二蛋赠书十八期：《一本书讲透Elasticsearch：原理、进阶与工程实践》
Elasticsearch 是一种强大的搜索和分析引擎，被广泛用于各种应用中，以其强大的全文搜索能力而著称。 不过，在日常管理 Elasticsearch 时，我们经常需要对索引进行保护，以防止数据被意外修改或删除，特别是在进行系统维护或者需要优化资源使用时。 Elasticsearch提供了一种名为“索引阻塞（Index blocks）”的功能，让我们能够限制对某个索引的操作类型。 Elasticsearch的索引阻塞...
Java客户端调用elasticsearch进行深度分页查询 （search_after）
Java客户端调用elasticsearch进行深度分页查询 （search_after） 一. 代码二. 测试结果 具体的Search_after解释，可以看我这篇文章 elasticsearch 深度分页查询 Search_after（图文教程） 一. 代码 public class Test { public static void main(String[] args) throws IOException { ...
根据索引策略对elasticsearch中的索引进行管理(附带图文教程)
一. 索引生命周期简介 想要了解更多可以看 ： 索引生命周期 1.1 索引生命周期五种阶段 （1）Hot：正在积极更新和查询索引。 （2）Warm：索引不再更新，但仍在查询中。 （3）Cold：索引不再更新，很少被查询。信息仍然需要可搜索，但如果查询速度较慢。 （4）Frozen： 索引不再更新并且是查询操作很少。信息还需要可搜索的，但查询速度较慢。 （5）Delete：不再需要索引，可以安全地删除。 1.2 阶段如何执...
Elasticsearch：调整搜索速度
在我之前的文章 “Elasticsearch：如何提高查询性能” 及 “Elasticsearch：提升 Elasticsearch 性能” 里，我详细描述了如何提高搜索的性能。在今天的文章里，我从另外一个视角来描述如何调整搜索的速度。希望对大家有所帮助！ 为文件系统缓存提供内存 Elasticsearch 严重依赖文件系统缓存来提高搜索速度。 一般来说，你应该确保至少一半的可用内存用于文件系统缓存，以便 Elastic...
Leo赠书活动-19期 《Elasticsearch 通过索引阻塞实现数据保护深入解析》
场景1：进行系统维护场景。场景2：保护数据不被随意更改场景。场景3：优化资源使用的场景。场景4：遵守安全规则场景。 4.添加索引阻塞API4.解除设置 API5.小结6.参考7.🥇赠书活动规则 前言 Elasticsearch 是一种强大的搜索和分析引擎，被广泛用于各种应用中，以其强大的全文搜索能力而著称。 不过，在日常管理 Elasticsearch 时，我们经常需要对索引进行保护，以防止数据被意外修改或删除，特别是在进...
Elasticsearch：机器学习与人工智能 - 理解差异
我们只看到我们想看的内容。 Elastic 的 AI 和 ML 解决方案 在 Elastic®，我们努力让你在自己的应用程序中尽可能简单地利用 AI 和机器学习的力量。 为了实现这一目标，我们构建了 Elasticsearch 相关性引擎 (ESRE)。 ESRE 是一组开发人员工具，旨在帮助你快速轻松地构建搜索驱动的 AI 应用程序。 使用 ESRE，你可以构建： 语义搜索：除了 Elastic 的关键字匹配功能之外，E...
Elasticsearch：什么是 DevOps？
模拟真实场景的系统引入受控中断； 然后他们监视系统如何反应。 它演示了系统在压力下的行为方式，并帮助 DevOps 团队制定预防和恢复策略。 使用 Elastic 加速你的 DevOps 转型 使用 Elasticsearch 平台上的 Elastic Observability 打破孤岛，该工具允许你的 DevOps 团队在整个软件生命周期的单一解决方案上进行协作。 Elastic 可观察性使你能够： 获得整个环境的完整...
使用 Logstash 丰富你的 Elasticsearch 文档
作者：来自 Elastic David Pilato 我们在上一篇文章中看到，我们可以使用摄取管道中的 Elasticsearch Enrich Processor 在 Elasticsearch® 中进行数据丰富。 但有时，你需要执行更复杂的任务，或者你的数据源不是 Elasticsearch，而是另一个源。 或者，你可能希望存储在 Elasticsearch 和第三方系统中，在这种情况下，将管道的执行转移到 Logst...
Elasticsearch：dense vector 数据类型及标量量化
ppings": { "properties": { "my_vector": { "type": "dense_vector", "dims": 3, "index": false } } }} Elasticsearch 使用 HNSW 算法来支持高效的 kNN 搜索。 与大多数 kNN 算法一样，HNSW 是一种近似方法，会牺牲结果精度以提高速度。 自动量化向量以进行 kNN 搜索 密集向量类型支持量化以减少搜索浮...
Elasticsearch：向量相似度计算 - 可笑的速度
当合并段或在图表中导航最近邻居时，大部分执行时间都花在比较向量的相似性上。 对这些距离函数进行微观优化是值得的，我们已经从之前类似的优化中受益，例如 参见 SIMD、FMA。 随着 Lucene 和 Elasticsearch 最近对标量量化的支持，我们现在比以往任何时候都更加依赖这些距离函数的 byte 变体。 根据之前的经验，我们知道这些变体仍有显着性能改进的潜力。 目前的状况 当我们利用巴拿马向量 API 来加速 L...