Elasticsearch

理解相似性搜索（也称为语义搜索）的指南，这是人工智能最新阶段的关键发现之一。 最新阶段人工智能的关键发现之一是根据相似性搜索和查找文档的能力。相似性搜索是一种比较信息的方法，其基于含义而非关键字。 相

在我之前的文章 “Elasticsearch：对 Java 对象的 ES|QL 查询”，我详细介绍了如何使用 Java 来对 ES|QL 进行查询。对于不是很熟悉 Elasticsearch 的开发者

作者：来自 Elastic Thanos Papaoikonomou, Thomas Veasey 在 8.13 版本中，我们为 Elasticsearch 引入了标量量化功能。通过使用此功能，最终用

作者：Laura Trotta ES|QL 是 Elasticsearch 引入的一种新的查询语言，它将简化的语法与管道操作符结合起来，使用户能够直观地推断和操作数据。官方 Java 客户端的新版本

作者：来自 Elastic Elastic Platform Team 如果你是在互联网出现之前长大的，你会记得找到新喜好并不总是那么容易。我们是在无意中听到收音机里的新乐队时发现他们的，是因为忘了换

作者：来自 Elastic Elastic Platform Team 过去几年中，机器学习（ML）已经悄然成为我们日常生活中不可或缺的一部分。它影响着从购物网站和流媒体网站上的个性化推荐，到保护我们

作者：来自 Elastic Mayya Sharipova, Benjamin Trent, Jim Ferenczi Elasticsearch 和 Lucene 成绩单：值得注意的速度和效率投资

Elasticsearch 作为搜索和分析数据的首选分布式引擎在技术领域脱颖而出，尤其是在处理日志、事件和综合文本搜索时。 它的与众不同之处在于它如何让你使用各种块选项调整对其索引的访问。 这对于那些

作者：来自 Elastic Benjamin Trent, Thomas Veasey 在 Lucene 中引入 Int4 量化 在之前的博客中，我们全面介绍了 Lucene 中标量量化的实现。 我们

作者：来自 Elastic Luca Wintergerst, Tim Rühsen 在当今云服务和 SaaS 平台的时代，持续改进不仅是一个目标，而是一个必要条件。在 Elastic，我们始终在寻找

作者：Jonas Kunz, Alexander Wert 在微服务和分布式系统的复杂世界中，实现透明度并了解服务交互和请求流程的复杂性和低效性已成为一个重要挑战。分布式跟踪对于理解分布式系统至关重要

Learning To Rank (LTR) 使用经过训练的机器学习（ML）模型来构建搜索引擎的排名函数。通常，该模型用作第二阶段的重新排序器，以提高简单的第一阶段检索算法返回的搜索结果的相关性。LT

作者：Tim Grein 我们很高兴地宣布在 Elasticsearch 中推出的最新创新：在 Elastic 的 inference API 中集成了 OpenAI Chat Completions

作者：来自 Elastic Lionel Palacin 为了演示如何使用 Elastic 网络爬虫，我们将以一个具体的网站为例，讲解如何在该网站上添加搜索功能。我们将探讨发现网站的方法，并利用 El

作者：来自 Elastic Damien Mathieu 正如我们之前所分享的，Elastic 致力于帮助 OpenTelemetry（OTel）取得成功，这意味着在某些情况下构建语言 SDK 的分发

作者：来自 Elastic Chris Hegarty 在 Lucene 领域，我们一直热切地采用新版本 Java 的功能。这些功能使 Lucene 更接近 JVM 和底层硬件，从而提高了性能和稳定性

作者：来自 Elastic Mike Nichols, Mike Paquette 网络安全领域仿佛是现实世界的一个映射，安全运营中心（security operation center - SOC）

作者：Hemendra Singh Lodhi Elastic Cloud 是由 Elastic 提供的基于云的托管服务。Elastic Cloud 允许客户在亚马逊网络服务 (AWS)、谷歌云平台

作者：Florian Bernd 在 .NET 世界中，与 Elasticsearch 的集成长期以来一直由 NEST 库提供支持，该库作为开发人员与 Elasticsearch 强大的搜索和分析功能

作者：Srikanth Manvi 在这篇文章中，我们将讨论如何使用 RAG 技术（检索增强生成）和 Elasticsearch 作为向量数据库来实现问答体验。我们将使用 LlamaIndex 和本地