Elastic Stack专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Elastic Stack专栏

专栏成员

184

文章

476608

阅读量

52

订阅数

Elasticsearch 开放推理 API 新增 Hugging Face 原生分块支持

通过 Elasticsearch 的开放推理 API，你可以使用 Hugging Face 的 Inference Endpoints 在 Elasticsearch 外部进行推理。这使你能够利用 Hugging Face 的可扩展基础设施，包括在 GPU 和 AI 加速器上进行推理的能力。生成的 Hugging Face 嵌入的使用能力作为第一个开放推理 API 集成在 Elasticsearch 8.11 中引入，从那时起，我们一直在努力更新它，增加了更强大的功能，使你能够以更少的努力获得更好的结果。

2024-09-15

930

Elasticsearch: 使用LTR实现个性化搜索

今天，用户已经习惯了根据他们个人兴趣量身定制的搜索结果。如果我们平时听的都是摇滚歌曲，那么当我们搜索“Crazy”时，我们希望结果列表的首位是Aerosmith的歌曲，而不是Gnarls Barkley的那首。在这篇文章中，我们将探讨如何在使用学习排序（LTR）进行个性化搜索之前，先了解一些个性化搜索的方法，并以音乐偏好为例进行说明。

2024-09-13

980

Elasticsearch 时间序列数据存储成本优化

在这篇文章中，我们将介绍Elasticsearch在时间序列数据存储方面的重大改进，并提供关于存储效率的性能预期。

2024-09-12

1080

Elasticsearch向量搜索进化史：从7.x到8.15的关键创新

elasticsearch vector

回顾在Elasticsearch从最早版本到最新8.15.0版本中，关于速度、规模和相关性的所有变化，真是令人惊叹，我们已经走了多远。

2024-09-11

1780

Elasticsearch 新的索引 mode: Logsdb 初体验

Elasticsearch Service

随着现代 IT 架构中数据量的激增，日志数据的管理成为了企业面临的关键挑战之一。企业在面对数十亿条日志时，不仅需要高效存储，还要求实时查询和分析能力。作为行业领先的分布式搜索与分析引擎，Elasticsearch 一直是日志分析的首选工具。

2024-09-10

6790

高级RAG技术第1部分：数据处理

Elasticsearch Service

最近的论文《搜索增强生成中的最佳实践》通过实证研究评估了各种增强RAG技术的效果，旨在汇聚一套RAG的最佳实践。

2024-08-19

2020

在腾讯云 Elasticsearch Service 上安装 APM Server 指南

Elasticsearch Service

腾讯云 Elasticsearch Service 目前还未提供托管的 APM Server，因此我们需要手动安装 APM Server 才能体验 Elastic APM 的功能，或将 OpenTelemetry 的数据导出到腾讯云 Elasticsearch Service。本文将详细介绍如何通过 Fleet 服务器在腾讯云 ES 上安装和配置 APM Server，解决安装过程中可能遇到的网络连接问题，并探讨使用 OpenTelemetry 与 APM 的价值。

2024-08-14

1530

LangChain 与 Elastic 合作，加入向量数据库和语义重排序功能以增强 RAG

在过去的一年里，生成式 AI 领域发生了很多变化。许多新服务和库相继出现。LangChain 已成为构建大语言模型 (LLM) 应用程序（例如检索增强生成 (RAG) 系统）最受欢迎的库之一。这个库使得原型设计和实验不同模型及检索系统变得非常容易。

2024-08-11

2530

Elasticsearch Query Rule 现已普遍可用

Query Rule允许对特定查询或搜索用例进行细致入微的调整，以改变搜索结果。这在需要将品牌或赞助结果固定在搜索结果顶部的活动中非常有用，也可以帮助你在一些常见查询中“修正”顶部结果。

2024-08-11

860

使用 Elastic 和 Mistral 构建多语言 RAG 系统

Mixtral 8x22B 是目前性能最强的开源模型之一，其最强大的功能之一是其在多种语言上的流利度，包括英语、西班牙语、法语、意大利语和德语。

2024-08-05

1300

日志场景下 Elasticsearch 数据管理和存储优化策略

在Elastic公司，我们大多数成功的客户实施案例都始于一个单一的用例，旨在解决特定的业务需求。开发人员通常因为Elastic提供的功能而首次采用它。然而，由于其灵活性和可定制性，客户往往会将Elastic扩展到其他需求，比如日志记录和应用性能监控、SIEM和安全操作，甚至是利用Elastic中的数据进行更复杂的搜索用例。

2024-08-04

1000

使用 OpenTelemetry 提升 Elastic Observability 中的基础设施监控

在 Elastic，我们最近决定全面采用 OpenTelemetry 作为主要的数据收集框架。作为一名可观测性工程师，我坚信供应商中立对于为客户提供最大价值至关重要。通过承诺使用 OpenTelemetry，我们不仅保持技术的前沿，还推动其发展。这项投资使我们处于行业的前沿，倡导更开放和灵活的可观测性方法。

2024-07-31

1350

教你评估搜索相关性(第1部分)

这是一个系列博客的第一篇，讨论如何在更好地理解 BEIR 基准的背景下评估自己的搜索系统。我们将介绍一些具体的技巧和方法，以改善您的搜索评估过程，并介绍一些常见的问题，这些问题会使评估变得不那么可靠。最后，我们指出 LLMs 提供了一个强大的新工具，可以帮助搜索工程师评估搜索效果，并通过示例展示如何使用它们来帮助评估搜索。

2024-07-31

1260

提升搜索排名精度：在Elasticsearch中实现Learning To Rank (LTR)功能

Elasticsearch Service

从Elasticsearch 8.13版本开始，我们原生集成了Learning To Rank (LTR)功能。LTR利用训练过的机器学习（ML）模型为你的搜索引擎构建一个排名函数。通常，该模型作为第二阶段的重新排序器，以改进由第一阶段简单检索算法返回的搜索结果的相关性。

2024-07-17

1250

将生成式AI项目投入运营：在生产环境中部署和管理RAG流水线的最佳实践

Elasticsearch Service

检索增强生成（Retrieval Augmented Generation, RAG）为组织提供了一个机会，可以通过应用生成式AI（Generative AI, GenAI）功能来利用大型语言模型（LLMs）处理自己的专有数据。使用RAG可以减少风险，因为我们依赖于受控数据集作为模型回答的基础，而不是依赖可能不可靠、不相关或错误的训练数据。然而，您必须持续管理RAG流水线，以确保答案是基于事实和准确的。本文将探讨在生产环境中部署RAG功能时需要注意的关键点，并演示Elastic Search AI平台如何提供所需的见解，让您安心运行RAG流水线。

2024-07-15

1980

Elastic、Google Cloud和Kyndryl的端到端SAP可观测性方案：深度解析

Elasticsearch Service

全球成千上万的公司，无论是中型企业还是大型企业，都依赖于强大且高效的SAP系统来支持其核心运营。从销售到财务，从仓库管理到生产计划与执行，企业的持续性、收入和客户成功高度依赖于在企业资源规划（ERP）架构上运行的流程。然而，维持SAP性能的最佳状态、确保数据安全以及识别潜在问题可能是一项复杂的挑战。传统的监控解决方案通常无法提供全面的数据视图和深入的见解。

2024-07-15

1530

使用 Unstructured.io 和 Elasticsearch 向量数据库搜索复杂文档

Elasticsearch Service

在构建真实的 RAG（检索增强生成）应用时，解析文档以使信息可搜索是重要的一步。Unstructured.io 和 Elasticsearch 在这个场景中有效地协同工作，为开发者提供了互补的工具来构建 RAG 应用。

2024-07-12

2410

Elasticsearch 结合稀疏、密集和地理字段进行综合检索

Elasticsearch Service

Elasticsearch 是一个强大的工具，可以近实时地搜索和分析数据。作为开发者，我们经常会遇到包含各种类型字段的数据集。有些字段是必需的，或者包含了大量数据，而有些字段则几乎没有数据。那些有很多缺失值的字段称为“稀疏”字段，而那些大多数值都存在的字段称为“密集”字段。当然，还有表示地理位置数据的地理字段。

2024-07-12

1010

Elasticsearch 新的 semantic_text 映射：简化语义搜索

Elasticsearch Service

想要使用语义搜索处理数据，但又不想花费大量时间在技术细节上？我们引入了 semantic_text 字段类型，帮助你处理所需的基础设施和细节。

2024-07-12

1340

Elasticsearch vs. OpenSearch: 向量搜索性能比较

Elasticsearch Service

TLDR: Elasticsearch 的速度高达 OpenSearch 的 12 倍 - 我们在 Elastic 收到了大量关于 Elasticsearch 和 OpenSearch 性能差异的询问，特别是在语义搜索/向量搜索方面。为了解决这个问题，我们进行了性能测试，以提供一个清晰的数据驱动比较。结果显示，Elasticsearch 的向量搜索速度高达 OpenSearch 的 12 倍，因此需要的计算资源更少。这反映了 Elastic 在巩固 Lucene 作为最佳向量数据库方面的专注，适用于搜索和检索用例。

2024-07-05

4810

点击加载更多

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态