【活动通知】2023 Elastic Meetup 北京站将于12月2日下午1点30在北京召开

于 2023-11-20 21:54:52 发布
阅读量436 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Elasticsearch Elastic Kibana 文章标签： elasticsearch 大数据 搜索引擎 前端 全文检索 sql
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.youkuaiyun.com/UbuntuTouch/article/details/134519597
12月2日，ElasticMeetup在北京腾讯总部举行，邀请行业专家和企业分享Elasticsearch应用案例，呈现最新技术动态与思维火花。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《2023 Elastic Meetup 北京站》活动将于 12 月 2 日下午 1 点 30 在北京市海淀区西北旺东路10号腾讯北京总部大楼213会议室举办，届时将有行业专家及知名企业分享他们在 Elasticsearch 应用中的经验与观点，带来最前沿的技术分享与思想碰撞。

请使用电脑浏览器在Elastic 中国社区官方博客_Elastic,Elasticsearch,Kibana-优快云博客  点击 “Meetups” 找到更多详情。

谢谢！

博客
Elastic 线下 Meetup 将于 2025 年 7 月 27 号下午在深圳举行
07-01 1334
2025ElasticMeetup深圳站将于7月27日在腾讯滨海大厦举行，聚焦AI驱动搜索技术前沿。活动邀请Elastic、腾讯云等专家分享向量搜索、RAG技术演进、百亿级AISearch优化实践等议题，涵盖搜索智能化、多模态检索、日志系统应用等热点。刘晓国、陈曦等资深技术人将深入解析行业趋势，活动还设有茶歇交流及抽奖环节。需提前实名报名并验证入场。
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 16万+
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
在 Elasticsearch 8.19 和 9.1 中引入更强大、更具弹性和可观测性的 ES|QL
07-30 302
Elasticsearch 8.19和9.1版本发布，重点增强了ES|QL查询语言功能。主要更新包括：生产级LOOKUP JOIN功能正式可用，支持混合数值类型join和索引别名；查询引擎默认具备更强弹性，支持部分结果返回和自动重试；性能提升显著，优化了30多项操作；跨集群搜索(CCS)正式发布；新增可观测性功能如查询日志和实时监控API。此外还引入了LLM completion支持、新聚合函数等特性，帮助用户构建更强大的搜索解决方案。
博客
Elasticsearch 8.19.0 和 9.1.0 中 LogsDB 和 TSDS 的性能与存储改进
07-30 382
Elasticsearch 8.19.0和9.1.0版本针对TSDS和LogsDB进行了多项性能优化。主要改进包括：通过移除恢复源数据将磁盘I/O降低50%；优化doc_values段合并使性能提升40%；改进数组处理减少重复存储；用跳表替代BKD树使_seq_no字段存储减少50%。这些改进使LogsDB存储效率提升最高达4倍，索引吞吐量损失控制在10%以内。升级后，用户能以更低成本高效管理海量日志和指标数据。
博客
Elasticsearch 现在默认启用 BBQ，并通过 ACORN 实现过滤向量搜索
07-30 827
Elasticsearch 9.1推出两项向量搜索重大改进：新算法ACORN显著提升过滤向量搜索速度（典型场景5倍加速）；BBQ量化方法在降低32倍内存占用的同时，基准测试显示其排序质量优于传统float32搜索。这些创新让开发者能在不牺牲质量的前提下，构建更快速、更低成本的AI搜索应用。用户升级至新版本即可自动获得这些优化功能。
博客
人工智能是网络安全最大的威胁
07-29 453
摘要：AI正成为网络安全领域的关键力量，既是最大威胁也是最强防御。AI驱动的解决方案能提供实时威胁洞察，实现从被动防御到主动"反脆弱"的转变。生成式AI通过分析海量安全数据，帮助分析师快速处理事件并优化响应策略。自适应安全理念结合AI技术，使系统能动态应对变化威胁环境。Elastic开发的AI助手等工具正在重塑安全运营模式，将重复工作自动化，让专业人员专注于战略决策。虽然AI不会取代网络安全岗位，但已成为现代安全体系的基础要素，实现人机协同防御。
博客
Elastic 劳动力的生成式 AI：ElasticGPT 的幕后解析
07-26 923
Elastic公司推出内部AI助手ElasticGPT，基于RAG框架构建，整合Elastic技术栈实现安全高效的智能问答。该系统核心是私有RAG模型SmartSource，通过Elasticsearch进行向量检索，结合OpenAI的GPT-4o模型生成响应。架构采用ElasticCloud部署，包含前端EUI框架、后端Elasticsearch存储和LangChain编排层，所有交互均受严格安全管控并记录分析。该平台既验证了Elastic的AI能力，也为客户提供了构建企业级生成式AI的参考范例，未来将持
博客
LlamaIndex 和 Elasticsearch Rerankers：无与伦比的简洁
07-25 1168
本文介绍了如何从LlamaIndex RankGPT reranker迁移到Elasticsearch内置的语义重排序器。作者通过笔记本电脑产品搜索场景，对比展示了两种重排序方法的应用效果。Elasticsearch提供了开箱即用的重排序功能，可直接集成到检索管道中，无需额外操作且具备可扩展性。文章详细演示了使用LlamaIndex RankGPT和Elastic semantic reranker的具体实现步骤，包括数据准备、索引创建、查询执行和结果对比。测试结果表明，两种方法都能有效提升搜索质量，将高端
博客
使用 Elastic Observability 监控 Proxmox VE 部署
07-24 741
本文介绍了如何利用Elastic Observability监控Proxmox VE虚拟化平台及其运行的Linux容器(LXC)和虚拟机(VM)。通过在Intel N100迷你电脑搭建的家庭实验室中部署Elastic Agent，将数据上报至Elastic Cloud进行集中监控。文中详细演示了Kibana的主机监控功能、火焰图分析以及Observability AI助手如何通过自然语言查询快速分析系统状态。此外，还指导了如何设置CPU负载告警规则，实现系统异常的主动发现。该方案为Proxmox VE环境提
博客
分层解析：生成式 AI 和以知识为中心的服务如何简化客户支持
07-23 1015
生成式AI与KCS正在重塑客户支持模式。传统分层支持模型因响应延迟、重复沟通导致客户体验不佳。通过整合知识库和非结构化数据，生成式AI能提供实时准确的答案，实现客户自助服务并减少工单量。支持团队可借助AI快速获取解决方案，专注于复杂问题。这种转变使支持从被动响应转向主动预防，同时提升工程师角色价值，将其从重复工作中解放出来，专注于战略咨询和复杂问题解决。Elastic开发的SupportAssistant正是这一理念的实践成果。
博客
制定一个可靠的生成式 AI 数据策略的 4 个步骤
07-23 1024
​生成式人工智能（GenAI）承诺通过自然语言输出来彻底改变组织及其团队。它承诺提供更快、更智能、更高效的技术，但却从未告诉你如何制定一个有效的策略来最大化 AI 的功能。生成式 AI 成功的关键在于一个能够将你的数据与业务优先级对齐的策略。虽然生成式 AI 的能力具有革命性，但真正的转变发生在数据、IT 和业务策略协同工作的情况下。没有以数据为中心的业务策略，即使是最先进的 AI 模型也可能无法为你的利润带来真正的价值。你最终只会拥有一堆表现不佳的工具。那么，如何确保你的企业能够充分利用生成式
博客
使用 FastAPI 构建 Elasticsearch API
07-23 1712
本文介绍了如何使用Pydantic模式和FastAPI构建安全的Elasticsearch API层。主要内容包括：1）通过FastAPI创建中间API层来保护Elasticsearch集群，避免直接暴露查询逻辑；2）演示了数据准备过程，包括索引创建和数据导入；3）实现了基本的搜索功能，并通过Pydantic模型优化请求响应结构；4）利用FastAPI的后台任务功能处理长时间运行的删除操作。文章强调采用类型检查和有限参数控制来增强安全性，同时展示了FastAPI在简化API开发方面的优势。
博客
Elastic Cloud 简化版：GCP Marketplace
07-22 716
本文介绍了如何通过Google Cloud Marketplace快速部署Elasticsearch服务。主要内容包括：1) 使用Google Cloud账户订阅Elastic Cloud服务，实现集中计费管理；2) 简化的部署流程，3-5分钟即可完成生产级集群搭建；3) 三种部署方式比较，推荐使用Marketplace获得最简化的管理体验；4) 详细步骤说明，从订阅到创建部署再到API调用；5) 订阅管理和技术支持信息。该方案适合希望快速使用Elasticsearch而不想管理基础设施的用户。
博客
Elasticsearch 是 NVIDIA Enterprise AI Factory 验证设计中推荐的向量数据库
07-21 998
Elastic与NVIDIA合作，将其向量数据库Elasticsearch集成到NVIDIA Enterprise AI Factory验证设计中，为企业提供本地AI解决方案框架。该合作重点优化AI模型部署、多模态数据提取和嵌入生成，并计划通过NVIDIA cuVS库实现GPU加速，提升向量索引构建和查询性能。Elasticsearch将利用GPU优化，进一步巩固其作为向量数据库的领先地位。此次合作建立在Elastic现有优化基础上，旨在支持实时AI应用开发。
博客
Elasticsearch 简化指南：GCP Google Compute Engine
07-20 813
本指南详细介绍了在Google Compute Engine上手动部署Elasticsearch和Kibana的完整流程。内容包括：创建GCP虚拟机实例、配置防火墙规则开放Kibana端口、通过SSH连接到实例、安装并验证Elasticsearch（包括安全证书生成）、安装配置Kibana实现可视化，以及最终通过浏览器访问Kibana仪表板。文章特别强调了生产环境需考虑的扩展配置，如多节点集群搭建和自动备份方案，为需要完全控制Elasticsearch环境的用户提供了GCP基础设施上的部署方案。
博客
Elasticsearch 重命名索引
07-19 1277
本文介绍了Elasticsearch中四种重命名索引的实用方法：别名(alias)、Clone API、快照/恢复和Reindex API。由于Elasticsearch的分布式架构不允许直接重命名索引，每种方法都有其适用场景：别名最轻量且实时生效，用于简单名称变更；Clone API通过硬链接快速复制索引；快照/恢复基于备份实现重命名；Reindex API最强大但资源消耗大，适合数据转换场景。文章详细说明了各方法的操作步骤、限制条件和最佳实践，帮助用户根据具体需求选择合适方案。
博客
AI 驱动的仪表板：从愿景到 Kibana
07-18 1325
本文介绍了一种利用大语言模型(LLM)将手绘仪表板图像自动转换为Kibana仪表板的方法。作者通过提供Elasticsearch索引映射和可视化模板，让LLM分析图像内容并生成符合要求的JSON配置，再通过Kibana API创建完整仪表板。该方法解决了直接让LLM生成NDJSON格式时常见的格式错误问题，采用模板替换的方式提高了可靠性和扩展性。文章详细说明了实现步骤，包括数据准备、LLM配置、模板填充和仪表板创建等关键环节，并提供了一个可运行的Python应用示例。最后展示了生成仪表板的URL和ID，证明
评论 2
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