1.图像识别的基础知识
https://journal.everypixel.com ... ition
2.当事人复盘 GitLab 史上最严重的数据库故障
https://mp.weixin.qq.com/s/Y7qAaYt2uIylqlPve9DGzg
3.在单机模式下进行原型设计和比较 Milvus 和 Elasticsearch（需要梯子）
https://medium.com/%40piscarie ... 390ef
4.从 Elasticsearch 到 Apache Doris，统一日志检索与报表分析，360 企业安全浏览器的数据架构升级实践
https://mp.weixin.qq.com/s/WJIa44Qtp9wzv5QwNUoNOg

编辑：Se7en  
更多资讯：http://news.searchkit.cn

1.选择大语言模型：2024 年开源 LLM 入门指南
https://blog.csdn.net/UbuntuTo ... 51152 
2.Elasticsearch：BM25 及 使用 Elasticsearch 和 LangChain 的自查询检索器
https://blog.csdn.net/UbuntuTo ... 58515
3.使用 Chainlit, Langchain 及 Elasticsearch 轻松实现对 PDF 文件的查询
https://blog.csdn.net/UbuntuTo ... 11385
4.Elasticsearch：基于 Langchain 的 Elasticsearch Agent 对文档的搜索
https://elasticstack.blog.csdn ... 53286


编辑：kin122    
更多资讯：http://news.searchkit.cn

Elasticsearch（简称：ES） 和传统关系型数据库有很多区别， 比如传统数据中普遍都有一个叫“最大连接数”的设置。目的是使数据库系统工作在可控的负载下，避免出现负载过高，资源耗尽，谁也无法登录的局面。

那 ES 在这方面有类似参数吗？答案是没有，这也是为何 ES 会被流量打爆的原因之一。

针对大并发访问 ES 服务，造成 ES 节点 OOM，服务中断的情况，极限科技旗下的 [INFINI Gateway](https://www.infinilabs.com/products/gateway/) 产品（以下简称 “极限网关”）可从两个方面入手，保障 ES 服务的可用性。

1. 限制最大并发访问连接数。
   
2. 限制非重要索引的请求速度，保障重要业务索引的访问速度。
   
   下面我们来详细聊聊。
   
   

   架构图
   

   
   
   所有访问 ES 的请求都发给网关，可部署多个网关。
   
   

   限制最大连接数
   

   
   在网关配置文件中，默认有最大并发连接数限制，默认最大 10000。
   
   ```
   entry:
   

   • name: my_es_entry
     enabled: true
     router: my_router
     max_concurrency: 10000
     network:
     binding: $[[env.GW_BINDING]]
     

     See gateway.disable_reuse_port_by_default for more information.
     

     reuse_port: true
     ```
     
     使用压测程序测试，看看到达10000个连接后，能否限制新的连接。
     
     超过的连接请求，被丢弃。更多信息参考[官方文档](https://www.infinilabs.com/doc ... entry/)。
     
     

     限制索引写入速度
     

     
     我们先看看不做限制的时候，测试环境的写入速度，在 9w - 15w docs/s 之间波动。虽然峰值很高，但不稳定。
     
     接下来，我们通过网关把写入速度控制在最大 1w docs/s 。
     对网关的配置文件 gateway.yml ，做以下修改。
     
     ```yaml
     env: # env 下添加
     THROTTLE_BULK_INDEXING_MAX_BYTES: 40485760 #40MB/s
     THROTTLE_BULK_INDEXING_MAX_REQUESTS: 10000 #10k docs/s
     THROTTLE_BULK_INDEXING_ACTION: retry #retry,drop
     THROTTLE_BULK_INDEXING_MAX_RETRY_TIMES: 10 #1000
     THROTTLE_BULK_INDEXING_RETRY_DELAY_IN_MS: 100 #10
     
     router: # route 部分修改 flow
     

   • name: my_router
     default_flow: default_flow
     tracing_flow: logging_flow
     rules:
     
     • method:
       
       • "*"
         pattern:
         
       • "/_bulk"
         
       • "/{any_index}/_bulk"
         flow:
         
       • write_flow
         
         flow: #flow 部分增加下面两段
         
   • name: write_flow
     filter:
     
     • flow:
       flows:
       
       • bulking_indexing_limit
         
     • elasticsearch:
       elasticsearch: prod
       max_connection_per_node: 1000
       
   • name: bulking_indexing_limit
     filter:
     
     • bulk_request_throttle:
       indices:
       "test-index":
       max_bytes: $[[env.THROTTLE_BULK_INDEXING_MAX_BYTES]]
       max_requests: $[[env.THROTTLE_BULK_INDEXING_MAX_REQUESTS]]
       action: $[[env.THROTTLE_BULK_INDEXING_ACTION]]
       retry_delay_in_ms: $[[env.THROTTLE_BULK_INDEXING_RETRY_DELAY_IN_MS]]
       max_retry_times: $[[env.THROTTLE_BULK_INDEXING_MAX_RETRY_TIMES]]
       message: "bulk writing too fast" #触发限流告警message自定义
       log_warn_message: true
       
       ```
       
       再次压测，test-index 索引写入速度被限制在了 1w docs/s 。
       
       
       

       限制多个索引写入速度
       

       
       上面的配置是针对 test-index 索引的写入速度控制。如果想添加其他的索引，新增一段配置即可。
       比如，我允许 abc 索引写入达到 2w docs/s，test-index 索引最多不超过 1w docs/s ，可配置如下。
       
       ```yaml
       

   • name: bulking_indexing_limit
     filter:
     
     • bulk_request_throttle:
       indices:
       "abc":
       max_requests: 20000
       action: drop
       message: "abc doc写入超阈值" #触发限流告警message自定义
       log_warn_message: true
       "test-index":
       max_bytes: $[[env.THROTTLE_BULK_INDEXING_MAX_BYTES]]
       max_requests: $[[env.THROTTLE_BULK_INDEXING_MAX_REQUESTS]]
       action: $[[env.THROTTLE_BULK_INDEXING_ACTION]]
       retry_delay_in_ms: $[[env.THROTTLE_BULK_INDEXING_RETRY_DELAY_IN_MS]]
       max_retry_times: $[[env.THROTTLE_BULK_INDEXING_MAX_RETRY_TIMES]]
       message: "bulk writing too fast" #触发限流告警message自定义
       log_warn_message: true
       ```
       
       限速效果如下
       
       
       

       限制读请求速度
       

       
       我们先看看不做限制的时候，测试环境的读取速度，7w qps 。
       
       接下来我们通过网关把读取速度控制在最大 1w qps 。
       继续对网关的配置文件 gateway.yml 做以下修改。
       
       ```yaml
       

   • name: default_flow
     filter:
     
     • request_path_limiter:
       message: "Hey, You just reached our request limit!" rules:
       
       • pattern: "/(?Pabc)/_search"
         max_qps: 10000
         group: index_name
         
     • elasticsearch:
       elasticsearch: prod
       max_connection_per_node: 1000
       ```
       
       再次进行测试，读取速度被限制在了 1w qps 。
       
       
       

       限制多个索引读取速度
       

       
       上面的配置是针对 abc 索引的写入速度控制。如果想添加其他的索引，新增一段配置即可。
       比如，我允许 abc 索引读取达到 1w qps，test-index 索引最多不超过 2w qps ，可配置如下。
       
       ```yaml
       

   • name: default_flow
     filter:
     
     • request_path_limiter:
       message: "Hey, You just reached our request limit!"
       rules:
       
       • pattern: "/(?Pabc)/_search"
         max_qps: 10000
         group: index_name
         
       • pattern: "/(?Ptest-index)/_search"
         max_qps: 20000
         group: index_name
         
     • elasticsearch:
       elasticsearch: prod
       max_connection_per_node: 1000
       ```
       
       
       
       

       多个网关限速
       

       
       限速是每个网关自身的控制，如果有多个网关，那么后端 ES 集群收到的请求数等于多个网关限速的总和。
       
       本次介绍就到这里了。相信大家在使用 ES 的过程中也遇到过各种各样的问题。欢迎大家来我们这个平台分享自己的问题、解决方案等。如有任何问题，请随时联系我，期待与您交流！
       
       
       
       
       

1. 重磅 | Elasticsearch 智能知识问答上线了
https://mp.weixin.qq.com/s/6bB31_xsJ3IUnV_GxBGR-g
2、Elasticsearch 实战之xpack安装、解密和更换证书以及head加密
https://blog.csdn.net/weixin_4 ... 74362
3、Elasticsearch 如何实现文件名自定义排序
https://mp.weixin.qq.com/s/yzhkbt7fsgIgKee7zwDJYQ

编辑：yuebancanghai
更多资讯：http://news.searchkit.cn

1. 顶级复杂数据分析引擎 —— ES 用就完了（需要梯子）
https://medium.com/%40callmezy ... b36a0

2. OpenAI 的视频生成模型Sora的技术报告（需要梯子）
https://openai.com/research/vi ... ators

3. Nvidia 出品的个人Ai 聊天机器人（需要梯子）
https://www.nvidia.com/en-us/a ... e-ai/

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

最近某头部汽车集团需要针对当前 ES 集群进行优化，背景如下：
ES 用于支撑包括核心营销系统、管理支持系统、财务类、IT 基础设施类、研发、自动驾驶等多个重要应用，合计超 50 余套集群，累计数据超 1.5PB 。
本文针对其中一个 ES 集群进行分享，该集群原本使用的是 ES 7.3.2 免费版，数据已经 130TB 了，14 个节点。写入数据时经常掉节点，写入性能也不稳定，当天的数据写不完。迫切需要新的解决方案。
分析业务场景后总结需求要点：主要是写，很少查。审计需求，数据需要长期保存。
这个需求比较普遍，处理起来也很简单：

• 使用 Easysearch 软件，只需少量节点存储近两天的数据。
  
• 索引设置开启 ZSTD 压缩功能，节省磁盘空间。
  
• 每天索引数据写完后，第二天执行快照备份存放到 S3 存储。
  
• 备份成功后，删除索引释放磁盘空间。
  
• 需要搜索数据时，直接从快照搜索。
  
  
  将近期的数据，存放到本地磁盘，保障写入速度。写入完毕的索引，在执行快照备份后，可删除索引，释放本地磁盘空间。
  
  

  Easysearch 配置要点
  

  
  <br /> path.repo: ["/S3-path"]<br /> node.roles: ["data","search"]<br /> node.search.cache.size: 500mb<br />
  
  

• path.repo : 指定 S3 存储路径，上传快照用。
  
• node.roles : 只有 search 角色的节点，才能去搜索快照中的数据。
  
• node.search.cache.size : 执行快照搜索时的，缓存大小。
  
  更多信息请参考[官方文档](https://www.infinilabs.com/doc ... pshot/)。
  
  

  旧数据迁移
  

  
  通过 Console 将原 ES 集群的数据，迁移到新 Easysearch 集群。迁移时，复制 mapping 和 setting，并在 setting 中添加如下设置。
  
  <br /> "codec": "ZSTD",<br /> "source_reuse": true,<br />
  
  
  
  原索引数据量大，可拆分成多个小任务。
  
  迁移完，索引存储空间一般节省 50% 左右。
  原索引 279GB ，迁移完后 138GB。
  
  
  

  搜索快照数据
  

  
  挂载快照后，搜索快照里的索引和搜索本地的索引，语法完全一样。
  
  如何判断一个索引是在快照还是本地磁盘呢？可以查看索引设置里的 settings.index.store.type
  
  如果是 remote_snapshot ，说明是快照中的数据。如果是空值，则是集群本地的数据。
  这次迁移，节省了 6 台主机资源。更重要的是，用上对象存储后，主机磁盘空间压力骤减。
  这次介绍就到这里了，有问题联系我。
  
  
  
  
  

  关于 Easysearch
  

  
  
  
  INFINI Easysearch 是一个分布式的近实时搜索与分析引擎，核心引擎基于开源的 Apache Lucene。Easysearch 的目标是提供一个轻量级的 Elasticsearch 可替代版本，并继续完善和支持更多的企业级功能。与 Elasticsearch 相比，Easysearch 更关注在搜索业务场景的优化和继续保持其产品的简洁与易用性。
  
  官网文档：<https://infinilabs.com/docs/latest/easysearch>;

1. 一个新的代码生成模型的原理说明（需要梯子）
https://www.codium.ai/blog/alp ... ests/
（这个是水友的翻译版）https://baoyu.io/translations/ ... tests
2. 计算机科学相关的书单，全套免费电子书下载（需要梯子）
（根域名是全球最大的免费电子书分发网站，之前被FBI x了的z-library）
https://zh.singlelogin.re/booklist/165858/538e6d/计算机系列丛书.html
3. AI 领域关键词词典表（需要梯子）
https://a16z.com/ai-glossary/
编辑：斯蒂文
更多资讯：http://news.searchkit.cn
 

1.将文档级安全性（DLS）添加到内部知识搜索中
https://www.elastic.co/search- ... earch
2.使用 Python、Elasticsearch 和 Kibana 分析波士顿凯尔特人队
https://www.elastic.co/search- ... ibana
3.使用 Flink、Elasticsearch 和 Redpanda 构建闪电般的搜索索引（需要梯子）
https://redpanda-data.medium.c ... c5939
4.万字长文：AIGC技术与应用全解析
https://zhuanlan.zhihu.com/p/607822576

编辑：Se7en  
更多资讯：http://news.searchkit.cn

1.Elasticsearch：2023 年 Lucene 领域发生了什么？
https://blog.csdn.net/UbuntuTo ... 39714
2.Apache Lucene 9.9，有史以来最快的 Lucene 版本
https://elasticstack.blog.csdn ... 80899
3.Elastic Search 8.12：让 Lucene 更快，让开发人员更快
https://blog.csdn.net/UbuntuTo ... 42767
4.Elasticsearch：Simulate ingest API
https://blog.csdn.net/UbuntuTo ... 50006


编辑：kin122
更多资讯：http://news.searchkit.cn

1. 一个自由职业的博主对ChatGPT的认识，挺有指导意义的
https://mp.weixin.qq.com/s/K3mjmkLye79Khem18QHORw

2. 哈佛CS的入门课程上线了（需要梯子）
https://cs50.harvard.edu/x/2024/

3. 贾扬清同款，ai 赋能的搜索引擎开源了
这个是后台模型服务
https://github.com/leptonai/leptonai
这个是前台的搜索引擎
https://github.com/leptonai/search_with_lepton

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

1. 百万并发场景中倒排索引与位图计算的实践
https://mp.weixin.qq.com/s/nmK1nptmV-pBiHlwV9Ynjg
2、结合AI大模型与向量检索的新一代云端检索分析引擎
https://blog.csdn.net/cloudbig ... 22650
3、腾讯万亿级 Elasticsearch 架构实践
https://blog.csdn.net/yangshan ... 09592

编辑：yuebancanghai
更多资讯：http://news.searchkit.cn

1、ChatGPT 和 LLM 增强 OpenSearch/Elasticsearch 可用性
https://eliatra.com/blog/chatg ... lity/

2、Elasticsearch 命令行工具 – elasticsearch-croneval
https://toughcoding.net/elasti ... neval

3、将数据从 Snowflake 摄取到 Elasticsearch
https://www.elastic.co/search- ... earch

4、Elasticsearc 8.12 新特性：对大模型兼容更友好
https://www.elastic.co/cn/blog ... -12-0
 
编辑：铭毅天下
更多资讯：http://news.searchkit.cn