Elastic 中国社区官方博客

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

UbuntuTouch — Sat, 07 Nov 2026 08:16:46 +0800

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。

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

UbuntuTouch — Fri, 06 Nov 2026 16:54:11 +0800

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。

Elasticsearch：稠密向量字段类型

UbuntuTouch — Thu, 05 Nov 2026 08:35:27 +0800

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。

使用 Qoder 将 CSV 文件导入 Elasticsearch

UbuntuTouch — Wed, 04 Nov 2026 11:02:00 +0800

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。

两条规则，一次故障，一条告警：变点检测如何减少告警噪声

UbuntuTouch — Wed, 04 Nov 2026 07:25:31 +0800

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。

把词向量“贴”在地球仪上：用球面视角看 Embedding 的真实几何

UbuntuTouch — Tue, 03 Nov 2026 15:18:33 +0800

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。

我们的 agent 技能如何调研、构建和测试完整的 Elastic 集成

UbuntuTouch — Tue, 03 Nov 2026 09:45:42 +0800

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。

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

UbuntuTouch — Tue, 03 Nov 2026 09:18:39 +0800

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，

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

UbuntuTouch — Mon, 02 Nov 2026 15:57:43 +0800

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。

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

UbuntuTouch — Sun, 01 Nov 2026 10:44:28 +0800

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。

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

UbuntuTouch — Fri, 30 Oct 2026 09:14:57 +0800

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 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

UbuntuTouch — Fri, 30 Oct 2026 08:26:00 +0800

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 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

UbuntuTouch — Thu, 29 Oct 2026 08:10:43 +0800

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。

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

UbuntuTouch — Wed, 28 Oct 2026 08:34:42 +0800

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。

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

UbuntuTouch — Tue, 27 Oct 2026 08:43:37 +0800

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 重大事件功能如何将 100 条日志样本转化为检测规则

UbuntuTouch — Tue, 27 Oct 2026 08:25:05 +0800

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。

给海量查询“减负”：列式查询改写如何让检索更“省力”

UbuntuTouch — Mon, 26 Oct 2026 19:28:43 +0800

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 如何帮助奥迪 Revolut F1® 车队在工程软件中找到关键信息

UbuntuTouch — Mon, 26 Oct 2026 15:58:57 +0800

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。

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

UbuntuTouch — Sun, 25 Oct 2026 09:22:10 +0800

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。

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

UbuntuTouch — Thu, 22 Oct 2026 08:47:49 +0800

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。