Elastic 9.1/8.19:默认启用 BBQ,ES|QL 支持跨集群搜索(CCS)正式版,JOINS 正式版,集成 Azure AI Foundry

作者:来自 Elastic Mark Doncov

今天,我们很高兴宣布 Elastic 9.1 和 8.19 正式发布!

是的,有好消息 —— 我们将 8.x 系列最终延长到 8.19,这样那些还在等待升级到 9.x 的用户也能享受到许多新功能。

Elastic 9.1 和 8.19 是我们搜索 AI 平台的最新版本,是 Elasticsearch 及两大开箱即用解决方案 Elastic Observability 和 Elastic Security 的基础。

9.1 和 8.19 的新功能也可通过 Elastic Cloud Serverless 使用,该服务现已在 Microsoft Azure 上正式上线,除之前已在 Amazon Web Services 和 Google Cloud 上可用外。我们鼓励你试用 —— Elastic Cloud Serverless 是启动和扩展 Elastic 搜索、可观测性和安全解决方案的最快方式,无需管理集群、节点或分片。

9.1 和 8.19 有哪些新功能?

让我们深入了解这些新版本及其在产品组合中带来的高影响力功能,重点包括:

  • 更好的二进制量化(Better Binary Quantization,简称 BBQ),速度是 OpenSearch 的 5 倍,现默认启用(仅限 9.1)。

  • Elastic Observability 集成了 Azure AI Foundry,通过从 Azure AI Foundry 上托管的任何 AI 模型中拉取日志和指标,实现了可观测性的集中管理。

  • 攻击发现(Attack Discovery)现在支持自动调度和操作、持久化结果以及便捷共享。

  • LOOKUP join 提供了比 enrich 命令更强大且高效的替代方案,跨集群搜索(CCS)上的 ES|QL 也实现了重构和更强的弹性架构,这两项功能均已正式发布。

以下是按解决方案划分的更多亮点:

Elasticsearch

Elasticsearch 帮助开发者基于业内最常用的向量数据库,构建具备开箱即用的语义搜索和生成式 AI 能力的 AI 搜索体验。

9.1/8.19 亮点

  • 更快的二进制量化(BBQ),速度是 OpenSearch 的 5 倍,现默认启用(仅限 9.1)。BBQ 使内存占用减少超过 95%,是迄今最高效的量化方法。

  • ACORN 是一种新的过滤向量搜索算法,将过滤直接集成到 HNSW 图遍历中,支持在文档摄取后定义过滤字段 —— 带来最高 5 倍的过滤搜索加速,且准确率无损,开箱即用(仅限 9.1)。

  • 稀疏向量的 Token pruning 功能现已正式发布并默认启用,为 ELSER 用户带来更快更高效的语义搜索。

更多细节请参阅 BBQ 默认启用和 ACORN 博客文章及 9.1/8.19 发布说明。

Elastic Observability

Elastic Observability 通过基于搜索的相关性、无妥协的数据保留、提升的运维效率和成本控制,以及开放且面向未来的投资,防止系统故障。

9.1/8.19 亮点

  • Elastic Observability 的 Azure AI Foundry 集成处于技术预览阶段,通过从 Azure AI Foundry 上托管的任何 AI 模型中拉取日志和指标,实现可观测性的集中管理。

  • Elastic 托管的 OTLP 端点让发送 OpenTelemetry 数据、日志、指标和追踪变得简单,无需使用 OTel Collectors 或语义转换。

  • 面向 SRE 的告警增强功能,提供更智能的告警分组、内置调查指南和丰富的恢复信息,加快事件响应并简化 SLO 管理。这些功能均已正式发布。

更多细节请参阅 Azure AI Foundry 博客和 9.1/8.19 Observability 发布说明。

Elastic Security

Elastic Security 通过 AI 驱动的安全分析,为 SecOps 提供未来保障,加速威胁检测、调查和响应。

9.1/8.19 亮点(均已正式发布)

  • 计划性的攻击发现和响应(Scheduled Attack Discovery and Actions)自动按计划执行威胁扫描,每次扫描可自定义过滤器、模型和操作,减少重复工作,提升威胁覆盖,简化调查。

  • 攻击发现的持久化和共享功能,提供清晰易访问的近期发现记录,支持更快速、更协作的调查。

  • 规则执行漏洞的检测与修复,帮助用户轻松识别并填补检测规则执行中的漏洞,支持批量操作,批量调度填补多个漏洞和规则。

  • 具备自动校验的自然语言调查,AI 助手能生成、校验并自我纠正 Elastic 的管道查询语言,确保查询准确且返回相关结果。

更多细节请参阅 9.1/8.19 Security 发布说明。

搜索 AI 平台

面向开发者、开源的搜索 AI 平台专为规模和速度而建。所有用户 —— 无论使用场景如何 —— 都能从核心改进中受益。

9.1/8.19 亮点(均已正式发布)

  • ES|QL 语言现已完全具备生产级稳定性,新增两大核心功能正式发布:LOOKUP join,作为 enrich 命令的强大高效替代方案,简化数据架构;跨集群搜索(CCS)上的 ES|QL,基于重构的弹性架构,优先返回部分结果,避免整体查询失败。

  • Kibana 用户体验改进:Discover 中新增统一的 traces 视图,Dashboards 支持可折叠区域以便更好组织,以及增强的查询变量支持,提升与 Kibana 仪表盘的动态交互。

  • Failure Store 是一个新的专用数据流,自动捕获并保留摄取失败的文档(如映射错误文档),方便用户分析、修正并重新摄取,避免数据悄然丢失。

  • 全局 Fleet 管理简化了 Agent 管理,实现 Agent 升级管理和策略配置的合并,通过单一 UI 实现全局控制平面,同时 Agent 继续将采集的日志和指标直接发送至本地/区域数据集群。

更多细节请参阅 9.1/8.19 ES|QL 博客和发布说明。

立即开始

准备好开始了吗?

Elastic 9.1/8.19 现已在 Elastic Cloud 上可用 —— 这是包含本次所有新功能的托管 Elasticsearch 服务。

你还可以在我们的 “What’s New” 网络研讨会上,观看 9.1/8.19 诸多新功能的演示。

本文提及的任何功能或特性发布及时间,均由 Elastic 全权决定。任何当前不可用的功能或特性,可能无法按时甚至根本不交付。

本文中可能使用或引用了第三方生成式 AI 工具,这些工具由其各自所有者拥有和运营。Elastic 对第三方工具不具控制权,也不对其内容、运行或使用承担责任,亦不对因使用这些工具可能产生的任何损失负责。使用 AI 工具处理个人、敏感或机密信息时,请务必谨慎。你提交的任何数据可能被用于 AI 训练或其他用途,无法保证信息安全或保密。使用前请熟悉相关生成式 AI 工具的隐私政策和使用条款。

Elastic、Elasticsearch 及相关商标为 Elasticsearch N.V. 在美国及其他国家的商标或注册商标。其他公司和产品名称为其各自所有者的商标、标识或注册商标。

原文:Elastic 9.1/8.19: BBQ by default, ES|QL with CCS GA, JOINS GA, Azure AI Foundry Integration | Elastic Blog

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/news/917533.shtml
繁体地址,请注明出处:http://hk.pswp.cn/news/917533.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis面试精讲 Day 8:Stream消息队列设计与实现

【Redis面试精讲 Day 8】Stream消息队列设计与实现 文章标签 Redis,消息队列,Stream,面试技巧,分布式系统,后端开发 文章简述 本文是"Redis面试精讲"系列第8天,聚焦Redis 5.0引入的Stream消息队列。文章深入解析Stream的核心概念与实现原理&#xff0…

【01】大恒相机SDK C++开发 —— 初始化相机,采集第一帧图像、回调采集、关闭相机

文章目录1 初始化相机&#xff0c;采集第一帧图像2 回调方式采集图像3 视频教程1 初始化相机&#xff0c;采集第一帧图像 #include <iostream> #include <GalaxyIncludes.h> using namespace std;int main() {//首先&#xff0c;对相机资源进行初始化IGXFactory::…

Windows下定位Mingw编译的Qt程序崩溃堆栈

一、dump和pdb是什么 在Windows系统下&#xff0c;当我们写的程序跑在客户的机器上&#xff0c;因为一个bug&#xff0c;导致程序崩溃&#xff0c;我们该如何定位并修复这个bug呢&#xff1f; 有人会说记录日志&#xff0c;即便有日志&#xff0c;也是不好定位的&#xff0c;因…

.net依赖注入框架 Autofac和MEF的对比

Autofac 默认需要显式注册每个类型&#xff0c;这是它与MEF在模块化设计上的主要区别。以下是具体对比说明&#xff1a;1. Autofac 的基本注册方式 Autofac 必须通过代码明确注册每个需要注入的类型&#xff08;除非使用特殊扫描机制&#xff09;&#xff1a; var builder new…

Python 使用 asyncio 包处理并 发(使用asyncio包编写服务器)

使用asyncio包编写服务器 演示 TCP 服务器时通常使用回显服务器。我们要构建更好玩一点的示 例服务器&#xff0c;用于查找 Unicode 字符&#xff0c;分别使用简单的 TCP 协议和 HTTP 协议实现。这两个服务器的作用是&#xff0c;让客户端使用 4.8 节讨论过的 unicodedata 模块…

Node.js (Express) + MySQL + Redis构建项目流程

以下是使用 Node.js (Express) MySQL Redis 构建完整项目的详细流程&#xff0c;涵盖环境搭建、架构设计、核心代码实现和部署优化&#xff1a;一、项目初始化 1. 创建项目目录 mkdir my-project cd my-project npm init -y2. 安装基础依赖 npm install express mysql2 redis…

Python3 中使用zipfile进行文件(夹)的压缩、解压缩

一、文件压缩与解压缩模块 zipfile简介 zipfile 是 Python 标准库中用于处理 ZIP 压缩文件的模块&#xff0c;提供了创建、读取、写入、解压 ZIP 文件的完整功能。它支持多种压缩算法&#xff0c;无需安装额外依赖&#xff0c;是处理 ZIP 格式的首选工具。 核心功能与常用类 zi…

在Java客户端使用Redis

目录 第一步&#xff1a;开放Redis外部连接配置 第二步&#xff1a;配置端口转发 第三步&#xff1a;在IDEA中导入依赖 第四步&#xff1a;编写代码命令 连接环境&#xff1a;Java客户端为本地IDEA&#xff0c;Redis服务器安装在云服务器Ubuntu系统中。 第一步&#xff1a;开…

【MySQL】MySQL索引—B树/B+树

目录 1. 数据库索引 1.1 索引的概念 1.2 索引的特点 1.3 索引查询对比普通的查询 1.4 索引的操作 1.5 索引的原理 1.6 B树 1.7 B树 1.8 B树的优点 1. 数据库索引 1.1 索引的概念 数据库的索引是一种特殊的数据结构&#xff0c;里面包含着数据表中所有记录的引用&…

jQuery Mobile 面板详解

jQuery Mobile 面板详解 引言 随着移动设备的普及,移动网页开发变得越来越重要。jQuery Mobile 是一个基于 jQuery 的移动网页开发框架,它提供了一套丰富的 UI 组件和主题,使得开发者可以快速构建出美观、响应式的移动网页。在 jQuery Mobile 中,面板(Panel)是一个非常…

Python中的import和from...import有什么区别?

文章目录 前言 一、import导入模块 导入模块并给它一个别名 语法格式 二、from...import导入特定项 1.导入模块中的特定项 2.导入模块中的所有项 2.1 命名空间核污染 2.2 性能影响 总结 前言 在Python编程中,模块和包的导入机制是编写可维护、可扩展代码的核心。深入理解Pyth…

vscode提示“无法使用 compilerPath 解析配置”解决办法

0 问题描述 使用vscode的Remote-SSH插件连接安装在虚拟机上的Windows10进行远程开发时&#xff0c;出现如下提示&#xff1a;无法使用 compilerPath 解析配置:“D:\mingw64\bin\gcc.exe” 所有包含C库头文件的文件都被标红提示错误&#xff1a;1 问题原因 vscode没有设置正确的…

信噪比(Signal-to-Noise Ratio, SNR)详细介绍

信噪比&#xff08;Signal-to-Noise Ratio, SNR&#xff09;信噪比&#xff08;Signal-to-Noise Ratio&#xff0c;SNR&#xff09;是衡量信号质量的重要参数&#xff0c;表示有用信号的功率与背景噪声功率的比值。SNR在通信、音频处理、视频处理以及其他电子信号处理领域中具有…

Nginx 相关实验(1)

nginx源码编译 本实验采用nginx源码编译的安装方式&#xff0c;需要准备一个tar包&#xff0c;可从nginx官网上下载。 下载地址&#xff1a;nginx: downloadhttps://nginx.org/en/download.html 将下载好的压缩包传到虚拟机中的自定义目录下 [rootwebserver ~]# ls anacond…

【选型】HK32L088 与 STM32F0/L0 系列 MCU 参数对比与选型建议(ST 原厂 vs 国产芯片)(单片机选型主要考虑的参数与因素)

国产 vs ST 单片机在工业控制中的性能对比分析 HK32L088 与 STM32F0/L0 系列 MCU 参数对比与选型建议 工业控制领域 MCU 选型:国产航顺 HK32 与 ST 原厂芯片深入比较 国产 MCU 是否可替代 ST?基于发电机控制应用的深入评估 从数据手册看 MCU 制造工艺差异:HK32L088 vs S…

LLM Prompt与开源模型资源(1)提示词工程介绍

学习材料&#xff1a;https://www.hiascend.com/developer/courses/detail/1935520434893606913学习时长&#xff1a; 预计 30 分钟学习目的&#xff1a; 了解提示工程的定义与作用 熟悉提示工程的关键技术相关概念 掌握基于昇腾适配的大模型提示工程的入门及进阶指南 提示…

kafka与其他消息队列(如 RabbitMQ, ActiveMQ)相比,有什么优缺点?

Kafka、RabbitMQ 和 ActiveMQ 是三种最主流的消息中间件&#xff0c;它们的设计和适用场景有所不同。 我们可以通过一个简单的表格来快速了解它们的核心区别&#xff1a; 核心对比一览特性 / 维度KafkaRabbitMQActiveMQ核心模型分布式、持久化的日志系统 (Dumb Broker / Smart …

Kubernetes架构和部署

k8s组件 master节点:管理节点 管理平面组件 api server : api gateway controller manager scheduler etcd 数据库 worker节点:被管理节点,运行容器 kubelet:k8s agent container runtime:docker,containerd,cri-o kube-proxy:service 网络 कुबेरनेट…

建造者模式及优化

建造者模式是一种创建型设计模式&#xff0c;它将复杂对象的构建过程与表示分离&#xff0c;使得同样的构建过程可以创建不同的表示。核心思想是指挥者定流程&#xff0c;建造者填细节&#xff0c;通过多个步骤逐步构建对象&#xff0c;并允许灵活组合这些步骤以生成不同配置的…

【09】C++实战篇——C++ 生成静态库.lib 及 C++调用lib,及实际项目中的使用技巧

文章目录1 C 静态库.lib 生成1.1 静态库lib的生成方法和使用方法1.2 创建静态库项目1.3 编写.h 和 .cpp文件1.4 设置 及 生成 DLL2 调用 C 静态库lib2.1 新建LIBtest及测试代码2.2 静态库配置 及代码调用测试3 实际项目中的使用技巧、及通用设置3.1 设置lib输出路径3.2 设置头文…