Elastic 中国社区官方博客

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。

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。

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。

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 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。

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 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 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。

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。

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

Kibana通用告警将ES|QL查询转化为可管理的告警数据，支持灵活的规则定义、精细的延迟与恢复控制、跨系统告警统一视图及基于工作流的通知策略。它与经典告警并行运行，适用于复杂场景，如自定义严重级别、多源告警整合与精细化通知管理。2026年10月起将在Elastic云端无服务器服务中默认启用，兼容托管与自托管部署，助力团队实现高效、可扩展的可观测性告警体系。

本文通过《猫咪大逃脱》游戏演示如何使用OpenTelemetry为Python应用插桩，将追踪、指标、日志数据通过OTLP发送至ElasticAPM。结合ES|QL规则，在任意猫逃脱尝试达10次前触发告警，实现精准拦截。该架构可迁移至安全场景，如将“逃脱尝试”替换为“登录失败”，用于检测撞库攻击，展现ElasticObservability在可观测性与告警中的强大能力。

Elastic推出OpenTelemetry.NET SDK声明式配置功能，通过YAML文件实现无需代码修改的遥测配置。新包OpenTelemetry.Configuration.Declarative将YAML解析为强类型模型，映射为扁平OTEL_*键，兼容.NET的IConfiguration系统。支持环境变量替换、资源属性配置及覆盖模式，优先级高于其他配置源。初始版本聚焦核心功能，后续将扩展组件支持、类型化属性与严格模式。该功能由PR#7413实现，8,800行代码中三分之二为测试，确保符合规范。项目

本教程指导如何为自行管理的ElasticStack部署替换默认证书，实现端到端TLS安全。涵盖Elasticsearch节点间传输层与HTTP层的TLS配置，包括生成自定义CA、分发证书、更新配置并重启服务；配置Kibana信任新CA并启用HTTPS；为FleetServer及ElasticAgent部署自定义证书，确保各组件间安全通信。全程基于私有CA，不涉及双向TLS，适用于生产环境的安全加固。

本教程指导在自行管理环境中安装配置ElasticStack 9.5.5，搭建三节点Elasticsearch集群，并部署Kibana、FleetServer与ElasticAgent。通过自动安全设置启用TLS加密，ElasticAgent配置System集成采集系统日志与指标，数据在Kibana中可视化展示。推荐使用TAR/ZIP包以支持Fleet升级，生产环境建议使用自定义证书。

警务工作的未来，不仅取决于调整警队组织架构或投资 AI，更取决于能否让数据跨越边界发挥价值。警务工作正面临加快变革的要求。英国内政部发布的白皮书《从地方到全国：警务新模式》，提出了数十年来最重大的警务改革方案之一：整合为数量更少、规模更大的区域警队，组建新的国家警察局，强化全国统一标准，更广泛地运用技术与数据，并以更加协调的方式打击严重和有组织犯罪。¹数据是这些计划的核心。白皮书指出，据估计，目前超过 90% 的犯罪涉及数字要素，而数据却分散在 43 支警队中，且记录格式各异。为此，白皮书提议设立新

新一代知识访问是一种用于查找、理解和利用信息的先进方法，突破了传统搜索方式和静态知识库的局限。在公共部门，这意味着 AI 系统和操作人员能够在恰当的时间，结合恰当的上下文，获取所需知识，无须再手动搜索彼此孤立的信息源。

本指南介绍如何使用Elastic Observability监控Java应用，涵盖日志、指标、APM和Uptime四大方面。通过创建示例Java应用，配置Filebeat摄取日志并结构化处理，使用Metricbeat采集Prometheus指标，部署Elastic APM Java Agent实现性能追踪，并借助Heartbeat监控服务可用性与延迟。推荐使用Elastic OpenTelemetry SDK作为首选instrumentation方式。最终在Kibana中实现日志、指标、链路追踪与服务健康度

学习如何使用配置一个自行管理的连接器（Self-managed Connector）。在本示例中，我们将使用，将 PostgreSQL 数据库中的数据同步到 Elasticsearch。我们将通过 Docker 启动一个简单的 PostgreSQL 实例，并导入一些示例数据。随后，创建一个连接器，并将数据库中的数据同步到 Elasticsearch。你也可以按照相同的步骤，为其他数据源配置连接器，实现数据同步。

本文演示如何通过Elastic异常检测、余量规则与Kubernetes压力模板，提前预警节点内存压力。在分阶段负载测试中，异常检测比内存压力告警早2分31秒触发，识别出内存工作集变化的容器组，而非被驱逐的低优先级NGINX。结合EDOT收集器与OpenTelemetry数据，实现从节点到容器组的全链路追踪。实验表明，平稳增长才易触发异常告警，突增则可能漏报。建议启用三种信号协同监控，合理设置宽限期，提升响应时间。

本文演示如何使用Elastic的OpenTelemetry收集器（EDOT）实现365天审计日志保留，并通过ES|QL查询验证日志完整性。借助可搜索快照，用户可统一查询近期与一年前的审计事件，确保调查方式一致。实验涵盖日志采集、结构化处理、索引生命周期管理及权限控制，强调不可变性、篡改检测与访问隔离，助力满足SOC2、ISO/IEC 27001等合规要求。

本教程演示如何使用Kibana创建时间序列可视化图表，基于电商数据构建销售趋势仪表板。通过kibana_sample_data_ecommerce索引，将@timestamp替换为order_date字段，利用柱状图、折线图、面积图等多类型可视化分析订单数量、价格分布、客户行为及周末订单累计趋势。结合参考线、百分位数、时间偏移（Timeshift）和公式（Formula）功能，实现同比、环比及百分比变化分析。最终通过表格展示按大洲分组的客户分布，并保存完整仪表板，适用于各类时间序列数据分析场景。

在多租户Kubernetes集群中，一个批处理任务（team-batch）占用1.7个CPU核心，导致店面服务（team-storefront）响应时间超500毫秒的请求占比从99.6%骤降至59%。通过ES|QL查询kubelet指标，结合租户标签追踪，定位到问题部署。将批处理任务的CPU上限设为500毫核，并设置命名空间资源配额后，店面服务性能恢复至99%以上。借助服务等级目标（SLO）持续监控，验证修复效果，实现可观测性驱动的故障排查与治理。

Elastic AgentBuilder正式发布对话共享功能，支持实时、双向协作。用户可将完整对话线程共享给团队成员或公开给所有有权限者，无需复制摘要。共享对话保持实时更新，接收者可继续与同一Agent交互，保留上下文历史。访问权限基于Kibana权限，确保安全可控。适用于SRE事件响应、交接班等场景，提升协作效率。该功能已上线ElasticCloud Serverless，9.6版本将支持Hosted与自管理部署。立即试用并查看文档，开启智能协作新体验。

本教程通过Kibana示例数据，循序渐进指导用户创建网站日志仪表板，涵盖数据加载、时间筛选、可视化图表（如指标、折线图、矩形树图）构建及多维度分析。重点展示独立访客数、流量来源、文件大小分布与地理位置等关键指标，支持自定义区间、过滤器与分组，最终生成可保存、可共享的综合性日志监控仪表板，适用于各类数据分析场景。

本文介绍如何利用Elastic Stack对不同来源的数据（CSV、MySQL、Elasticsearch）进行地址增强与补全。通过Filebeat+Logstash处理CSV数据，使用CSV过滤器解析并结合地理坐标查询实现地址标准化；针对数据库和Elasticsearch数据源，分别采用JDBC和Elasticsearch输入插件读取原始数据，并在管道中完成地理信息补全。实验表明，每秒可处理约140条文档，平均延迟34毫秒，性能满足ETL需求。作者建议在Logstash中执行耗时操作，避免影响Elasti

本文介绍了如何利用Elasticsearch索引的法国邮政地址数据（BANO）实现高效搜索与Logstash数据增强。通过精确查询、地理距离排序及索引优化（如按省份编号缩小查询范围），显著提升响应速度。结合HTTP输入插件与热重载机制，优化Logstash开发体验。最终构建智能管道，根据输入自动选择基于名称或地理坐标的查询模板，并动态匹配索引，实现地址补全与增强，为后续数据处理奠定基础。

本文介绍如何利用法国公共数据集BANO（国家地址数据库）在本地构建地址信息丰富系统。针对地址数据不完整或格式混乱的问题，作者通过Shell脚本下载并解析BANO的CSV文件，使用Logstash将数据导入Elasticsearch，实现地址标准化、地理坐标映射及反向地理编码。通过自定义分析器与索引模板，支持模糊搜索、同义词处理和多省份聚合。最终，1640万条地址数据被成功加载，可在Kibana中可视化分布，为邮件投递、客户定位等场景提供高效、隐私安全的解决方案。

作者：来自 ElasticAlertZero 通过四个各司其职的 AI Agent，为 Elastic Security 引入 AI 驱动的安全运营中心（SOC）自动化能力，让告警队列不再主导你的工作优先级。未经你的批准，系统不会对你的环境进行任何更改。过去几个月里，我们一直在与安全团队深入交流，并针对你们提出的、因 AI 加速发展而带来的安全挑战构建解决方案。其中一个突出问题是，随着攻击者开始利用 AI，安全告警的数量和产生速度都在急剧增加，让安全团队不堪重负。

Elastic荣获Gartner 2026《企业AI搜索魔力象限》领导者称号，执行能力与愿景完整性双领先。在配套《关键能力》报告中，其在AI自动化用例中排名第一，其余六大场景均位列第二。凭借强大的检索引擎、开源生态及对向量搜索的持续投入，Elastic为AI agent提供精准上下文，助力企业实现可规模化、低幻觉的AI应用落地。

本文介绍如何在Elasticsearch中实现分面导航，通过Lucene的lucene-facet库为Genre、BPM、Rating和Year字段添加分面支持。关键在于使用SortedSetDocValuesFacetField存储关键词分面，避免文本分词影响分组；数值范围则直接利用DoubleField/IntField的DocValues。通过FacetsCollector与DrillSideways实现高效计数与钻取，支持复选框筛选与直方图展示，确保用户可动态调整过滤条件而不丢失其他维度信息。完整示

Elastic发布AWS云监控新功能，通过无需Agent的OpenTelemetry集成，实现对EC2、ECS、Lambda、RDS等服务的全面可观测性。43个告警模板、8个SLO模板与24个机器学习异常检测任务覆盖核心故障模式。结合自动化根因分析workflow，可在36秒内定位连接泄漏等故障，生成含证据链与建议的报告。配套AI技能csp-investigationskill支持开放式问题调查。所有功能已在Elastic Cloud及自托管部署中上线，Kibana 9.5+版本支持，助力运维闭环自动化。

FSCrawler 3.0正式发布，历经4年7个月的迭代，实现重大升级：引入统一插件架构（支持HTTP、S3等多源）、内置Elasticsearch 7/8/9通用二进制、升级至Apache Tika 4.0、支持VLM OCR（如Qwen2.5VL）、REST API重构为/_document、Checkpoint持久化实现断点续爬、自动创建Kibana Dashboard。功能全面增强，兼容性提升，但不支持从2.9直接升级。项目由社区与AI辅助开发，标志着其15年发展的重要里程碑。

本文介绍如何使用Apache Lucene作为进程内搜索索引，将JavaBean（如音乐库中的Track）映射为Document实现高效搜索。通过自定义Analyzer（StandardTokenizer + LowerCase + ASCIIFolding）处理文本，区分TextField（分词用于全文检索）与StringField（精确匹配用于过滤），并合理使用数值字段支持范围查询。强调id作为唯一键，确保搜索结果可关联原始数据。代码示例展示完整映射逻辑，适用于fat-jar部署，无需本地库。

本文介绍了如何使用Lucene构建本地索引，通过ByteBuffersDirectory在内存中管理索引，封装IndexWriter实现增删改查操作。重点讲解了倒排索引机制：将词项（如“bob”）映射到包含它的文档列表（posting list），提升搜索效率。演示了按ID的upsert与删除、完整重建索引等操作，并强调索引应作为辅助而非权威数据源。在约4300条音乐数据下，重建耗时仅400ms，内存占用1.1MB，适合启动时重建。后续将深入搜索原理。代码见GitHub：lucene-search-trac