Elastic Observability 9.0/8.18:EDOT 现已正式发布,支持 LLM observability ,以及更多功能

作者:来自 Elastic Miguel Luna,Akhilesh Pokhariyal, Trevor Blackford, Daniela Tzvetkova, Chris Munns

Elastic Observability 9.0/8.18 宣布了几项关键功能:

  • Elastic Distributions of OpenTelemetry ( EDOT )正式发布:所有 EDOT 组件(包括 EDOT Collector 和适用于 Java、.NET、Node.js、PHP、Python、iOS 和 Android 的语言 SDK)现已正式发布,为 SRE 和开发者提供了一个适用于生产环境的稳定 OpenTelemetry ( OTel )生态系统。EDOT 保留了 OpenTelemetry 原生的结构规范和资源属性,增强了关联性和分析能力,同时还包含超出 OTel 发布周期的修复,以及无需专有插件的企业级支持。
  • 面向 GenAI 应用的 LLM observability:LLM observability 现已正式发布,为基于 AI 的应用程序的 SRE 和开发者提供端到端的洞察,帮助他们管理和优化大语言模型( LLM )应用的性能、成本、安全性和可靠性。一组精心策划的 observability 信号和预配置仪表盘,为包括 Azure OpenAI、AWS Bedrock、Google Vertex AI 和 OpenAI 在内的所有主流 LLM 提供全面洞察。这对 SRE 来说是一项重要功能,因为它提供了对集成 LLM 应用程序的行为、性能和潜在故障的可见性、可追溯性和可控性。
  • 其他增强功能包括:对 Logstash 的性能和安全性改进、Elastic Agent 对 AWS EKS 的支持,以及 Discover 的增强。

Elastic Observability 8.18 和 9.0 现已在 Elastic Cloud 上提供 — 这是唯一一个包含此最新版本所有新功能的 Elasticsearch 产品。你也可以下载 Elastic Stack 以及我们的云编排产品 — Elastic Cloud Enterprise 和 Elastic Cloud for Kubernetes — 进行自托管体验。

Elastic 9.0/8.18 还有哪些新内容?查看 9.0/8.18 公告文章了解更多。

Elastic Distributions of OpenTelemetry ( Collector 和 SDK )正式发布

Elastic Distributions of OpenTelemetry ( EDOT )现已正式发布,提供了一个完全开源、适用于企业的 OpenTelemetry 发行版,具备经过生产验证的稳定性和专家支持。EDOT 包括 OTel Collector 和语言 SDK,能够在保持 OpenTelemetry 标准的同时,实现来自应用程序和 Kubernetes 的无缝遥测数据收集。与厂商锁定的解决方案不同,EDOT 完全开源,确保了互操作性,并且没有任何专有修改。通过在标准 OTel 发布周期之外进行主动修复,并且与 Elastic Observability 无缝集成,EDOT 为 SRE 提供了一个可靠、可扩展的方式来采用 OpenTelemetry,而不会引起运维中断。

EDOT 随 Observability 9.0 发布,并将兼容 8.18 和 8.19 版本,以及 Elastic Stack 9.0。立即开始使用 EDOT,体验简化的、原生的 OpenTelemetry。

LLM 可观测性

LLM 可观测性集成正式发布

随着企业在内容创作和数据分析等 AI 驱动任务中采用 LLM,他们越来越需要更灵活的托管解决方案。AI 模型带来了对监控和可观测性的独特需求。常见挑战包括高昂的运营成本、确保响应质量和安全性、以及保持模型的性能和可用性。缺乏清晰的可见性,使得 SRE 和 DevOps 团队难以达成关于可靠性、性能、成本和质量的服务水平目标,也难以收集足够的遥测数据用于故障排查。

在 8.18/9.0 版本中,Elastic 宣布四个 LLM 可观测性集成正式发布,扩展了可观测模型的平台范围,以确保客户能根据需求选择最合适的方案。现在,客户可以获得一套精选的指标和日志,以及针对最流行的 LLM 托管提供商(包括 OpenAI、Azure OpenAI、托管在 Amazon Bedrock 和 Google Cloud Vertex AI 上的模型)开箱即用的仪表盘。这些集成提供了关于模型使用、成本和运行性能的深入洞察,包括延迟、错误、token 使用量、模型调用频率、模型资源使用情况,以及提示词和响应内容。

使用 EDOT,对基于 OpenAI 的 Python、Node.js 和 Java 应用进行 APM 追踪

LLM 驱动的应用为利用生成式 AI 的力量提供了前所未有的机会。OpenAI 模型是最受欢迎的模型之一,广泛应用于各种应用程序中。然而,将 LLM 集成到应用程序中,需要一套全新的可观测性能力。有了合适的日志、指标和追踪,开发者可以回答诸如 “是哪个版本的模型生成了这个响应?” 或 “我的 RAG 应用生成的具体聊天提示词是什么?” 这样的问题。

我们很高兴地宣布,在 EDOT 语言 SDK 中推出了首个 GenAI 监测功能:OpenAI。通过 Elastic 的 APM 增强功能,现在你可以使用我们的 Python、Node.js 和 Java EDOT SDK 来观测生成式 AI 应用程序。

现在你可以查看 OpenAI span 的详细追踪信息,包括持续时间、tokens 数量,以及 LLM 的提示词和响应内容。

AI 安全性与可靠性

构建 GenAI 驱动应用程序的客户希望确保他们应用程序的安全性与可靠性,这也包括为幻觉、事实错误、偏见、有害内容和敏感数据泄露设置防护措施。通过对 Elastic 的 Amazon Bedrock 集成进行增强,支持 Amazon Bedrock Guardrails,你可以监控由可配置防护措施控制的安全性和可靠性关键方面。

Elastic Security 通过提供审计 LLM 是否存在恶意行为(如提示注入)的能力,进一步增强了这些功能。

Logstash 性能与安全性改进

持久队列将事件写入磁盘,以防止在故障发生时丢失数据。我们增强了反序列化功能(deserialization),使你能够 5 倍更快地写入大事件。此外,我们为两个流行插件新增了身份验证功能。现在,你可以使用 IAM 角色进行服务账户身份验证,从而简化 AWS 集成的访问管理并增强安全性。Kafka 集成现在支持 OAuth 和 SASL,为 Kafka 用户提供更加灵活和安全的身份验证选项。

Elastic Agent 和 AWS Elastic Kubernetes Service (EKS)

Elastic Agent 版本 8.18 和 9.0 的容器现在将作为 AWS Elastic Kubernetes Service (EKS) 用户的 EKS 附加选项提供。这一新增的市场功能使 Elastic Agent 用户能够轻松部署 Elastic Agent 容器,并无缝集成到他们的 EKS 集群中。

告别 Logs Explorer 和 Logs Stream,迎接 Discover

从最初开始,Kibana Discover 一直是探索数据(包括日志)的首选工具。长期以来,Discover 是一种通用的查找各种数据的方式。然而,有时候这种通用方式限制了我们在日志分析体验上的提升。因此,在 8.x 中,我们引入了 Logs Explorer,作为专门的观察性功能,提供定制化的日志分析功能,如自动日志级别检测和改进的摘要。虽然一些用户喜欢这种专门的方式,但大多数用户仍然依赖 Discover,因为它具有灵活性并能无缝支持不同的数据源。

听取了用户反馈后,我们将日志探索(log exploration)整合到 Discover 中,使其成为分析所有数据的单一、更强大的工具。在过去的几个小版本中,我们逐步废弃了 Logs Explorer 和 Logs Stream,将精力集中在增强 Discover 的动态、日志特定功能上。在 9.0 版本中,我们决定彻底移除 Explorer 和 Stream 组件,支持这一全新的体验。

试试吧

阅读这些功能和更多内容,请查看发布说明。

现有的 Elastic Cloud 客户可以直接从 Elastic Cloud 控制台访问许多这些功能。如果你还没有使用 Elastic 云服务?开始免费试用。

本文中描述的任何功能或功能的发布和时间安排完全由 Elastic 决定。任何当前不可用的功能可能不会按时交付,甚至可能完全不交付。

在这篇博客文章中,我们可能提到或使用了第三方生成 AI 工具,这些工具由各自的所有者拥有和运营。Elastic 对这些第三方工具没有任何控制,也不对其内容、操作或使用负责,也不对因使用这些工具而产生的任何损失或损害负责。请在使用 AI 工具处理个人、敏感或机密信息时谨慎。你提交的任何数据可能会用于 AI 训练或其他目的。我们无法保证你提供的信息会保持安全或保密。在使用任何生成 AI 工具之前,您应该熟悉其隐私实践和使用条款。

Elastic、Elasticsearch 及相关标志是 Elasticsearch N.V. 在美国及其他国家的商标、徽标或注册商标。所有其他公司和产品名称均为各自所有者的商标、徽标或注册商标。

原文:Elastic Distributions of OpenTelemetry (EDOT) now GA, LLM observability | Elastic Blog

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 1427

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 1288

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 1076

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 225

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 275

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 379

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 288

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 245

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 332

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 260

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 555

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 181

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 193

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 327

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: Elasticsearch 9.0 和 8.18:为开发者精心打造,带来更快速的 BBQ 体验 — 比 OpenSearch 快 5 倍
下一篇: Elastic Platform 8.18 和 9.0:ES|QL Lookup Joins 功能现已推出,Lucene 10!
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