据,将这些数据转译成 Elastic 兼容协议,并将其发送到 Elastic APM。这意味着您可以使用 Elastic APM 浏览 OpenTelemetry,而无需对设备进行任何更改。只需将 Elastic 导出器(当前为公测版)添加到 OpenTelemetry 设置中,就可以快速浏览您的数据。

通过 50 多条交钥匙检测规则,加强 DevOps 和 SecOps 之间的联系 

何不在观测的同时进行保护?可观测性团队收集的来自应用程序和基础设施的日志、指标和跟踪信息是安全团队的丰富信息来源。将 Elastic 安全和 Elastic 可观测性置于同一 Elasticsearch 数据的好处是,可以对同一数据提出不同的问题,而不会在不同的工具中重复。Elastic 满足了 SecOps 和 DevOps 团队的需求,促进了协作。我们采用统一的按资源使用量的定价模式,在同一数据中添加不同的镜头不会产生额外成本。 

在 7.9 版本中,我们进一步加强了 Elastic 安全和 Elastic 可观测性之间的联系,推出了 50 多条交钥匙检测规则(公测版),让 DevOps 团队和安全分析师都能快速从数百个服务和系统中获得洞察信息,无需额外作业或成本。当然,通过灵活的检测引擎,您也可以创建额外的规则来适应个人环境。

欢迎阅读 Elastic 可观测性 7.9 博客,深入挖掘所有新功能。 

推出一键式 Endpoint Security 的免费分发级别,内置于 Elastic 安全中

依赖集成式恶意软件预防功能,阻止针对终端的攻击

我们很兴奋地宣布推出免费的恶意软件预防功能(公测版),在我们打造全面集成的终端安全的过程中,这可谓首个重大里程碑,该功能直接内置到 Elastic 安全中,进一步强化了我们为世界各地公司/组织的安全保驾护航的使命。Elastic 利用 AV-Comparatives 最近验证的无签名方法,能阻止来自 Windows 和 macOS 主机的恶意软件,并利用 MITRE ATT&CK® 校准规则检测针对 Windows、macOS 和 Linux 主机的威胁。

                                                                Elastic 安全 7.9 版本中集成主机保护机制的可视化

改善您的云安全状况

我们的安全研究团队已增加了用于监测云基础设施的预置保护机制并采用身份和访问管理技术。这些预置的机器学习作业(正式版)和威胁检测规则(公测版)让客户能够检测到针对云基础设施和应用程序的攻击,并且它们与 ATT&CK® Matrix 保持一致。

通过社区驱动型工作流强化功能,统一进行预防、检测和响应

Elastic 安全 7.9 版本提供了多项工作流强化功能,使分析师能够高效地对攻击进行分流、追踪、调查和响应。新的内置调查指南帮助分析师了解在打开特定类型的警报时要询问哪些问题,而可自定义的时间线模板则优化了数据展示,以便更快获得洞察。

用于为检测和终端规则添加异常状况的高效工作流有助于消除与最大程度减少误报相关的开销。而与 IBM Resilient 的新集成则简化了安全团队内外部的事件响应工作流。

通过扩展数据集成来简化数据采集

7.9 版本引入了对许多新主机和云数据源的支持,包括 Microsoft Defender ATP、Windows PowerShell 和 Google G Suite。这些集成支持安全操作、DevSecOps 和其他常见用例。我们还引入了对 20 多种常见网络和应用安全技术的支持。

欢迎查阅 Elastic Security 7.9 blog 了解全部详情。 

在 Kibana 中引入即时页面加载

在 Kibana 中提供即时页面加载,实现更快的导航和更自然的工作流 

18 个多月来,我们一直在改善 Kibana 的核心引擎。在 7.9 版本中,我们已经完成了这项工作,并迁移了 Kibana 的所有底层架构。直接的好处就是 Kibana 的导航速度会大幅提升。从 APM 到 Dashboard,再到 Maps、SIEM,现在,您可以获得流畅的即时体验,无论是支持任务关键型系统、防范安全威胁,还是建立数据分析。除了改善用户体验,新的架构对 Kibana 开发社区作出了很大改进,能够更快地产生功能,效率更高,进而可以产生质量更高的代码。 

使用 Elastic Agent 简化数据采集

Beats 轻量级数据采集器便于将数据载入 Elasticsearch 中,以此为基础,我们在 7.9 公测版中推出了“一个 Beat 支配一切”的新 Elastic Agent。用户现在无需在一台主机上安装多个 Beat,只需安装一个 Elastic Agent 即可,它汇集了指标收集、日志记录、恶意软件预防等功能的必要组件。更佳的是,用户可以通过名为 Fleet 的新功能集中管理成千上万的代理。我们将这些增强功能安装在了 Kibana 的新 Ingest Manager 中。无论是监测云基础设施还是配置数千个终端,我们都希望这些新功能可以使设置更快,稳态操作更简单,而这只是我们相关程序的起点。

使用新的通配符数据类型增强搜索功能

有时,您对自己想要搜索的内容只是一知半解。特别是在同时涉及可观测性和安全性的用例中,通配符运算符提供了更强大的搜索功能。日志通常包含没有空格的长字符串,由标准的重复部分和变化的信息(如名称、持续时间、IP 地址等)组成。输入通配符数据类型。为了能够高效搜索此类字符串,提高性能,降低索引量,我们将其拆分为三个字母标记,并应用同样的技术进行查询。通过这种方法可在不影响性能的前提下,在搜索中引入通配符和 regex 支持。使用通配符运算符的目的是大幅缩短查找时间,安全分析师使用 Elastic 安全解决方案查找威胁时,通配符数据类型特别重要。

在 Elasticsearch 中提供事件查询语言 (EQL) 的预览

多年以来,用户一直寻求向 Elastic 引入相关性查询语言,用以支持查找威胁和安全检测的用例。去年年底,我们与 Endgame 合作,获得了事件查询语言 (EQL),这是一种强大的、经过实战检验的语言。多年来 Endgame 解决方案一直将其用于阻止终端威胁,效果颇佳。在 7.9 版本中,我们很高兴让 EQL 第一次公开亮相,EQL 是 Elasticsearch 中一流的查询语言,是一个实验性的功能。我们这次将它作为 API,在 Elasticsearch 中发布,未来计划在 Elastic 安全和 Kibana 中为 EQL 加入强大的 UI。希望得到您的反馈和创见,EQL 是为安全性而设计的,但我们希望它能为 Elasticsearch 开创许多新的使用方法。 

如欲详细了解这些功能及其他内容,请参阅 Kibana 7.9 博客和 Elasticsearch 7.9 博客。

通过支持 AWS PrivateLink,增强 Elastic Cloud 的安全性

增强安全性和合规性,支持 AWS PrivateLink、IP 过滤、支持 Google 证书和 FedRAMP 授权 

我们还启动了对 AWS PrivateLink 的支持,它可以为 AWS 虚拟私有云 (VPC) 和 Elastic Cloud 提供私用网络连接性。我们还启动了对跨公共云提供商 IP 过滤的支持,使您能够根据 IP 地址、地址块或范围,对 Elastic Cloud 部署的网络访问进行规定。我们还增加了对 Google 帐户的支持,如此您就可以使用现有的 Google 帐户凭据注册 Elastic Cloud。只需点击几下,您就可以使用 Google 身份信息来访问 Elastic Cloud 帐户,无需维护单独的凭据。 

                                                   配置流量筛选器:Elastic Cloud 上的 PrivateLink 终端

此外,Elastic Cloud AWS GovCloud 美国东部区域被指定获得 FedRAMP Moderate 授权。联邦政府、州政府和地方政府用户,以及高等教育机构和拥有政府数据的用户,立即免费试用!

支持更灵活的购买方式,可开通自助式月度白金级订阅和新区域

您现在可以直接在 Elastic Cloud 控制台内购买月度订阅黄金级订阅或白金级订阅。只需点击几下,就可以获得支持 SLA 和 Elastic Stack 的独家功能,包括我们面向企业搜索、可观测性和安全的解决方案。我们还为多个云服务提供商增加了更多区域,方便您在更多地点访问 Elastic Cloud,包括加拿大中部、巴黎和首尔。我们的 AWS GovCloud 区域现在也已正式投入使用。

通过就地配置变更和新的 AWS 实例类型提高服务性能

就地配置变更可以实现更快、更可靠的配置更新。其速度和可靠性来自于就地应用对集群的变更(如设置、升级和调整大小),随后是对节点进行滚动重启,避免了耗时较长的运行数据迁移操作。我们还在 Elastic Cloud 上所有受支持的 AWS 区域启动了对 Amazon EC2 M5d 通用型和 R5d 内存优化型实例的支持。M5d 实例提供了计算、内存和网络资源的平衡,而 R5d 实例是为了在内存中处理大型数据集时提高速度性能而设计的。 

使用 Elastic Cloud Enterprise 2.6 和 Kubernetes 1.2 上的 Elastic Cloud 时,支持新的自管型功能

我们非常荣幸地宣布 Elastic Cloud Enterprise 2.6 版正式发布。Elastic Cloud Enterprise 客户可以使用 Elastic 用来运行 Elastic Cloud 的相同功能,集中编排一系列 Elasticsearch 集群。随着 2.6 版本的发布,Elastic Cloud Enterprise 增加了对 Elastic Cloud Control (ecctl) CLI 的支持,对统一的新 Elastic 企业搜索的管理,包括对新 Workplace Search 功能的支持,以及就地配置变更。

我们同样荣幸地宣布 Kubernetes 1.2 上的 Elastic Cloud 正式发布。Kubernetes 上的 Elastic Cloud 简化了在 Kubernetes 中运行 Elasticsearch 和 Kibana 的作业,包括设置、升级、快照、扩展、高可用性、安全性等。通过新的 1.2 版本可轻松部署和编排 Elastic 企业搜索,只需几行 YAML 配置就可启动 App Search 或 Workplace Search 的实例,并将其连接到 Elasticsearch 集群。通过 1.2 版本还可采用新的 Beats Custom Resource Definition (CRD),使用 ECK 部署和管理 Filebeat、Metricbeat、Auditbeat 等数据采集器。 

若要详细了解 Elastic Cloud 的全部新闻,欢迎查看 Elastic Cloud 新功能博客。

篇幅有限,不胜枚举…

更多功能,敬请关注。请查看各解决方案及产品的博文,详细了解我们在 7.9 版本中添加的所有新功能: 

Elastic 解决方案

Elastic Stack

Elastic Cloud

相关推荐

AgentHack Shanghai|基于阿里云AI搜索 Elasticsearch x Qoder 构建AI Agent应用

2026年12月12日,Elastic社区、阿里云与Qoder联合举办AgentHack实战活动,聚焦AI编程、搜索检索与智能体工具链融合。参赛者将使用唯一指定工具QoderCN,在一天内完成从需求分析到可演示原型的构建,结合阿里云AI搜索或Elastic生态实现真实场景应用。活动提供技术工作坊、导师答疑及1个月QoderCN专业版会员,鼓励展示数据检索、工具调用与任务闭环的完整链路。参赛者可基于阿里云Elasticsearch、ElasticCloud或自部署环境,打造企业知识问答、业务分析等智能体原型,

Elastic 中国社区官方博客 1429

Elastic 线下 Meetup 将于 2026 年 12 月 19 号下午在西安举行

2026年12月19日,Elastic、阿里云与新智锦绣联合举办西安站ElasticMeetup。活动聚焦Elasticsearch向量搜索、AI Agents构建及企业级知识引擎演进,特邀刘晓国、陈星宇、孔祥超等专家分享技术前沿实践。内容涵盖语义搜索、智能诊断、云原生管控与大模型时代搜索架构升级,助力开发者掌握企业级AI应用落地核心能力。

Elastic 中国社区官方博客 1290

Elastic 线下 Meetup 将于 2026 年 11 月 28 号下午在杭州举行

2026年11月28日,杭州阿里云谷园区将举办AI搜索技术盛会。活动汇聚Elastic社区首席布道师刘晓国、中国电子云高斌、阿里云汤祯捷及预言家科技欧阳楚才等专家,聚焦Elasticsearch向量搜索、AI Agents构建、本体智能体上下文引擎与电商智能导购系统,探讨AgenticSearch 2.0、多模态检索与企业级智能搜索演进。现场设茶歇、合影与抽奖,报名成功后请扫码入群。

Elastic 中国社区官方博客 1077

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..

Elastic 中国社区官方博客 2万+

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..........................................................

Elastic 中国社区官方博客 17万+

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...............

Elastic 中国社区官方博客 1万+

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...

Elastic 中国社区官方博客 17万+

Kibana 中的人工智能连接器:你的 agent 可调用的 90 多个数据源

Elastic推出Kibana内置的90+人工智能连接器,支持Slack、GitHub、Confluence、PagerDuty等平台,让agent在推理中自动调用外部数据源,无需编写集成代码。通过身份验证中继服务,agent可安全访问个人或组织数据,快速关联告警与背景信息(如变更记录、讨论串、文档),显著缩短故障排查时间。结合ElasticCloud Trial,用户可即刻体验完整功能。

Elastic 中国社区官方博客 234

更少的位数,相同的召回率:DiskBBQ 更保守的自动校准扫描

Elasticsearch 现在在成本模型中将文档位数的权重提高至原来的三倍,因此 DiskBBQ 会先尝试预处理和更深层的重排序,再增加一个比特,使量化向量在保持相同召回率的同时维持较小的体积。

Elastic 中国社区官方博客 278

对 OpenTelemetry Kafka 接收器的两项改动,避免一个缓慢的租户拖住其他租户

Elastic通过两项改进解决OpenTelemetry Kafka接收器中的“吵闹邻居”问题:一是为每个Kafka分区引入独立工作单元,实现租户间分区隔离;二是添加租户限流处理器,动态限制各租户在共享发送队列中的槽位占用,防止慢租户阻塞其他租户。结合max_in_flight配置提升单分区吞吐量与内存控制,确保记录不丢失、投递至少一次,同时保障多租户环境下稳定高效的数据处理。

Elastic 中国社区官方博客 335

三次模型调用,占据 92% 的等待时间:使用 OpenTelemetry 实现人工智能 agent 可观测性

使用OpenTelemetry追踪LangChain购物助手,发现92%耗时源于三次模型调用。虽将比较模型替换为更便宜的版本后,成本降低76%-83%,但四成问题响应变慢。通过追踪数据定位瓶颈,结合ES|QL分析词元用量与费用,验证了成本优化但延迟未改善。借助Elastic AI Agent建议,进一步测试return_direct=True以跳过冗余调用,实现性能与成本双赢。可观测性助力精准决策,确保答案正确、响应高效。

Elastic 中国社区官方博客 406

Elasticsearch:稠密向量字段类型

dense_vector字段用于存储稠密向量,支持k近邻搜索(kNN),默认启用索引并使用余弦相似度。可接受浮点数数组或Base64编码字符串输入,支持自动量化(如int8、int4、bbq)以降低内存占用。通过index_options配置索引类型(如hnsw、bbq_disk),并可启用过采样与重新评分提升精度。向量默认不存储于_source中以节省空间,可通过fields或_source.exclude_vectors显式返回。支持bit向量及GPU加速索引,适用于高维向量场景。

Elastic 中国社区官方博客 289

使用 Qoder 将 CSV 文件导入 Elasticsearch

本文演示如何通过Qoder智能助手,仅用4轮对话,将IMDB电影数据CSV文件(10,178条)高效导入Elasticsearch。无需编写代码,Qoder自动完成依赖安装、连接配置、字段类型推断(text/keyword/double)、数据验证及导入,支持自定义映射与数据转换,耗时约30秒,显著简化数据导入流程。

Elastic 中国社区官方博客 247

两条规则,一次故障,一条告警:变点检测如何减少告警噪声

Elastic Carlos Crespo揭示了基于ES|QL规则的AI agent如何通过重运行查询验证告警真实性,实现从日志变化到重大事件告警的自动化。系统先通过变点检测识别规则行为突变,再由发现agent核实故障存在性、规模与影响范围,并合并同类信号以减少噪声。每条告警均附带可追溯的查询证据,确保结论可验证。最终生成的告警包含严重程度、置信度、受影响拓扑及量化指标,支持运维决策。该流程结合代码与模型分工,保障可靠性与可解释性,已在多场景测试中验证有效性。

Elastic 中国社区官方博客 333

把词向量“贴”在地球仪上:用球面视角看 Embedding 的真实几何

本文通过将归一化词向量投影至3D球面,利用slerp绘制大圆弧,以真实反映余弦相似度对应的测地线距离。相比传统PCA平面散点图,球面可视化避免几何扭曲,直观呈现词间语义关系。结合Plotly实现交互式“词语地球仪”,可旋转观察聚类、跨语言对齐(如“cat”与“猫”),并对比高维真值与降维后距离的失真。代码简洁(<200行),支持模型替换与扩展,揭示“向量相近”在球面上的真实形态。

Elastic 中国社区官方博客 263

我们的 agent 技能如何调研、构建和测试完整的 Elastic 集成

作者:来自 Elastic我们让 agent 技能处理美国国家标准与技术研究院的国家漏洞数据库接口,得到了两个数据流和一个经过验证的通用表达式语言程序,并通过了流水线测试和系统测试。调研发现,一天中 78% 的通用漏洞与披露记录都是旧记录的重新发布,这一发现改变了设计。Elasticsearch 原生集成了业界领先的生成式人工智能工具和服务提供商。欢迎观看我们的网络研讨会,了解如何,或使用构建可用于生产环境的应用。要为你的使用场景构建最佳搜索解决方案,立即开始,或在你的上试用 Elastic。

Elastic 中国社区官方博客 130

基于 Elasticsearch 与 Jina AI 的全模态智能搜索实践:技术全解析

是一个结构清晰、覆盖全面且极具实操价值的开源项目。它不仅展示了Jina AI 多模态模型在非结构化数据表征上的强悍性能,也展现了在混合检索(BM25 + k-NN + RRF)以及多模态 RAG 架构上的工程实践。无论是准备构建企业级智能知识库、多媒体图库检索系统,还是探索音视频多模态推荐,该项目都提供了非常优秀的代码模版与架构参考。

Elastic 中国社区官方博客 208

你的日志早已写好告警:在 Elasticsearch 中生成 ES|QL 检测查询

Elastic Observability Labs展示如何基于OpenTelemetry日志自动生成精准的ES|QL检测查询。通过30个知识指标(27个推断、3个计算),生成10条查询,其中4条转化为Kibana告警规则。查询严格遵循三条提示词规则:精确匹配短语、不依赖log.level、仅在同文档中组合谓词。正常运行时匹配0条,故障期间捕获676条支付服务异常日志。查询随依赖知识失效自动停用,确保持续有效性。

Elastic 中国社区官方博客 685

基于 Jina OCR v1 与 Elasticsearch 的 PDF 智能混合检索与 RAG 系统实战指南

本文介绍开源项目jina-ocr-v1-pdf,基于JinaOCRv1高精度视觉解析与Elasticsearch的混合检索(RRF),构建端到端PDF智能问答系统。通过PyMuPDF渲染高清图像、并发OCR提取结构化文本(Markdown/HTML),结合自动切片向量化与BM25+语义检索融合,实现精准页码定位与上下文相关性提升。配合Streamlit前端与Kibana监控,支持企业级文档智能处理,有效解决扫描件、多栏、表格等复杂排版难题,为RAG应用提供高效、可扩展的技术范本。

Elastic 中国社区官方博客 556

Elastic Cloud 无服务器服务审计日志:将审计记录发送到可观测性或安全解决方案

ElasticCloud无服务器服务推出审计日志投递功能,支持将Elasticsearch与Kibana的活动日志(如索引变更、登录行为、数据访问)自动投递至同一组织内的可观测性或安全项目。附带8条告警规则和7个仪表板,涵盖凭据攻击检测、对象取证、数据访问追踪等场景。通过忽略筛选条件可降低存储成本,实现按需保留关键证据。支持跨项目日志聚合,助力安全与合规团队高效调查。立即免费试用14天,体验AI驱动的搜索与智能监控。

Elastic 中国社区官方博客 183

Elastic 在《Forrester Wave™:2026 年第四季度智能运维平台》报告中被评为强劲表现者

Elastic在《ForresterWave®:2026年第四季度智能运维平台》中被评为强劲表现者,获五项最高评分,涵盖算法可信度、可观测性即代码、AI技术栈、数据主权与定价透明度。其人工智能站点可靠性工程师以透明推理、完整上下文、持续学习和开放标准为核心,实现可验证排查、高效存储与跨环境兼容,助力团队信任AI、提升响应效率,推动智能运维迈向可验证、可进化的新阶段。

Elastic 中国社区官方博客 194

使用 OpenTelemetry 在 Elastic 中实现 Claude 平台的人工智能 agent 可观测性

Elastic与Claude平台集成,通过OpenTelemetry将AI agent追踪数据实时发送至Elastic,实现无代码观测。用户可在Kibana中查看模型请求、工具调用及上下文协议的完整交互轮次,包含耗时、词元计数与对话内容。支持服务清单、告警规则与SLO设置,结合SDK可实现跨服务追踪。免费云试用已开放,快速接入即可全面掌握Claude agent性能与成本。

Elastic 中国社区官方博客 894

三个区域、三个 Kibana、一个视图:跨集群搜索登陆 Elastic 合成监测

Elastic 9.5推出合成监测跨集群搜索功能,实现多集群监测器统一视图。无需复制数据,中央Kibana可实时查询远程集群的探测结果,展示状态、用户旅程、截图与证书,支持按远程集群筛选与分组。配置仍保留在原集群,仅提供只读访问,管理需返回源Kibana。适用于有状态部署,暂不支持无服务器服务。告警跨集群功能正在开发中。

Elastic 中国社区官方博客 384

Elastic 重大事件功能如何将 100 条日志样本转化为检测规则

本文介绍Elastic重大事件功能如何通过智能日志采样,从100份样本中提取27个知识指标(如服务、依赖关系、技术等),构建有证据支撑的日志源描述,进而生成精准检测规则。相比均匀采样易遗漏罕见故障信息,该系统采用三路分层采样(按实体筛选、多样性、随机)确保覆盖长尾模式,并通过循环迭代与去重机制提升准确性。知识指标可审核、手动保留或排除,支持持续接入。第二部分将基于这些指标生成可执行的查询,实现从“看到”到“检测”的跨越。

Elastic 中国社区官方博客 301

给海量查询“减负”:列式查询改写如何让检索更“省力”

Elasticsearch 9.5.0推出的列式查询改写技术,实现“零改造、高兼容、高精准”的查询优化。通过按需读取字段、谓词下推与嵌套扁平化,显著降低冗余读取与解码开销。基于1.8亿条日志的实测验证:16个用例命中数完全一致,核心时延持平,边界场景稳定,DSL语法兼容。系统自动降级兜底,确保功能可用。该技术特别适用于日志检索等海量数据场景,为集群性能提升提供开箱即用的底层支撑。

Elastic 中国社区官方博客 637

Elastic 如何帮助奥迪 Revolut F1® 车队在工程软件中找到关键信息

Elastic与奥迪RevolutF1®车队达成多年合作,将作为2026年美国大奖赛官方赛事合作伙伴,并自2027年起成为其官方搜索与可观测性供应商。通过Elastic技术栈(Logstash、Elasticsearch、Kibana),车队实现跨系统日志与遥测数据的统一视图,助力工程师在毫秒级内快速排查问题,提升软件可靠性。该合作不仅强化工程效率,更推动AI辅助诊断与决策支持,为赛车性能持续优化提供技术支撑。

Elastic 中国社区官方博客 218

5 分钟内将 56 页扫描文档转化为带引用的答案:面向搜索无法读取的文档的检索增强生成流水线

通过Elasticsearch与jina-ocr-v1结合,可将扫描版PDF(如56页植物指南)快速转化为可检索、可引用的知识库。该流程利用单一模型完成文档解析,输出结构化Markdown,再由Elasticsearch自动分块并生成嵌入向量,支持混合检索(关键词+语义)。用户以自然语言提问,系统返回带页码引用的答案及推荐商品,全程在统一平台内完成,无需自建流水线。

Elastic 中国社区官方博客 499

我们如何通过 70 多个拉取请求,将 OpenTelemetry Java agent 迁移到 invokedynamic

Elastic团队历时三年,将OpenTelemetry Java Agent从内联字节码插桩迁移至基于invokedynamic的类加载器隔离模式,支持100+插桩模块,提升可维护性与调试能力。相比此前三人团队的迁移,此次协作规模扩大,通过渐进式发布、运行时开关与自动化工具确保生产稳定。新架构实现插桩代码独立加载、兼容Java平台模块系统,并解决旧版本字节码兼容性问题。2026年7月,相关任务正式关闭,标志着迁移完成。

Elastic 中国社区官方博客 331

将 Elastic 引入 Claude:原因、方法与注意事项

Elastic发布Claude插件,将自身AI能力融入开发者工作流。从提交到上线仅用三周,但过程充满挑战:需绕过权限限制、调整版本管理策略(改用stable分支)、应对审核警告(如凭据提示、图标缺失等),且上线后无通知。插件首发于社区目录,需额外验证才能进入官方市场。作者强调,技术之外,与Anthropic团队的人际沟通是关键。经验表明,文档未覆盖的细节常需实战互动解决。欢迎开发者共享经验,共同推动生态发展。

Elastic 中国社区官方博客 117

告别繁琐控制台:Kabanos 如何将 MongoDB Compass 的易用性带入 Elasticsearch

Kabanos是一款专为macOS设计的本地优先桌面客户端,整合Elasticsearch与OpenSearch集群管理痛点。它结合MongoDB Compass式树状浏览与Kibana DevTools高效控制台,支持凭据安全加密、生产环境二次确认、只读模式及沙盒化架构,保障操作安全。内置查询库、自动化Routines与DryRun模式,提升运维效率。基于Electron与Zod校验,实现渲染层与网络请求隔离。快速上手:克隆仓库,启动Docker测试集群,运行pnpm dev即可使用。开源项目欢迎贡献,推

Elastic 中国社区官方博客 392
上一篇: Elastic:利用 Elastic Stack 来分析浏览器历史访问数据
下一篇: Elasticsearch:使用新的 wildcard 字段更快地在字符串中查找字符串 - 7.9 新功能
Elastic 中国社区官方博客
Elastic 中国社区官方博客 企业官方账号 企业官方账号 领域专家: 大数据技术领域 领域专家: 大数据技术领域
博客等级 码龄12年 5万+粉丝 3111原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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