# 检索分析服务 Elasticsearch版 #
2
关注
8130内容
阿里云 AI 搜索产品荣获 Elastic Innovation Award 2024
在新加坡 ElasticON 2025 的 Elastic 合作伙伴峰会上，阿里云 AI 搜索产品荣获 Elastic Innovation Award 2024！
Elasticsearch 的DSL查询，聚合查询与多维度数据统计
Elasticsearch的DSL查询与聚合查询提供了强大的数据检索和统计分析能力。通过合理构建DSL查询，用户可以高效地搜索数据，并使用聚合查询对数据进行多维度统计分析。在实际应用中，灵活运用这些工具不仅能提高查询效率，还能为数据分析提供深入洞察。理解并掌握这些技术，将显著提升在大数据场景中的分析和处理能力。
Elasticsearch：使用阿里云 AI 服务进行向量化和重新排名
本文介绍了如何将阿里云 AI 功能与 Elasticsearch 集成，以提高语义搜索的相关性。
阿里云 AI 搜索开放平台集成 DeepSeek 模型
阿里云 AI 搜索开放平台最新上线 DeepSeek -R1系列模型。
海量日志接入 Elasticsearch Serverless 应用降本70%以上
本文将探讨在日志场景下，使用阿里云Elasticsearch Serverless相较于基于ECS自建Elasticsearch集群的成本与性能优势，展示如何通过Serverless架构实现高达 70%以上的成本节约。
Elasticsearch AI Assistant 集成 DeepSeek，1分钟搭建智能运维助手
Elasticsearch 新支持 DeepSeek 系列模型，使用 AI 助手，通过自然语言交互，为可观测性分析、安全运维管理及数据智能处理提供一站式解决方案。
详解如何优雅实现先分组再组内排序取数据解决方案
本文介绍了在数据库查询中常见的业务需求：先对数据进行分组，然后在每组内按规则排序并取出特定记录。使用MySQL和Elasticsearch实现这一操作，并对比了不同方法的性能。具体包括：
**MySQL实现**：通过窗口函数`ROW_NUMBER()`、子查询和JOIN关联查询三种方式实现分组排序取数据，并探讨了索引优化的效果。
**Elasticsearch实现**：利用`terms`聚合和`top_hits`聚合实现分组排序，适用于大规模数据场景。
推荐优先使用窗口函数，结合索引优化提升查询性能。对于小规模查询，可在应用层处理。
通过实例和性能对比，帮助读者选择最适合的实现方案。
logstash与Rsyslog安装配置
通过将Logstash和Rsyslog结合使用，可以实现强大的日志收集和处理功能。Rsyslog负责接收和转发系统日志，Logstash负责解析和存储日志数据。以上指南提供了详细的安装和配置步骤，确保了两者能够无缝协作，以满足各种日志管理需求。希望本文能帮助你在实际项目中高效地部署和使用Logstash与Rsyslog。
金融场景 PB 级大规模日志平台：中信银行信用卡中心从 Elasticsearch 到 Apache Doris 的先进实践
中信银行信用卡中心每日新增日志数据 140 亿条（80TB），全量归档日志量超 40PB，早期基于 Elasticsearch 构建的日志云平台，面临存储成本高、实时写入性能差、文本检索慢以及日志分析能力不足等问题。因此使用 Apache Doris 替换 Elasticsearch，实现资源投入降低 50%、查询速度提升 2～4 倍，同时显著提高了运维效率。
AI and the Future of Search
本次分享主题为《AI and the Future of Search》，由Elastic全球副总裁Bahaaldine Azarmi主讲。内容涵盖搜索技术现状与挑战、Elastic的产品和技术发展，以及未来展望和资源。重点讨论了当前搜索技术的进步、生成式AI的挑战、Elasticsearch的相关功能改进，如语义搜索和检索增强生成，并介绍了Elastic在AI时代的战略合作伙伴关系及开发者资源。通过这些分享，旨在帮助开发者更好地理解和应用未来的搜索技术。
免费试用