歷時48個月，Elastic終于迎來了 8.0 的大版本更新，可謂是千呼萬喚始出來了！

在正式版發(fā)布之前，經(jīng)歷了兩個內(nèi)測版，一個公測版，兩個RC版本

1、原生支持 NLP（自然語言處理）

Elastic 8.0 版通過改進 Elasticsearch 的矢量搜索功能、對現(xiàn)代自然語言處理模型的原生支持。Elasticsearch 一直非常重視 NLP 的發(fā)展及應用，在之前的版本，ES 需要截止自身之外的一些腳本、插件和代碼來完成支持 NLP，但是在 ES 8.0 的版本中，ES 可以直接在 Elasticsearch 中執(zhí)行命名實體識別、情感分析、文本分類等，而無需使用額外的組件或進行編碼。并且可以在 Elasticsearch 中原生計算和創(chuàng)建矢量。這一變化為 搜索引擎的開發(fā)工作者帶來了很大的便利

2、速度、擴展和檢索相關性提升

在過去的三年間，ES一直致力于：減少內(nèi)存使用（從而讓每個節(jié)點托管更多的數(shù)據(jù)），降低查詢開銷（在大規(guī)模部署中成效尤為明顯），引入一些全新的功能來提高相關性。

例如，在 7.x 系列版本中，官方提高了日期直方圖和搜索聚合的速度，增強了頁面緩存的性能，并創(chuàng)建了一個新的“pre-filter”搜索短語。此外，官方還通過減少內(nèi)存堆完全支持 ARM 架構，引入全新的方式以使用更少的存儲空間，以及讓用戶能夠借助新的 Frozen Phase 和 Searchable Snapshot 輕松將計算與存儲分離開來，從而降低了資源需求（即：降低了客戶的總體擁有成本）。

3、通過原生矢量搜索提高搜索相關性

Elastic 8.0 版引入了一整套原生矢量搜索功能，讓客戶和員工能夠使用他們自己的文字和語言來搜索并收到高度相關的結果。

在過去的兩年間，官方一直致力于ES矢量搜索的優(yōu)化。在 Elasticsearch 7.0版中，就針對高維矢量引入了字段類型。在 ES 7.3和 7.4 版本中，又引入了對矢量相似函數(shù)的支持。

在 Elasticsearch 8.0 版中，自然語言處理 (NLP) 模型原生支持直接引入了 Elasticsearch，讓矢量搜索功能更容易實現(xiàn)。此外，Elasticsearch 8.0 版還包含了對近似最近鄰搜索的原生支持，因此可以快速且大規(guī)模地比較基于矢量的查詢與基于矢量的文檔語料庫。

4、默認開啟安全功能

從 ES 7.x 開始，官方提供免費的安全功能，不過僅限于索引級別的安全設置，而字段和文檔級別的需要付費。

從 8.0 開始，ES 簡化了安全功能。自管理集群默認啟用 Elastic Stack 安全性，配置工作幾乎為零（其實8.x 的安全配置更麻煩了，知識默認啟用了安全功能而已）。

8.x 默認啟用了以下功能：

• 用戶認證
• 具有基于角色的訪問控制的用戶授權
• Kibana Spaces 多租戶
• 使用 TLS 的加密節(jié)點到節(jié)點通信
• 使用 HTTPS 與 Elasticsearch API 進行加密通信

第一次運行 Elasticsearch 時，Elasticsearch 將自動執(zhí)行以下任務：

• TLS 設置：它將生成證書頒發(fā)機構、傳輸和 HTTP 層證書，以及 TLS 舞蹈所需的所有相關“好東西”——當然包括私鑰、證書指紋等。它還將存儲密碼安全。
• 設置安全設置：這還包括用于傳輸和 HTTP 加密的設置：xpack.security.ssl.http.enabled 和 xpack.security。ssl.transport.enabled
• 準備傳入連接：它將生成一種特殊類型的令牌，即注冊令牌，它封裝了 Kibana 連接到 Elasticsearch 所需的所有信息，并啟用其注冊 API，該 API 會監(jiān)聽新連接。
• 為ES 內(nèi)置超級用戶生成密碼。

在之前的多個版本中，官方簡化了將各類數(shù)據(jù)從任何來源采集到 Elastic Stack 的過程。在 Elastic 8.0 版中，通過兩個新的 AWS 集成進一步擴展了云原生集成：一個新的 AWS Lambda 應用程序和一個新的 Amazon Simple Storage Service (Amazon S3) Storage Lens 集成。文章來源地址http://www.zghlxwxcb.cn/news/detail-431538.html

到了這里，關于ES 8.0：歷時三年的 Elasticsearch 8.x 大更新給我們帶來了什么?的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！