准备好试用 Elasticsearch 并查看结果了吗？复制并粘贴这些请求即可开始。

classroom_2000.jpg

classroom_720.jpg

A Practical Introduction to Elasticsearch

Elasticsearch 实用介绍

By submitting you acknowledge that you've read and agree to our <a href="/legal/elastic-cloud-account-terms" target="_blank">Terms of Service</a>, and that Elastic may <a href="/legal/privacy-statement#how-we-use-the-information" target="_blank">contact you</a> about our related products and services, using the details you provide above. See <a href="/legal/privacy-statement/" target="_blank">Elastic’s Privacy Statement</a> for more details or to opt-out at any time.

Newsletter GDPR Text

提交即表示您确认您已阅读并同意我们的<a href="/cn/legal/elastic-cloud-account-terms" target="_self">服务条款</a>，并且 Elastic 可以使用您提供的上述详细信息与您联系，以向您介绍我们相关的<a href="/cn/legal/privacy-statement#how-we-use-the-information" target="_self">产品和服务</a>。如需了解更多信息，或想随时取消订阅，请参阅 <a href="/cn/legal/privacy-statement/" target="_self">Elastic 的隐私声明</a>。

Speakers

Close

See more insights

The content on this page is not available in the selected language. As Elastic grows globally, we continue to support content in multiple languages.

The content on this page is not available in the selected language.

本页内容尚不支持所选语言。Elastic 正在不断努力，以实现对多种语言内容的支持。感谢您在此期间给予的耐心与陪伴！

Author

Articles by

Learn more

Watch now (no PT)

Watch now

See all top stories

All (no PT translation)

Contact information

Press Release

Share on Reddit

Share this story

Share by Email

Thank you for your interest!

Contact Info

Follow us on Youtube

Load More

Share on LinkedIn

Follow us on LinkedIn

Search Integrations

All Solutions

Video for

Follow us on Twitter

See when this webinar starts in my time zone

查看本次网络研讨会在我的时区的开始时间

Register to Watch

Register now

See All Posts

Can't make it? Register and we'll send you the recording. You'll also receive an email with related content

无法实时参加？注册后我们会给您发送录像。您还将收到相关内容的电子邮件。

Small image for

On-demand webinar

Featured webinar

Register to Attend

Share on Facebook

Reset all

Upcoming webinar

View more posts

Print

Hosted by

Sign In to Attend

View next

Follow us on Facebook

Share

Highlights

Read less

You'll also receive an email with related content

你将会收到一封相关内容的电邮。

Thank you for registering. We will send you a confirmation email soon.

谢谢注册。我们会尽快给您发送确认邮件。

What to explore next...

Load more news

Filters

Load more press releases

Share on Twitter

Continue reading

对 X-Pack 中的机器学习如何对异常进行评分，并根据从 0 到 100 的严重程度等级自动对异常进行排名的分步式讲解。

anomaly_scoring_full_bleed.jpg

anomaly_scoring_thumb.jpg

Machine Learning Anomaly Scoring and Elasticsearch - How it Works

机器学习异常评分和 Elasticsearch —— 背后的原理

We’re very excited to announce that the 6.0.0 version of the Elastic Stack is now GA. Join us on 6.0, the view is spectacular!

6_BlogHero Color.jpg

6_BlogThumbnail Color.jpg

Elastic Stack 6.0.0 GA is Released

全新推出 6.0.0

Elliot 用 Kibana 来进行可视化，直观呈现了黑暗军队在《黑客军团》eps3.4_runtime-error.r00 中窃取数据的行动。

Elliot 用 Kibana 形象化了在《黑客军团》中利用“eps3.4_runtime-error.r00”窃取数据的一幕。&nbsp;全球 Elastic 的用户收获双重惊喜。我们会努力在写博客时保持淡定。
《黑客军团》是全公司的宠儿，原因很明显。该节目用现实的检测策略、工具和响应描绘网络安全场景，并因此而闻名。所以当《黑客军团》的团队向我们伸出手来，说明他们想在接下来的一集里展示 Kibana 时，我们非常激动。当然，我们说“没问题！” 我们迫不及待地想看到我们的软件在 Elliot 的世界里运行。顺便说一句，您会注意到这不是 Kibana 的最新版本，而是 <a href="/cn/blog/kibana-4-literally" target="_blank">Kibana 4</a>，这是为了适应节目的时间表。
<img src="https://api.contentstack.io/v2/uploads/5a05c452e5cca3277d6e93b4/download?uid=bltcca1f717f1bd3743" data-sys-asset-uid="bltcca1f717f1bd3743" alt="Elliot-Kibana-MrRobot.png">&nbsp;
实际上，《黑客军团》中的技术人士想要建立一个用真实工具创建的、充满数据的真实 Kibana 仪表板。您能明白我们为什么是粉丝吗？
《黑客军团》的技术顾问 <a href="https://medium.com/@ryankazanciyan" target="_blank">Ryan Kazanciyan</a> 介绍了每集背后的网络安全背景，让我们沉迷其中，欲罢不能。在他的最新文章中，Ryan 深入探讨了如何制作一个描绘黑暗军队恶意活动的 Kibana 仪表板。首先，Ryan 构建了一个由 Elasticsearch、Logstash 和 Kibana 组成的 ELK（现在称为 Elastic Stack）虚拟机。然后他用来自 Windows 和 Linux 系统的数据填充它。更多关于他如何构建仪表板每个部分的幕后解说，请访问<a href="https://medium.com/@ryankazanciyan/mr-robot-disassembled-3-4-runtime-error-r00-9319c70c30f2" target="_blank">他的博客文章</a>。
<img src="https://api.contentstack.io/v2/uploads/5a05c285b11e02074c49718b/download?uid=blt7ed0d8f1cabe5fdb" data-sys-asset-uid="blt7ed0d8f1cabe5fdb" alt="Kibana-MrRobot.png">
我们喜欢听到用户使用 Elastic Stack 的所有方式。Elliot 用 Kibana 来通过可视化直观呈现黑暗军队的攻击，给人带来一种超现实的观感。 
以下是我们团队粉丝的回应：
<blockquote>“《黑客军团》的创作家和顾问打造了一个令人耳目一新、技术上贴近现实的节目。此节目注重细节，而且浅显易懂。听起来很熟悉。我很高兴他们选择使用 Elastic Stack。”Nick Waringa，高级安全分析师
</blockquote><blockquote>“我们全家都非常期待出现 Kibana 的那一集，创下了《黑客军团》周末狂欢观看的纪录。”- Beth McAnerney，Netsuite 管理员
</blockquote><blockquote>“这让我因为自己是个书呆子而兴奋无比。上次出现这种心情还是我在读《雪崩》的时候！”- Mark Walkom，解决方案架构师/开发技术推广工程师
</blockquote><blockquote>“最后我来到一个炫酷的工作空间，将 Kibana 融入了《黑客军团》的剧情！”- Grant Murphy，云工程师
</blockquote>

kibana-dashboard-fullbleed.jpg

Elliot-Kibana-MrRobot-image.jpg

Monitoring the Dark Army with Kibana on Mr. Robot

《黑客军团》使用 Kibana 监测黑暗军队

<html><head></head><body>&#x5404;&#x4F4D;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x7528;&#x6237;&#xFF0C;&#x4F60;&#x4EEC;&#x597D;&#xFF01;

&#x4ECA;&#x5929;&#x6211;&#x4EEC;&#x5BA3;&#x5E03;&#x4E0E;&#x963F;&#x91CC;&#x4E91;&#x7B7E;&#x7F72;&#x8FBE;&#x6210;&#x591A;&#x5E74;&#x7684;&#x6218;&#x7565;&#x5408;&#x4F5C;&#x4F19;&#x4F34;&#x5173;&#x7CFB;&#xFF0C;&#x5E76;&#x63D0;&#x4F9B;&#x65B0;&#x7684;<a href="https://data.aliyun.com/product/elasticsearch">&#x963F;&#x91CC;&#x4E91; Elasticsearch</a> &#x670D;&#x52A1;&#x3002;&#x8FD9;&#x9879;&#x65B0;&#x7684;&#x670D;&#x52A1;&#x5C06;&#x628A; Elasticsearch&#x3001;Kibana&#x3001;&#x53CA;&#x6240;&#x6709; <a href="/cn/products/x-pack">X-Pack</a> &#x7684;&#x529F;&#x80FD;&#x6258;&#x7BA1;&#x5728;&#x963F;&#x91CC;&#x4E91;&#x4E0A;&#xFF0C;&#x8BA9;&#x5BA2;&#x6237;&#x80FD;&#x5728;&#x963F;&#x91CC;&#x4E91;&#x4E0A;&#x4E00;&#x952E;&#x90E8;&#x7F72;&#x3002;&#x4E0E;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x5408;&#x4F5C;&#x610F;&#x5473;&#x7740;&#x6211;&#x4EEC;&#x80FD;&#x591F;&#x4E3A;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x5BA2;&#x6237;&#x63D0;&#x4F9B; Elastic Stack&#xFF08;&#x65E7;&#x79F0; ELK Stack) &#x548C; X-Pack &#x7684;&#x6700;&#x65B0;&#x7248;&#x672C;&#x548C;&#x529F;&#x80FD;&#xFF0C;&#x800C;&#x6211;&#x4EEC;&#x4E5F;&#x5C06;&#x4F1A;&#x4E0E;&#x963F;&#x91CC;&#x4E91;&#x5408;&#x4F5C;&#xFF0C;&#x6784;&#x5EFA;&#x548C;&#x5F00;&#x5C55;&#x65B0;&#x7684;&#x670D;&#x52A1;&#x4F8B;&#x5982;&#x65E5;&#x5FD7;&#x3002;

&#x6211;&#x975E;&#x5E38;&#x8363;&#x5E78;&#x80FD;&#x591F;&#x6765;&#x5230;&#x676D;&#x5DDE;&#x5728;&#x963F;&#x91CC;&#x4E91;&#x7684;<a href="https://yunqi.aliyun.com/?spm=a3c0i.8779151.781770.8.6b0e0d6biz4cak">&#x4E91;&#x6816;&#x5927;&#x4F1A;</a>&#x4E0A;&#x4E3A;&#x6570;&#x5343;&#x4F4D;&#x5F00;&#x53D1;&#x4EBA;&#x5458;&#xFF0C;&#x521B;&#x4E1A;&#x4F01;&#x4E1A;&#x5BB6;&#x548C; IT &#x4E13;&#x4E1A;&#x4EBA;&#x58EB;&#x516C;&#x5E03;&#x8FD9;&#x9879;&#x91CD;&#x8981;&#x7684;&#x516C;&#x544A;&#x3002;&#x6211;&#x4EEC;&#x8BA4;&#x4E3A;&#x4E2D;&#x56FD;&#x662F;&#x4E00;&#x4E2A;&#x91CD;&#x8981;&#x7684;&#x5E02;&#x573A;&#xFF0C;&#x6211;&#x4EEC;&#x4E5F;&#x4E3A;&#x6211;&#x4EEC;&#x7684;&#x8F6F;&#x4EF6;&#x80FD;&#x5728;&#x6E38;&#x620F;&#x5E94;&#x7528;&#x3001;&#x79FB;&#x52A8;&#x5E94;&#x7528;&#x3001;&#x7F51;&#x7EDC;&#x5E94;&#x7528;&#x548C;&#x4F20;&#x7EDF; IT &#x7CFB;&#x7EDF;&#x4E2D;&#xFF0C;&#x5728;&#x5168;&#x56FD;&#x8303;&#x56F4;&#x5185;&#x8FDB;&#x884C;&#x7684;&#x5404;&#x79CD;&#x521B;&#x65B0;&#x800C;&#x611F;&#x5230;&#x9A84;&#x50B2;&#x3002;

&#x9664;&#x4E86;&#x8FD9;&#x4E2A;&#x4EE4;&#x4EBA;&#x5174;&#x594B;&#x7684;&#x6D88;&#x606F;&#xFF0C;&#x6211;&#x4E5F;&#x60F3;&#x501F;&#x6B64;&#x673A;&#x4F1A;&#x611F;&#x8C22;&#x6211;&#x4EEC;&#x5728;&#x4E2D;&#x56FD;&#x5EFA;&#x7ACB;&#x7684;&#x7F8E;&#x597D;&#x793E;&#x533A;&#x3002;&#x5728;&#x8FC7;&#x53BB;&#x4E24;&#x5E74;&#x5185;&#xFF0C;&#x6211;&#x4EEC;&#x5728;&#x5168;&#x4E2D;&#x56FD;&#x8FDB;&#x884C;&#x4E86;&#x8D85;&#x8FC7; 50 &#x573A;&#x7684;&#x7EBF;&#x4E0B;&#x805A;&#x4F1A;&#x548C;&#x5F00;&#x53D1;&#x8005;&#x6D3B;&#x52A8;&#x3002;&#x6211;&#x4EEC;&#x53BB;&#x8FC7;&#x5317;&#x4EAC;&#x3001;&#x4E0A;&#x6D77;&#x3001;&#x5E7F;&#x5DDE;&#x3001;&#x6DF1;&#x5733;&#x3001;&#x676D;&#x5DDE;&#x7B49;&#x591A;&#x4E2A;&#x57CE;&#x5E02;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x793E;&#x533A;&#x8D85;&#x8FC7; 5000 &#x4E2A;&#x7528;&#x6237;&#xFF0C;&#x5E76;&#x4E14;&#x6BCF;&#x5929;&#x4E0D;&#x65AD;&#x589E;&#x957F;&#x3002;&#x8FD9;&#x4E00;&#x5207;&#x90FD;&#x6709;&#x52B3;&#x6211;&#x4EEC;&#x5728;&#x4E2D;&#x56FD;&#x7684;&#x7B2C;&#x4E00;&#x4F4D;&#x5458;&#x5DE5;&#xFF0C;&#x66FE;&#x52C7;&#xFF0C;&#x6211;&#x4EEC;&#x7684;&#x6280;&#x672F;&#x5E03;&#x9053;&#x5E08;&#xFF0C;&#x4EE5;&#x53CA;&#x90A3;&#x4E9B;&#x66FE;&#x7ECF;&#x5E2E;&#x52A9;&#x8FC7;&#x6211;&#x4EEC;&#x7684;&#x4F17;&#x591A;&#x5FD7;&#x613F;&#x8005;&#x4EEC;&#x3002;

&#x8C22;&#x8C22;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x56E2;&#x961F;&#x7ED9;&#x4E86;&#x6211;&#x4EEC;&#x5728;&#x4E2D;&#x56FD;&#x7F8E;&#x597D;&#x7684;&#x4E00;&#x5468;&#x3002;

&#x5BF9;&#x6211;&#x4EEC;&#x800C;&#x8A00;&#xFF0C;&#x672A;&#x6765;&#x51E0;&#x5E74;&#x5C06;&#x662F;&#x4E00;&#x4E2A;&#x6FC0;&#x52A8;&#x4EBA;&#x5FC3;&#x7684;&#x65F6;&#x671F;&#x3002;

<img src="https://api.contentstack.io/v2/uploads/59e048dbc0eddd140d5a8d3e/download?uid=blt2268d4753690944c" data-sys-asset-uid="blt2268d4753690944c" alt="&#x963F;&#x91CC;&#x4E91;&#x603B;&#x88C1;&#x80E1;&#x6653;&#x660E;&#x4E0E; Elastic &#x521B;&#x59CB;&#x4EBA;&#x517C;&#x9996;&#x5E2D;&#x6267;&#x884C;&#x5B98; Shay Banon">
<figcaption>&#x963F;&#x91CC;&#x4E91;&#x603B;&#x88C1;&#x80E1;&#x6653;&#x660E;&#x4E0E; Elastic &#x521B;&#x59CB;&#x4EBA;&#x517C;&#x9996;&#x5E2D;&#x6267;&#x884C;&#x5B98; Shay Banon</figcaption>
 

<img src="https://api.contentstack.io/v2/uploads/59e04bae75d9f7760dfc4d15/download?uid=blt3269b7b7de2d780d" data-sys-asset-uid="blt3269b7b7de2d780d" alt="&#x521B;&#x59CB;&#x4EBA;&#x517C;&#x9996;&#x5E2D;&#x6267;&#x884C;&#x5B98; Shay Banon&#x5728;&#x4E91;&#x6816;&#x5927;&#x4F1A;&#x516C;&#x5E03; Elastic &#x4E0E;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x5408;&#x4F5C;&#x4F19;&#x4F34;&#x5173;&#x7CFB;">
<figcaption>&#x521B;&#x59CB;&#x4EBA;&#x517C;&#x9996;&#x5E2D;&#x6267;&#x884C;&#x5B98; Shay Banon&#x5728;&#x4E91;&#x6816;&#x5927;&#x4F1A;&#x516C;&#x5E03; Elastic &#x4E0E;&#x963F;&#x91CC;&#x4E91;&#x7684;&#x5408;&#x4F5C;&#x4F19;&#x4F34;&#x5173;&#x7CFB;
</figcaption></body></html>

photo-alibaba-elastic-group.jpg

aliyun-alibaba-simon-shay-handshake.jpg

Alibaba Cloud to Offer Elasticsearch, Kibana, and X-Pack in China

在中国的阿里云上提供 Elasticsearch、Kibana 及 X-Pack

<html><head></head><body>Elastic Cloud &#x4F01;&#x4E1A;&#x7248; (ECE) 1.0 &#x6B63;&#x5F0F;&#x53D1;&#x5E03;&#x901A;&#x7528;&#x7248;&#x672C;&#xFF0C;&#x6211;&#x4EEC;&#x4E3A;&#x6B64;&#x6FC0;&#x52A8;&#x4E0D;&#x5DF2;&#x3002;&#x8FD9;&#x6B3E;&#x65B0;&#x4EA7;&#x54C1;&#x80FD;&#x591F;&#x8BA9;&#x60A8;&#x5728;&#x60A8;&#x9009;&#x62E9;&#x7684;&#x73AF;&#x5883;&#x4E2D;&#xFF0C;&#x6309;&#x7167;&#x60A8;&#x60F3;&#x8981;&#x7684;&#x65B9;&#x5F0F;&#xFF0C;&#x901A;&#x8FC7;&#x5355;&#x4E2A;&#x63A7;&#x5236;&#x53F0;&#x914D;&#x7F6E;&#x3001;&#x76D1;&#x63A7;&#x3001;&#x7F16;&#x6392;&#x4E00;&#x7CFB;&#x5217; Elasticsearch &#x96C6;&#x7FA4;&#x548C; Kibana &#x5B9E;&#x4F8B;&#x3002;
&#xFF08;&#x5982;&#x679C;&#x60A8;&#x60F3;&#x8981;&#x6DF1;&#x5165;&#x4E86;&#x89E3;&#xFF0C;&#xA0;<a href="/downloads/enterprise">&#x6B22;&#x8FCE;&#x8BD5;&#x7528;</a>&#x5E76;&#x4EAB;&#x53D7;&#x5B83;&#x5E26;&#x7ED9;&#x60A8;&#x7684;&#x4F53;&#x9A8C;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x60A8;&#x6216;&#x8BB8;&#x6B63;&#x5728;&#x671F;&#x5F85;&#x6211;&#x4EEC;&#x5373;&#x5C06;&#x63A8;&#x51FA;&#x7684;<a href="/webinars/elastic-cloud-enterprise-launch-demo">&#x7F51;&#x7EDC;&#x7814;&#x8BA8;&#x4F1A;&#x548C;&#x4EA7;&#x54C1;&#x6F14;&#x793A;</a>&#x3002;)
&#x4ECA;&#x5929;&#x53D1;&#x5E03;&#x901A;&#x7528;&#x7248;&#x672C;&#x4E4B;&#x524D;&#xFF0C;&#x6211;&#x4EEC;&#x5DF2;&#x7ECF;&#x63A2;&#x8BA8;&#x4E86;<a href="/blog/cloud-enterprise-the-architecture">&#x4EA7;&#x54C1;&#x67B6;&#x6784;</a>, <a href="/blog/elastic-cloud-enterprise-beta">&#x4E1A;&#x52A1;&#x4EF7;&#x503C;</a>&#x548C;<a href="/blog/introducing-elastic-cloud-enterprise-public-alpha">&#x76EE;&#x6807;&#x7528;&#x6237;</a>&#x3002;&#x73B0;&#x5728;&#xFF0C;&#x6211;&#x4EEC;&#x60F3;&#x66F4;&#x52A0;&#x8BE6;&#x7EC6;&#x5730;&#x4ECB;&#x7ECD;&#x7528;&#x6237;&#x5E94;&#x7528; ECE &#x8FD9;&#x6B3E;&#x4EA7;&#x54C1;&#x7684;&#x5177;&#x4F53;&#x65B9;&#x6CD5;&#x3002;

&#x6211;&#x4EEC;&#x7684;&#x5F88;&#x591A;&#x7528;&#x6237;&#x5728;&#x4EA7;&#x54C1;&#x5E94;&#x7528;&#x65B9;&#x9762;&#x90FD;&#x6709;&#x7C7B;&#x4F3C;&#x7684;&#x7ECF;&#x5386;&#x3002;&#x4EE5; X &#x516C;&#x53F8;&#x4E3A;&#x4F8B;&#xFF0C;&#x4ED6;&#x4EEC;&#x7684;&#x5F00;&#x53D1;&#x4EBA;&#x5458;&#x5904;&#x7406;&#x4E0E;&#x6570;&#x636E;&#x76F8;&#x5173;&#x7684;&#x95EE;&#x9898;&#x65F6;&#xFF0C;&#x5076;&#x7136;&#x53D1;&#x73B0;&#x4E86; Elasticsearch&#xFF0C;&#x5C31;&#x5C06;&#x5B83;&#x4E0B;&#x8F7D;&#x4E0B;&#x6765;&#x5E76;&#x542F;&#x7528;&#x4E86;&#x6D4B;&#x8BD5;&#x96C6;&#x7FA4;&#xFF0C;&#x8F93;&#x5165;&#x4E86;&#x4E00;&#x4E9B;&#x6570;&#x636E;&#x540E;&#x53D1;&#x73B0;&#x64CD;&#x4F5C;&#x6210;&#x529F;&#x3002;&#x540C;&#x4E8B;&#x542C;&#x8BF4;&#x540E;&#x5C31;&#x589E;&#x52A0;&#x4E86;&#x81EA;&#x5DF1;&#x7684;&#x6570;&#x636E;&#xFF0C;&#x800C;&#x96C6;&#x7FA4;&#x4E3A;&#x4E86;&#x652F;&#x6301;&#x8FD9;&#x4E9B;&#x65B0;&#x589E;&#x7684;&#x6570;&#x636E;&#xFF0C;&#x4E0D;&#x5F97;&#x4E0D;&#x6269;&#x5927;&#x89C4;&#x6A21;&#x3002;&#x4E0D;&#x4E45;&#x4E4B;&#x540E;&#xFF0C;X &#x516C;&#x53F8;&#x5728;&#x53D1;&#x6325;&#x751F;&#x4EA7;&#x652F;&#x6301;&#x4F5C;&#x7528;&#x7684;&#x4EFB;&#x52A1;&#x5173;&#x952E;&#x578B;&#x529F;&#x80FD;&#x4E2D;&#x8FD0;&#x884C;&#x7684; Elasticsearch &#x8282;&#x70B9;&#x5C31;&#x589E;&#x52A0;&#x5230;&#x4E86;&#x51E0;&#x5341;&#x4E2A;&#x3002;
<h2>&#x800C;&#x8FD9;&#x4EC5;&#x4EC5;&#x662F;&#x5F00;&#x59CB;&#x3002;</h2>&#x5047;&#x8BBE; X &#x516C;&#x53F8;&#x662F;&#x4E00;&#x5BB6;&#x94F6;&#x884C;&#x3002;&#x4ED6;&#x4EEC;&#x7684;&#x591A;&#x8282;&#x70B9;&#x751F;&#x4EA7;&#x96C6;&#x7FA4;&#x76EE;&#x524D;&#x652F;&#x6301;&#x5C06;&#x65E5;&#x5FD7;&#x7528;&#x4F8B;&#x5E94;&#x7528;&#x5230;&#x591A;&#x4E2A;&#x5E94;&#x7528;&#x8303;&#x56F4;&#xFF0C;&#x4F46;&#x662F;&#x4ED6;&#x4EEC;&#x73B0;&#x5728;&#x5E0C;&#x671B;&#x5C06;&#x5B89;&#x5168;&#x5206;&#x6790;&#x548C;&#x4EA4;&#x6613;&#x5206;&#x6790;&#x5E94;&#x7528;&#x5230;&#x65B0;&#x7684;&#x5E94;&#x7528;&#x8303;&#x56F4;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x8425;&#x9500;&#x56E2;&#x961F;&#x3001;&#x4EBA;&#x529B;&#x8D44;&#x6E90;&#x56E2;&#x961F;&#x548C; SRE &#x56E2;&#x961F;&#x90FD;&#x542C;&#x8BF4;&#x4E86; Elastic&#xFF0C;&#x5E76;&#x4E14;&#x8981;&#x6C42;&#x8BD5;&#x7528;&#x6216;&#x8005;&#x5E94;&#x7528;&#x5B83;&#x6765;&#x89E3;&#x51B3;&#x5404;&#x81EA;&#x7684;&#x4E1A;&#x52A1;&#x95EE;&#x9898;&#x3002;

&#x73B0;&#x5728;&#x7684;&#x5C40;&#x9762;&#x53D8;&#x5F97;&#x8D8A;&#x6765;&#x8D8A;&#x6709;&#x610F;&#x601D;&#x4E86;&#x3002;&#x5404;&#x79CD;&#x5404;&#x6837;&#x7684;&#x95EE;&#x9898;&#x805A;&#x5728;&#x4E86;&#x4E00;&#x8D77;&#xFF0C;&#x8FD9;&#x4E9B;&#x95EE;&#x9898;&#x5E26;&#x6765;&#x7684;&#x9EBB;&#x70E6;&#x662F;&#x7531;&#x96C6;&#x7FA4;&#x89C4;&#x6A21;&#x7684;&#x7BA1;&#x7406;&#x96BE;&#x9898;&#x81EA;&#x7136;&#x884D;&#x751F;&#x51FA;&#x6765;&#x7684;&#xFF0C;&#x4F8B;&#x5982;&#x591A;&#x7528;&#x4F8B;&#x3001;&#x591A;&#x79DF;&#x6237;&#x3001;&#x8D8A;&#x6765;&#x8D8A;&#x591A;&#x7684;&#x6570;&#x636E;&#x3002;

<img src="https://api.contentstack.io/v2/uploads/59265e494c6ffd0c60497281/download?uid=bltfbe986c1caa92091" data-sys-asset-uid="bltfbe986c1caa92091" alt="elasticsearch-multitenant-multi-use-case-management-monitoring-orchestration.png">
&#x8FD9;&#x6837;&#x7684;&#x95EE;&#x9898;&#x662F;&#x6211;&#x4EEC;&#x4E50;&#x4E8E;&#x9762;&#x5BF9;&#x7684;&#xFF0C;&#x4E0D;&#x8FC7;&#x89E3;&#x51B3;&#x8D77;&#x6765;&#x9887;&#x5177;&#x6311;&#x6218;&#x3002;&#x4E3A;&#x4E86;&#x89E3;&#x91CA;&#x6E05;&#x695A;&#xFF0C;&#x6211;&#x4EEC;&#x5148;&#x8FDB;&#x884C;&#x5206;&#x89E3;&#xFF0C;&#x805A;&#x7126;&#x4E24;&#x4E2A;&#xFF08;&#x81EA;&#x7136;&#x800C;&#x7136;&#x5B58;&#x5728;&#x7684;&#xFF09;&#x95EE;&#x9898;&#xFF1A;1) &#x4F60;&#x4EEC;&#x662F;&#x8C01;&#xFF1B;2) &#x4F60;&#x4EEC;&#x60F3;&#x8981;&#x505A;&#x4EC0;&#x4E48;&#xFF1F;

&#x7B2C;&#x4E00;&#x4E2A;&#x95EE;&#x9898;&#xFF1A;&#x4F60;&#x4EEC;&#x662F;&#x8C01;&#xFF1F;
&#x5982;&#x679C;&#x4F60;&#x4EEC;&#x662F;&#x96C6;&#x7FA4;&#x7684;&#x79DF;&#x6237;&#x3002;&#x4F60;&#x4EEC;&#x4F1A;&#x5173;&#x5FC3;&#x83B7;&#x53D6;&#x6D1E;&#x5BDF;&#x6240;&#x9700;&#x7684;&#x65F6;&#x95F4;&#x3001;&#x5FEB;&#x901F;&#x54CD;&#x5E94;&#x3001;&#x81EA;&#x5B9A;&#x4E49;&#x4F53;&#x9A8C;&#x4EE5;&#x53CA;&#x80FD;&#x5426;&#x6EE1;&#x8DB3;&#x671F;&#x671B;&#x3002;&#x4F46;&#x662F;&#xFF0C;&#x5982;&#x679C;&#x5BF9;&#x6240;&#x6709;&#x79DF;&#x6237;&#x90FD;&#x7B49;&#x800C;&#x89C6;&#x4E4B;&#xFF0C;&#x8FD9;&#x662F;&#x4E0D;&#x660E;&#x667A;&#x7684;&#x505A;&#x6CD5;&#x3002;&#x4ED6;&#x4EEC;&#x6709;&#x4E0D;&#x540C;&#x7684;&#x9700;&#x6C42;&#x3001;&#x4E60;&#x60EF;&#x548C;&#x8981;&#x6C42; &#x2014; &#x6BCF;&#x4E2A;&#x8981;&#x7D20;&#x90FD;&#x53EF;&#x80FD;&#x5BFC;&#x81F4;&#x6469;&#x64E6;&#x548C;&#x632B;&#x8D25;&#x3002;
<ul>
	<li> &#x4E0D;&#x540C;&#x7684;&#x8BBF;&#x95EE;&#x63A7;&#x5236;&#x914D;&#x7F6E;&#x3002; &#x79DF;&#x6237;&#x4F1A;&#x6709;&#x4E0D;&#x540C;&#x7684;&#x7528;&#x4F8B;&#x3002;&#x6709;&#x4E9B;&#x53EF;&#x80FD;&#x8981;&#x8FDB;&#x884C;&#x5168;&#x6587;&#x641C;&#x7D22;&#x6216;&#x9700;&#x8981;&#x667A;&#x80FD;&#x63D0;&#x793A;&#x548C;&#x63A8;&#x8350;&#x3002;&#x5176;&#x4ED6;&#x53EF;&#x80FD;&#x8981;&#x5BF9;&#x5B89;&#x5168;&#x6570;&#x636E;&#x8FDB;&#x884C;&#x7E41;&#x91CD;&#x7684;&#x805A;&#x5408;&#x3001;&#x65E5;&#x5FD7;&#x5206;&#x6790;&#x6216;&#x626B;&#x63CF;&#x548C;&#x904D;&#x5386;&#x3002;</li>
</ul>
<ul>
	<li>&#x4E0D;&#x540C;&#x7684;&#x670D;&#x52A1;&#x6C34;&#x5E73;&#x534F;&#x8BAE; (SLA)&#x3002;&#x6267;&#x884C;&#x5A01;&#x80C1;&#x8FFD;&#x8E2A;&#x7684;&#x5B89;&#x5168;&#x56E2;&#x961F;&#x53EF;&#x80FD;&#x5E76;&#x4E0D;&#x5E0C;&#x671B;&#x4ED6;&#x4EEC;&#x7684;&#x5206;&#x6790;&#x6240;&#x83B7;&#x5F97;&#x7684;&#x54CD;&#x5E94;&#x6709;&#x5EF6;&#x8FDF;&#xFF0C;&#x4F46;&#x662F;&#x4ED6;&#x4EEC;&#x5BF9;&#x96C6;&#x7FA4;&#x8FDB;&#x884C;&#x7684;&#x4EFB;&#x52A1;&#x91CF;&#x7E41;&#x91CD;&#x7684;&#x67E5;&#x8BE2;&#x53EF;&#x80FD;&#x4F1A;&#x5BF9;&#x5176;&#x4ED6;&#x79DF;&#x6237;&#x7684; SLA &#x9884;&#x671F;&#x4EA7;&#x751F;&#x8D1F;&#x9762;&#x5F71;&#x54CD;&#x3002;</li>
</ul><ul>
	<li> &#x4E0D;&#x540C;&#x7684;&#x7248;&#x672C; &#x5E76;&#x975E;&#x6240;&#x6709;&#x79DF;&#x6237;&#x90FD;&#x8FD0;&#x884C;&#x76F8;&#x540C;&#x7248;&#x672C;&#x7684; Elastic &#x4EA7;&#x54C1;&#x3002;&#x4ED6;&#x4EEC;&#x53EF;&#x80FD;&#x51FA;&#x4E8E;&#x7279;&#x5B9A;&#x7684;&#x539F;&#x56E0;&#x800C;&#x5FC5;&#x987B;&#x4F7F;&#x7528;&#x67D0;&#x4E2A;&#x7279;&#x5B9A;&#x7684;&#x7248;&#x672C;&#xFF0C;&#x56E0;&#x6B64;&#x5982;&#x679C;&#x786C;&#x8981;&#x4ED6;&#x4EEC;&#x5728;&#x6CA1;&#x6709;&#x51C6;&#x5907;&#x597D;&#x7684;&#x60C5;&#x51B5;&#x4E0B;&#x5347;&#x7EA7;&#xFF0C;&#x4F1A;&#x9002;&#x5F97;&#x5176;&#x53CD;&#x3002;
</li>
</ul>&#x8FD8;&#x6709;&#x5176;&#x4ED6;&#x8981;&#x8003;&#x8651;&#x7684;&#x56E0;&#x7D20;&#x3002;&#x4F8B;&#x5982;&#xFF0C;&#x4E0D;&#x540C;&#x7684;&#x5907;&#x4EFD;&#x7B56;&#x7565;&#x4F1A;&#x4EA7;&#x751F;&#x989D;&#x5916;&#x7684;&#x5DE5;&#x4F5C;&#x91CF;&#xFF0C;&#x6216;&#x7ED9;&#x57FA;&#x7840;&#x8BBE;&#x65BD;&#x5E26;&#x6765;&#x8D1F;&#x62C5;&#x3002;&#x8FD8;&#x6709;&#x4E9B;&#x79DF;&#x6237;&#x53EF;&#x80FD;&#x4F1A;&#x6784;&#x5EFA;&#x4EFB;&#x52A1;&#x91CF;&#x7E41;&#x91CD;&#x7684;&#x544A;&#x8B66;&#xFF0C;&#x9700;&#x8981;&#x67E5;&#x8BE2;&#x7684;&#x6570;&#x636E;&#x91CF;&#x76F8;&#x5F53;&#x4E8E;&#x4E00;&#x5E74;&#x7684;&#x6570;&#x636E;&#x91CF;&#xFF0C;&#x8FD9;&#x4F1A;&#x59A8;&#x788D;&#x5176;&#x4ED6;&#x79DF;&#x6237;&#x7684;&#x96C6;&#x7FA4;&#x3002;
&#x5982;&#x679C;&#x4F60;&#x4EEC;&#x662F;&#x751F;&#x4EA7;&#x56E2;&#x961F;&#x3002;Elastic &#x7684;&#x6240;&#x6709;&#x9B54;&#x529B;&#x90FD;&#x4F1A;&#x901A;&#x8FC7;&#x4F60;&#x4EEC;&#x53D1;&#x6325;&#x51FA;&#x6765;&#x3002;&#x4F60;&#x4EEC;&#x4F1A;&#x5173;&#x6CE8;&#x5982;&#x4F55;&#x63D0;&#x4F9B;&#x826F;&#x597D;&#x7684;&#x7528;&#x6237;&#x4F53;&#x9A8C;&#xFF0C;&#x4E3A;&#x9879;&#x76EE;&#x6216;&#x90E8;&#x95E8;&#x5E26;&#x6765;&#x66F4;&#x9AD8;&#x7684;&#x6295;&#x8D44;&#x56DE;&#x62A5;&#x7387;&#xFF08;ROI&#xFF09;&#xFF0C;&#x5E76;&#x4E14;&#x8981;&#x786E;&#x4FDD;&#x4E0D;&#x4F1A;&#x56E0;&#x4E3A;&#x5904;&#x7406;&#x5E94;&#x6025;&#x95EE;&#x9898;&#x800C;&#x5BFC;&#x81F4;&#x65F6;&#x95F4;&#x8FC7;&#x4E8E;&#x7D27;&#x5F20;&#x3002;&#x4ECE;&#x8FD9;&#x4E2A;&#x89D2;&#x5EA6;&#x6765;&#x770B;&#xFF0C;&#x6211;&#x4EEC;&#x9700;&#x8981;&#x8003;&#x8651;&#x53E6;&#x5916;&#x4E00;&#x7EC4;&#x8981;&#x7D20;&#x3002;<ul>
	<li>&#x4F55;&#x65F6;&#x7EF4;&#x62A4;&#x3002; &#x8FD9;&#x662F;&#x4E2A;&#x8001;&#x751F;&#x5E38;&#x8C08;&#x7684;&#x95EE;&#x9898;&#xFF1A;&#x4E3A;&#x4E86;&#x5C06;&#x7CFB;&#x7EDF;&#x548C;&#x7528;&#x6237;&#x5F71;&#x54CD;&#x964D;&#x81F3;&#x6700;&#x4F4E;&#xFF0C;&#x5E94;&#x8BE5;&#x4F55;&#x65F6;&#x7EF4;&#x62A4;&#xFF1F;&#x5982;&#x4F55;&#x534F;&#x8C03;&#x4E0D;&#x540C;&#x7684;&#x65F6;&#x533A;&#x548C;&#x4E0D;&#x540C;&#x7684;&#x4F7F;&#x7528;&#x6A21;&#x5F0F;&#xFF1F;
</li>
</ul><ul>
	<li>&#x4E00;&#x4E2A;&#x79DF;&#x6237;&#x8BA9;&#x5168;&#x76D8;&#x5D29;&#x6E83;&#x3002;&#x5982;&#x679C;&#x67D0;&#x4E2A;&#x79DF;&#x6237;&#x6267;&#x884C;&#x5927;&#x578B;&#x67E5;&#x8BE2;&#xFF0C;&#x963B;&#x585E;&#x6574;&#x4E2A;&#x96C6;&#x7FA4;&#xFF0C;&#x5185;&#x90E8;&#x5BA2;&#x6237;&#x53EF;&#x80FD;&#x4F1A;&#x56E0;&#x6B64;&#x63D0;&#x51FA;&#x8BBF;&#x95EE;&#x53D7;&#x963B;&#x7684;&#x95EE;&#x9898;&#x3002;
</li>
</ul><ul>
	<li>&#x5B89;&#x5168;&#x5408;&#x89C4;&#x6027;&#x3002;&#x6709;&#x4E9B;&#x79DF;&#x6237;&#x51FA;&#x4E8E;&#x5B89;&#x5168;&#x539F;&#x56E0;&#xFF0C;&#x4E0D;&#x80FD;&#x5C06;&#x81EA;&#x5DF1;&#x7684;&#x6570;&#x636E;&#x4E0E;&#x5176;&#x4ED6;&#x79DF;&#x6237;&#x7684;&#x6570;&#x636E;&#x653E;&#x5728;&#x540C;&#x4E00;&#x4E2A;&#x96C6;&#x7FA4;&#x4E2D;&#x3002;</li>
</ul><ul>
	<li>&#x5927;&#x5BB6;&#x90FD;&#x7231;&#x7528; Kibana&#x3002;&#x76EE;&#x524D;&#xFF0C;Kibana &#x6CA1;&#x6709;&#x591A;&#x79DF;&#x6237;&#x67B6;&#x6784;&#xFF0C;&#x56E0;&#x6B64;&#x7528;&#x6237;&#x4E0D;&#x5F97;&#x4E0D;&#x542F;&#x7528;&#x591A;&#x4E2A; Kibana &#x5B9E;&#x4F8B;&#xFF0C;&#x8FD9;&#x5C31;&#x610F;&#x5473;&#x7740;&#x4F1A;&#x5E26;&#x6765;&#x989D;&#x5916;&#x7684;&#x7BA1;&#x7406;&#x5DE5;&#x4F5C;&#x3002;</li>
</ul><h2>&#x90A3;&#x8BE5;&#x600E;&#x4E48;&#x505A;&#x5462;&#xFF1F;&#xA0;</h2>&#x8F6F;&#x4EF6;&#x8FD0;&#x4F5C;&#x5982;&#x6B64;&#x987A;&#x5229;&#xFF0C;&#x5E76;&#x4E14;&#x7ED9;&#x7EC4;&#x7EC7;&#x8BB8;&#x4E0B;&#x4E86;&#x5982;&#x6B64;&#x591A;&#x7684;&#x627F;&#x8BFA;&#xFF0C;&#x90A3;&#x4E48;&#x751F;&#x4EA7;&#x56E2;&#x961F;&#x5E94;&#x8BE5;&#x600E;&#x4E48;&#x505A;&#x6765;&#x9632;&#x96C6;&#x7FA4;&#xFF08;&#x6216;&#x8005;&#x53EF;&#x80FD;&#x662F;&#x4ED6;&#x4EEC;&#x7684;&#x7CBE;&#x795E;&#xFF09;&#x5D29;&#x6E83;&#x5462;&#xFF1F; 
<img src="https://api.contentstack.io/v2/uploads/59274e879f9948b9770cd236/download?uid=blt03ec1aecac47f465" data-sys-asset-uid="blt03ec1aecac47f465" alt="elasticsearch-kibana-clusters-instances-at-scale-manage-monitor-elastic-cloud-enterprise.png">
&#x56E0;&#x4E3A;&#xFF0C;&#x8FD9;&#x5C31;&#x662F;&#x4F60;&#x4EEC;&#x7684;&#x73B0;&#x72B6;&#x2026;&#x2026; 
&#x4F60;&#x4EEC;&#x6709;&#x4E00;&#x4E2A;&#x9009;&#x62E9;&#xFF08;&#x4E8B;&#x5B9E;&#x4E0A;&#xFF0C;&#x7EC8;&#x7A76;&#x4F1A;&#x53D1;&#x5C55;&#x5230;&#x8FD9;&#x4E00;&#x6B65;&#xFF09;&#xFF1A;&#x62C6;&#x5206;&#x96C6;&#x7FA4;&#x3002;&#x5C06;&#x96C6;&#x7FA4;&#x62C6;&#x5206;&#x6210;&#x5C0F;&#x5757;&#x80FD;&#x591F;&#x89E3;&#x51B3;&#x6211;&#x4EEC;&#x8BA8;&#x8BBA;&#x8FC7;&#x7684;&#x90E8;&#x5206;&#x75DB;&#x70B9;&#xFF0C;&#x4F46;&#x7684;&#x786E;&#x8981;&#x4ED8;&#x51FA;&#x4E00;&#x4E9B;&#x4EE3;&#x4EF7;&#x3002;
&#x90E8;&#x7F72;&#x548C;&#x914D;&#x7F6E;&#x9700;&#x8981;&#x8003;&#x8651;&#x4F7F;&#x7528;&#x914D;&#x7F6E;&#x7BA1;&#x7406;&#x5DE5;&#x5177;&#x6216;&#x7F16;&#x6392;&#x5DE5;&#x5177;&#x3001;&#x8DE8;&#x5404;&#x4E2A;&#x96C6;&#x7FA4;&#x7BA1;&#x7406;&#x4E0D;&#x540C;&#x7684; Elastic &#x7248;&#x672C;&#xFF08;&#x8FD9;&#x5BF9;&#x4E8E; 5.x &#x4E4B;&#x524D;&#x7684;&#x7248;&#x672C;&#x4F1A;&#x6709;&#x4E9B;&#x56F0;&#x96BE;&#xFF09;&#x3001;&#x652F;&#x6301;&#x4E0D;&#x540C;&#x7684; SLA &#x751A;&#x81F3;&#x4E0D;&#x540C;&#x7C7B;&#x578B;&#x7684;&#x57FA;&#x7840;&#x8BBE;&#x65BD;&#xFF0C;&#x7B49;&#x7B49;&#x3002;
<p这会产生滑坡效应：如果一个租户获得了自己的集群，其他租户也想要自己的集群。简单的事情汇集起来，管理就会变得更加复杂。不久之后，生产团队就会面临这样的风险：为集群提供支持所花费的时间，比他们完成原定目标所花费的时间还要多。 <="" p=""></p这会产生滑坡效应：如果一个租户获得了自己的集群，其他租户也想要自己的集群。简单的事情汇集起来，管理就会变得更加复杂。不久之后，生产团队就会面临这样的风险：为集群提供支持所花费的时间，比他们完成原定目标所花费的时间还要多。><h2>&#x73B0;&#x5728;&#xFF0C;&#x6211;&#x4EEC;&#x6765;&#x5566;&#x3002;</h2>ECE &#x80FD;&#x591F;&#x8F7B;&#x677E;&#x3001;&#x5F7B;&#x5E95;&#x5730;&#x89E3;&#x51B3;&#x8FD9;&#x4E00;&#x7C7B;&#x96BE;&#x9898;&#x3002;&#x5B83;&#x80FD;&#x591F;&#x901A;&#x8FC7;&#x5355;&#x4E2A;&#x63A7;&#x5236;&#x53F0;&#x6EE1;&#x8DB3;&#x6240;&#x6709;&#x8FD9;&#x4E9B;&#x9700;&#x6C42;&#xFF0C;&#x5E76;&#x5C06;&#x6240;&#x6709;&#x64CD;&#x4F5C;&#x7B80;&#x5316;&#x3002;
&#x65E0;&#x8BBA;&#x662F;&#x65B0;&#x5EFA;&#x96C6;&#x7FA4;&#x3001;&#x6839;&#x636E;&#x9700;&#x8981;&#x8C03;&#x6574;&#x89C4;&#x6A21;&#x3001;&#x6258;&#x7BA1;&#x548C;&#x5347;&#x7EA7;&#x591A;&#x4E2A;&#x7248;&#x672C;&#xFF0C;&#x8FD8;&#x662F;&#x542F;&#x7528; Kibana &#x548C; X-Pack &#x2014; &#x60A8;&#x53EA;&#x9700;&#x5355;&#x51FB;&#x6216;&#x63D0;&#x4EA4; API &#x8C03;&#x7528;&#x5373;&#x53EF;&#x3002;&#x60A8;&#x53EF;&#x4EE5;&#x901A;&#x8FC7;&#x5355;&#x4E00;&#x7BA1;&#x7406;&#x5E73;&#x53F0;&#x76D1;&#x63A7;&#x6574;&#x4E2A;&#x90E8;&#x7F72;&#xFF0C;&#x5E76;&#x786E;&#x4FDD;&#x6240;&#x6709;&#x4EBA;&#x6EE1;&#x610F;&#x3002;&#x7136;&#x540E;&#xFF0C;&#x60A8;&#x5C31;&#x53EF;&#x4EE5;&#x4E13;&#x6CE8;&#x4E8E;&#x5904;&#x7406;&#x9879;&#x76EE;&#xFF0C;&#x63A8;&#x8FDB;&#x4E1A;&#x52A1;&#x53D1;&#x5C55;&#x3002;
&#x73B0;&#x5728;&#xFF0C;&#x65E0;&#x8BBA;&#x4EFB;&#x4F55;&#x65F6;&#x5019;&#xFF0C;&#x53EA;&#x8981;&#x6709;&#x4EBA;&#x60F3;&#x8981;&#x8BD5;&#x7528; Elastic &#x6216;&#x5168;&#x9762;&#x6295;&#x5165;&#x751F;&#x4EA7;&#xFF0C;&#x90FD;&#x80FD;&#x591F;&#x8F7B;&#x677E;&#x5B9E;&#x73B0;&#x3002;&#x60F3;&#x8981;&#x4E00;&#x70B9; POC &#x6D4B;&#x8BD5;&#x65F6;&#x95F4;&#xFF1F;&#x53EF;&#x4EE5;&#x542F;&#x7528;&#x65B0;&#x7684;&#x96C6;&#x7FA4;&#x3002;&#x9700;&#x8981;&#x4E00;&#x4E2A;&#x77ED;&#x671F;&#x5B58;&#x5728;&#x7684;&#x73AF;&#x5883;&#xFF1F;&#x6CA1;&#x95EE;&#x9898;&#x3002;&#x60F3;&#x8981;&#x6C42;&#x63D0;&#x4F9B;&#x7B26;&#x5408;&#x5B89;&#x5168;&#x8BA1;&#x5212;&#x7684;&#x786C;&#x4EF6;&#x5374;&#x6709;&#x987E;&#x8651;&#xFF1F;&#x522B;&#x62C5;&#x5FC3;&#x3002;&#xFF08;&#x4EBA;&#x4EEC;&#x4E0D;&#x4F1A;&#x4EC5;&#x4EC5;&#x51FA;&#x4E8E;&#x6D4B;&#x8BD5;&#x7684;&#x539F;&#x56E0;&#xFF0C;&#x5C31;&#x8981;&#x6C42;&#x63D0;&#x4F9B;&#x65B0;&#x7684;&#x865A;&#x62DF;&#x673A;&#x6216;&#x4E13;&#x7528;&#x673A;&#x5668;&#x2026;&#x2026;&#xFF09;ECE &#x5DF2;&#x7ECF;&#x5904;&#x7406;&#x597D;&#x4E86;&#x3002;&#x9879;&#x76EE;&#x9700;&#x8981;&#x591A;&#x4E2A;&#x73AF;&#x5883;&#x8FDB;&#x884C; QA &#x548C;&#x9884;&#x751F;&#x4EA7;&#xFF1F;&#x542C;&#x4E0A;&#x53BB;&#x4E5F;&#x6CA1;&#x6709;&#x95EE;&#x9898;&#x3002;
ECE &#x7684;&#x8BBE;&#x8BA1;&#x521D;&#x8877;&#xFF0C;&#x5C31;&#x662F;&#x4E3A;&#x4E86;&#x89E3;&#x51B3;&#x8FD9;&#x4E9B;&#x95EE;&#x9898;&#xFF0C;&#x5E76;&#x4E14;&#x5706;&#x6EE1;&#x5730;&#x89E3;&#x51B3;&#x8FD9;&#x4E9B;&#x95EE;&#x9898;&#x3002;ECE &#x6240;&#x7528;&#x7684;&#x4EE3;&#x7801;&#x5E93;&#x4E0E;&#x6211;&#x4EEC; Elastic Cloud &#x670D;&#x52A1;&#x6240;&#x7528;&#x7684;&#x4EE3;&#x7801;&#x5E93;&#x662F;&#x4E00;&#x6837;&#x7684;&#x3002;&#x622A;&#x81F3;&#x76EE;&#x524D;&#xFF0C;Elastic Cloud &#x670D;&#x52A1;&#x5DF2;&#x7ECF;&#x5728;&#x8FC7;&#x53BB;&#x51E0;&#x5E74;&#x91CC;&#x6258;&#x7BA1;&#x4E86;&#x6210;&#x5343;&#x4E0A;&#x4E07;&#x4E2A;&#x96C6;&#x7FA4;&#x3002;&#x603B;&#x800C;&#x8A00;&#x4E4B;&#xFF0C;&#x53EA;&#x8981;&#x60A8;&#x5E0C;&#x671B;&#x4E0E; Elastic &#x5171;&#x540C;&#x6210;&#x957F;&#xFF0C;ECE &#x8FD9;&#x6B3E;&#x4EA7;&#x54C1;&#x5C31;&#x662F;&#x60A8;&#x7684;&#x7406;&#x60F3;&#x9009;&#x62E9;&#x3002;&#x4E8B;&#x5B9E;&#x4E0A;&#xFF0C;&#x5728;&#x6211;&#x4EEC;&#x7684;&#x7B2C;&#x4E00;&#x6279;&#x5BA2;&#x6237;&#x4E2D;&#xFF0C;&#x6709;&#x4E00;&#x4E2A;&#x5BA2;&#x6237;&#x53EA;&#x6709; 5 &#x4E2A;&#x751F;&#x4EA7;&#x96C6;&#x7FA4;&#xFF0C;&#x4F46;&#x662F;&#x4ED6;&#x4EEC;&#x53D1;&#x73B0;&#xFF0C;&#x8FD9;&#x6B3E;&#x4EA7;&#x54C1;&#x7684;&#x96C6;&#x4E2D;&#x5F0F;&#x7BA1;&#x7406;&#x7279;&#x6027;&#x80FD;&#x591F;&#x4E3A;&#x4ED6;&#x4EEC;&#x5B9E;&#x73B0;&#x672A;&#x6765;&#x53D1;&#x5C55;&#x671F;&#x671B;&#x5E26;&#x6765;&#x4EF7;&#x503C;&#x3002;
&#x5FEB;&#x5FEB;&#x884C;&#x52A8;&#x8D77;&#x6765;<a href="/downloads/enterprise">&#x8BD5;&#x7528;&#x8FD9;&#x6B3E;&#x4EA7;&#x54C1;</a>&#x5427;&#xFF01;&#x8BA9;<a href="/guide/en/cloud-enterprise/current/index.html">&#x5206;&#x6B65;&#x4ECB;&#x7ECD;&#x6587;&#x6863;</a>&#x5E26;&#x60A8;&#x8BE6;&#x7EC6;&#x4E86;&#x89E3;&#x5176;&#x4E2D;&#x7684;&#x7EC6;&#x8282;&#x3002;
</body></html>

space-shuttle-enterprise-elastic-cloud-elasticsearch-fullbleed.jpg

A New Elasticsearch Frontier: Elastic Cloud Enterprise 1.0 GA

Elasticsearch 新边界：Elastic Cloud 企业版 1.0 通用版本

A walk through what it means to use machine learning to detect anomalies that are associated with cyber threat behaviors in log data living in Elasticsearch.

<h2>前言</h2>我们曾围绕 Elasticsearch 与 ArcSight SIEM 的集成（使用 X-Pack 告警功能检测成功的暴力登录攻击），推出了由多个部分组成的系列文章。在这个系列的 <a href="https://www.elastic.co/blog/integrating-elasticsearch-with-arcsight-siem-part-4">上一篇帖子</a>中，我们曾提到非常期待即将在 X-Pack 中推出机器学习功能。
现在，这一刻已经到来，<a href="https://www.elastic.co/cn/blog/introducing-machine-learning-for-the-elastic-stack">X-Pack 机器学习功能</a> 就在我们面前。我们希望带领大家，了解如何通过 Elasticsearch 中存在的数据，利用机器学习检测与网络威胁行为相关的异常。
<h2>是算法，不是魔法</h2>在开始之前，我们或许应该先为大家补充一些背景知识。网络安全领域常见的一个误区是，以为机器学习是算法魔法盒，只要您释放出数据，这些算法就能开始为您生产宝贵而出色的网络洞察。
相比之下，网络安全领域对于机器学习更加开明的一种理解是，把机器学习看作"算法助手"工具库，能够帮助安全团队发现潜在的不轨异常和模式，实现安全相关日志数据分析的自动化 - 不过是在人类安全专家的指导下。
<h2>威胁监控或威胁追踪 - 机器学习的作用</h2>X-Pack 机器学习功能可用于对威胁相关的异常进行互动式调查。Kibana 中的"异常泳道图"可视化通常被作为威胁追踪征程的起点，但是与被检测到的异常相关的详细信息则会一览无余地展示给安全分析师：被检测到的行为"为什么"异常、它有多不正常、它为什么会和尝试检测的基本攻击行为有关联、数据中有哪些实体对攻击行为有影响。
由于 X-Pack 机器学习功能与 Elastic Stack 紧密集成，因此，我们现在可以将《Elasticsearch 与 ArcSight SIEM 的集成》<a href="https://www.elastic.co/blog/integrating-elasticsearch-with-arcsight-siem-part-2">第 2 部分</a> 和 <a href="https://www.elastic.co/blog/integrating-elasticsearch-with-arcsight-siem-part-4">第 4 部分</a> 的帖子中所介绍的告警技术应用到新的洞察来源 - 机器学习结果索引，其索引名规则为 ml-anomalies-*。这样一来，我们就可以将这些算法助手生成的结果用于触发告警，进行持续的威胁监控。
<img src="https://api.contentstack.io/v2/uploads/591bdd4cedbaf9c63a5b1242/download?uid=bltec40d9f2c7977114" data-sys-asset-uid="bltec40d9f2c7977114" alt="image1.png">图 1 与 Elastic Stack 相集成的 X-Pack 机器学习功能
<h2>用于威胁检测的机器学习"配方"</h2>尽管基于阈值的事件通知很强大（例如，如果一次成功的登录前经历了多次失败的登录尝试，就触发通知），但是现在，我们无需定义具体的数据条件，而是将异常行为的检测自动化，这样可以简化安全分析师的使用体验。
即便如此，正如我们在上面提到的那样，我们所讨论的是算法而不是魔法，因此必须要向机器学习引擎发送执行指令，例如作业配置中的设置。由于引擎能够为任何类型的时间序列数据建模 - 无论是数值模型还是分类模型 - 因此可以配置出无限的机器学习作业类型。尽管这很灵活，但是对于只是想利用机器学习功能发现威胁的安全分析师而言，就显得过于复杂了。
在这里，我们引入了这样的概念，那就是针对不同的安全用例，推出不同的机器学习"配方"。配方会介绍如何配置机器学习作业，这样我们就可以利用自动异常检测，来发现通过其他方式很难检测到的基本攻击行为。基本攻击行为包括 DNS 隧道传输、网络数据渗漏、可疑端点进程执行等活动。
<img src="https://api.contentstack.io/v2/uploads/591c5aefd7764366397ea97d/download?uid=bltb250291321c7d463" data-sys-asset-uid="bltb250291321c7d463" alt="recipes.png">
图 2 机器学习安全用例配方表示例
每个配方都以一份简短的文档呈现，其中包括操作原理、说明以及建模和观察结果时所遵循的具体配方步骤等几个部分。配方步骤包括功能选择、建模方法、检测目标、参照集合、预期检测对象的影响因素、分析时间段和结果解读。
随着 V5.4 的发布，我们推出了四个机器学习安全用例示例。现在可在<a href="https://github.com/elastic/examples/tree/master/Machine%20Learning/Security%20Analytics%20Recipes">这个 GitHub 资源库</a>获取，每个示例都包含一份安全用例配方表和各种配置、数据、脚本，供您试用。
<h2>用于检测 DNS 隧道传输的机器学习配方</h2>接下来，我们通过一个具体的配方示例，看看如何利用机器学习检测 DNS 隧道传输活动。
先简单地介绍一下背景，DNS 隧道传输是指域名服务 (DNS) 互联网协议为了向和/或从组织的网络传输非 DNS 信息而进行的任何活动。应所有联网的 IT 基础设施的要求，DNS 网络流量通常不会被防火墙政策阻止，因此，对于那些想要通过隧道，绕过组织现有安全防御来发送未经授权的通信和/或恶意通信的人而言，这成为了一种很有吸引力的渠道。例如，<a href="https://blog.gdatasoftware.com/2014/10/23942-new-frameworkpos-variant-exfiltrates-data-via-dns-requests">FrameworkPOS 恶意软件</a>就是利用这种技术，从销售终端的零售点向外渗漏盗取的持卡人数据。
我们接下来要详细介绍的机器学习安全用例，在 Elastic 安全圈被称作 DNS-EAB02。"DNS"是指这个配方要分析的日志类型是"DNS"。"EAB"是指这个配方要检测的是基本攻击行为（Elementary Attack Behavior，简称 EAB）。"02"是这个配方的唯一标识符，用于区分其他 DNS 配方。配方由几个部分组成：
原理：如果 DNS 查询请求的子域字段中存在异常数量的信息熵（称为"信息容量"），则可以把这视为通过 DNS 协议渗漏数据的表现。
请注意，DNS 数据渗漏有很多种检测方法，这项作业只使用其中一种方法，而且实践证明，这种方法在实际的企业环境中是有效的。如果您的安全团队倾向于使用其他方法，或增加额外的方法，您可以直接克隆这项作业，然后根据您的偏好修改并运行！或者同时运行两种方法，进而比较结果，甚至将结果组合起来。
	
说明: 这个用例配方能够识别接收到包含异常多"信息容量"的 DNS 查询请求的域，以及生成这些异常请求的 IP 地址。
我们可能很难马上看出来，应该将接收到子域字段中包含异常多信息熵的请求的域作为检测对象。但是，如果我们从数据建模的角度来看，我们需要在分析的过程中，识别可能存在异常特性的数据特征。就拿这项分析来说，DNS 查询日志中的域就是我们要为之建模的特征，而我们要关注的特性就是其子域字段中所包含的信息容量。
	
效果: 我们是以这个用例配方作为基本示例，向大家介绍如何利用自动异常检测来检测 DNS 数据渗漏。其他采用替代方法或更复杂方法的配方，也许会产生更加有效的检测效果。
请记住，这个配方是一个示例。让您团队中的行业专家参与到这一类检测中来，或许能够提升检测效果。
用例类型:基本攻击行为 (EAB) - 此类用例用于检测与基本攻击行为相关的异常。每个被检测到的异常都会被分配一个标准化异常得分，并且会标注对异常产生统计性影响的数据中所包含的其他字段的值。受到相同的统计性影响因素影响的基本攻击行为，它们通常会与相同的攻击进程有关。
这里补充一点背景知识，这个配方并不对危险因素执行元分析，而是利用 X-Pack 告警，检测可能与其他攻击行为相关联的基本攻击行为，从而检测网络攻击进程。
用例数据来源：DNS 查询日志（从客户端到 DNS 服务器）
用于提醒本配方所需的数据类型
用例配方：
检测对象：DNS 查询请求（过滤问题类型：A、AAAA、TXT）
模型：子域字符串中的信息容量
检测：存在异常多的信息容量
参照物：由查询结果中所有的域（记录最高值）构成的总体
分区方式：无
排除：在分析中经常出现的域
持续时间：对 2 周或更长时间内的 DNS 查询运行分析
相关配方：单独运行此 EAB 用例，或者和 DNS-EAB01 DNS DGA 活动一起运行
结果：影响因素所在的主机可能是 DNS 传输活动的来源
在这个部分，我们会通过简明的语言，将配方的相关信息汇总起来。这个部分会明确地说明：我们会从哪些日志消息抽取数据，会为哪些数据特征建模，我们要尝试检测哪种异常行为，以什么为参照进行比较，是否要对分析进行分区，是否要将可能对结果产生支配性影响的高频值排除在外，要想生成可靠的结果需要多少数据，最好与哪些其他作业共同运行，以及最后如何查找和解读分析结果。
其他配置参数：
为了确保机器学习作业能够按照我们的预期运行，这些部分（Elasticsearch 索引样式示例、Elasticsearch 查询示例和机器学习分析/检测器配置）会提供技术配置细节。这些细节与作业配置视图中的设置直接对应。
为机器学习作业配置好此配方并开始运行后，X-Pack 机器学习功能就会开始索引和分析来自客户端工作站的 DNS 请求日志，为各个客户端发送的 DNS 请求设定正常特性基准线，并在这些特性出现异常时进行检测。
正如我们上文提到的一样，检测到的异常会被存储到 Elasticsearch 索引中，默认名称为 ml-anomalies-*。您可以在 Kibana 仪表板中搜索和查看，也可以使用 X-Pack 机器学习插件探究细节，或者使用 X-Pack 告警功能生成告警。
我们准备了几段简短的视频，为您展示 X-Pack 机器学习功能在实际操作中如何运作。不过，这里给出的示例是查看 DNS 隧道运输作业的结果时，V5.4（测试版）中 X-Pack 机器学习功能异常管理器视图的界面。
<img src="https://api.contentstack.io/v2/uploads/591bddbc0529160141e36573/download?uid=blt21347fb80005d873" data-sys-asset-uid="blt21347fb80005d873" alt="image3.png">
<h2>结论</h2>X-Pack 机器学习功能将机器学习技术引入安全分析师和工程师的工作之中，让他们能够借助这项技术分析 Elasticsearch 中与安全相关的日志数据。X-Pack 机器学习操作的基本要素是异常检测作业。安全分析用例配方介绍了如何通过配置作业来检测攻击行为。您无需任何编程工作，即可操控一众"算法助手"，帮助您检测威胁，扩大整体的安全覆盖范围。
<h2>补充信息</h2><ul>
	<li> 请观看我们的机器学习实验室视频：<a href="https://www.elastic.co/videos/machine-learning-tutorial-creating-a-single-metric-job">视频 1</a>, <a href="https://www.elastic.co/videos/machine-learning-tutorial-creating-a-multi-metric-job">视频 2</a>, <a href="https://www.elastic.co/videos/machine-learning-lab-3-detect-outliers-in-a-population">视频 3</a>.</li>
	<li>请查看更多机器学习配方<a href="https://github.com/elastic/examples/tree/master/Machine%20Learning/Security%20Analytics%20Recipes">示例</a>，检测攻击行为。</li>
	<li> 下载免费试用版<a href="https://www.elastic.co/downloads/x-pack">X-Pack 并试用。</a></li>
	<li><a href="https://www.elastic.co/downloads/x-pack"></a>请通过<a href="https://www.elastic.co/webinars/automated-anomaly-detection-with-machine-learning">网络研讨会</a>获得完整的产品导览。</li>
</ul>

blog-machine-learning-5-4-release.png

Using Machine Learning and Elasticsearch for Security Analytics: A Deep Dive

使用机器学习和 Elasticsearch 进行安全分析：深入挖掘

今天，我们非常荣幸地宣布，首次发布通过 X-Pack 提供的 Elastic Stack Machine Learning 功能。加入 Elastic 就像跳上了火箭船，但是经过 7 个月不可思议的工作，我们现已将 <a href="/blog/welcome-prelert-to-the-elastic-team">Prelert Machine Learning 技术</a>完全集成到 Elastic Stack。这让我们很激动，而且我们非常迫切地想要收到用户的反馈。
温馨提示：请注意，不要太过激动，这项功能在 5.4.0 版本中尚标记为 beta。
<h3>Machine Learning</h3>我们的目标是通过一系列工具为用户赋能，让他们可以从自己的 Elasticsearch 数据中获取价值和洞察。与此同时，我们将 Machine Learning 视为 Elasticsearch 搜索和分析能力的自然延伸。举例来说，Elasticsearch 能够让您在大量数据中，实时地搜索用户“steve”的交易，或者利用聚合和可视化，展示一段时间以来的十大畅销产品或交易趋势。而现在有了 Machine Learning 功能，您就可以更加深入地探究数据，例如 “有没有哪项服务的行为发生了变化？” 或者 “主机上是否运行有异常进程？” 那么要想回答这些问题，就必须要利用 Machine Learning 技术，通过数据自动构建主机或服务的行为模式。
不过， Machine Learning 目前是软件行业最被夸大其词的术语之一，因为从本质上来讲，它就是用来实现数据驱动型预测、决策和建模的一系列广泛的算法和方法。因此，我们有必要隔绝干扰信息，具体说说我们所做的工作。
<h3>时间序列异常检测</h3>目前，X-Pack Machine Learning 功能的着眼点是，利用无监督式机器学习，提供 “时间序列异常检测” 功能。
随着时间的推移，我们计划增加更多 Machine Learning 功能，但是我们目前只专注于为用户存储的时间序列数据（例如日志文件、应用程序和性能指标、网络流量或 Elasticsearch 中的财务/交易数据）提供附加值。
<h3>示例 1 - 自动提醒关键绩效指标值的异常变化</h3>要说这项技术最直观的用例，那就是可以识别指标值或事件速率偏离正常行为的情况。例如，服务响应时间有没有显著增加？网站访客预期数量与同一时段正常情况相比，是否存在明显差异？传统情况下，人们会利用规则、阈值或简单的统计方法来进行此类分析。但遗憾的是，这些简单的方法鲜少能够高效地处理实际数据，原因在于此类方法往往是基于无效的统计假设（例如：高斯分布），因此不支持趋势分析（长期性或周期性趋势），或者在信号发生变化时缺乏稳定性。
所以说， Machine Learning 功能的首个切入点是单一指标作业，您可以借此了解该产品如何学习正常模式，如何识别单变量时间序列数据中存在的异常。如果您发现的异常是有意义的，您就可以连续地实时运行这项分析，并在发生异常时发出警报。
尽管这看上去像是一个比较简单的用例，但是产品后台包含大量复杂的无监督式机器学习算法和统计模型，因此我们对于任意信号具有鲁棒性，并且能够准确反映。
此外，为了让该功能可以在 Elasticsearch 集群中像原生程序一样运行，我们对功能实现进行了优化，因此几秒钟即可分析数以百万计的事件。
<img src="https://api.contentstack.io/v2/uploads/590762d86b56e5ef073e21b2/download?uid=blt25fdcae83a5af58f" data-sys-asset-uid="blt25fdcae83a5af58f" alt="machine-learning-1.gif">
<h3>示例 2 - 自动追踪数以千计的指标</h3>Machine Learning 产品可以扩展到数十万指标和日志文件，那么下一步就是要同时分析多个指标。这些指标可能是来自同一个主机的多个相关指标，可能是来自同一个数据库或应用程序的性能指标，也可能是来自多个主机的多个日志文件。在这种情况下，我们可以直接单独分析，再将结果聚合到同一个窗口，展示整体的系统异常情况。
例如，假设我要处理来自一大组应用程序服务的响应时间，我可以直接分析各个服务一段时间以来的响应时间，分别确认各个行为异常的服务，同时展示整体的系统异常情况：
<img src="https://api.contentstack.io/v2/uploads/590762f4d414e109083bcba9/download?uid=bltb1fd397ba74e704a" data-sys-asset-uid="bltb1fd397ba74e704a" alt="machine-learning-2.gif">
<h3>示例 3 - 高级作业</h3>最后，我们的产品还有大量更高级的用途。比方说，如果您想找出与整体相比行为异常的用户、异常的 DNS 流量，或者伦敦街头的拥堵路段，这时您就可以利用高级作业，灵活地分析 Elasticsearch 中存储的任何时间序列数据。
<h3>Elastic Stack 整合</h3>Machine Learning 是 X-Pack 中的一项功能。这就意味着，安装 X-Pack 之后，就可以使用 Machine Learning 功能实时分析 Elasticsearch 中的时间序列数据。 Machine Learning 作业与索引和分片基本类似，能够跨 Elasticsearch 集群自动分布和管理。这还意味着 Machine Learning 作业对节点故障有很好的适应性。从性能角度看，紧密集成意味着数据永远不需要离开集群，而且我们可以利用 Elasticsearch 聚合极大地提高某些作业类型的性能。而紧密集成带来的另外一个好处就是，您可以直接从 Kibana 创建异常检测作业并查看结果。
由于这种方法对数据进行原位分析，数据从不离开集群，因此与将 Elasticsearch 数据集成到外部数据科学工具相比，这种方法能够带来显著的性能和运维优势。随着我们在这个领域开发出越来越多的技术，这种架构的优势将会更加显著。
<img src="https://api.contentstack.io/v2/uploads/5908eae46b56e5ef073e25c3/download?uid=blt41f989af6d21b471" data-sys-asset-uid="blt41f989af6d21b471" alt="Machine Learning Diagram">
<h3>立即试用并反馈</h3>这些 Machine Learning 功能是 X-Pack 5.4 中的 beta 功能，现已可用。我们急切地想要听听您的使用体会，所以请<a href="/cn/downloads">下载</a> 5.4 版本，安装 X-Pack，然后<a href="/cn/contact">直接</a>联系我们，或者通过我们的<a href="https://discuss.elastic.co">讨论论坛</a>联系我们。

ml-blog-fb.jpg

ml-blog-thumb.jpg

Introducing Machine Learning for the Elastic Stack

全新推出 Elastic Stack Machine Learning

本博客介绍 Elasticsearch 在除了众所周知的搜索和分析引擎用例之外，如何在文本分类方面发挥作用。

<a href="/elasticsearch">Elasticsearch</a> 在用作搜索和分析引擎方面广为人知，但其作为文本挖掘 API 的功能却鲜少有人知道。
在这篇文章中，我将介绍如何使用 Elasticsearch 进行文本分类。我拥有计算语言学背景，并且在文本挖掘领域有多年的自由职业者工作经验，曾有机会在不同的场景中实施和测试以下技术。
当我第一次偶然发现 Elasticsearch 时，就被它的易用性、速度和配置选项所吸引。每次使用 Elasticsearch，我都能找到一种更为简单的方法来解决我一贯通过传统的自然语言处理 (NLP) 工具和技术来解决的问题。
在某个时刻，我意识到，它可以直接用来解决<a href="http://dataconomy.com/2016/12/use-elasticsearch-text-mining%E2%80%8A-%E2%80%8Apart-1/">很多问题</a>，而如果采用我以前学到的方法，则需要从头开始构建解决方案。
大多数的 NLP 任务都是从一个标准的预处理管道开始的：
<ol>
	<li>
	采集数据
	</li>
	<li>
	提取原始文本
	</li>
	<li>
	<a href="https://en.wikipedia.org/wiki/Sentence_boundary_disambiguation">句子拆分</a>
	</li>
	<li>
	词汇切分
	</li>
	<li>
	标准化（词干分解、<a href="https://github.com/jprante/elasticsearch-analysis-baseform">词形还原</a>）
	</li>
	<li>
	停用词删除
	</li>
	<li>
	<a href="https://en.wikipedia.org/wiki/Part-of-speech_tagging">词性标注</a>
	</li>
</ol>诸如句法分析之类的一些 NLP 任务需要进行深入的语言学分析。
对于这类任务，Elasticsearch 并没有直接提供理想的架构和数据格式。也就是说，对于超出分词级别的任务，需要编写或使用访问全文的定制插件。
但是，诸如分类、聚类、关键字提取、度量相似度等任务，只需一个标准化词袋（可能经过加权处理）来表示给定的文档即可。
第 1 步和第 2 步可通过 Elasticsearch 中的<a href="/guide/en/elasticsearch/plugins/current/ingest-attachment.html">采集附件处理器插件</a>（5.0 之前版本为<a href="/guide/en/elasticsearch/plugins/5.0/mapper-attachments.html">映射工具附件插件</a>）来完成。
这些插件的原始文本提取基于 <a href="https://tika.apache.org/">Apache Tika</a>，这个工具包可处理最常见的数据格式（HTML/PDF/Word 等）。
第 4 步到第 6 步可通过开箱即用的<a href="/guide/en/elasticsearch/reference/current/analysis-lang-analyzer.html">语言分析器</a>来完成。
映射示例：
<pre class="prettyprint"> {
 "properties":{
 "content":{
 "type":"text",
 "analyzer":"german"
 }
 }
 }
</pre>如果给定字段的映射类型是“text”（5.0 之前为“analyzed string”），并且分析器被设置为 Elasticsearch 本地支持的语言之一，则系统会在索引时自动执行词汇切分、词干分解和停用词删除。
因此，从获取 Apache Tika 支持的任何类型的文档，到词袋表示形式，既不需要定制代码，也不需要其他工具。
而且，在运行 Elasticsearch 时，还可以通过 REST API 调用语言分析器。
<pre class="prettyprint">curl -XGET "http://localhost:9200/_analyze?analyzer=english" -d'
 {
 "text" :"This is a test."
 }'
 {
 "tokens":[
 {
 "token":"test",
 "start_offset":10,
 "end_offset":14,
 "type":"&lt;ALPHANUM&gt;",
 "position":3
 }
 ]
 }
</pre>非 Elasticsearch 方法通常有：
使用定制代码收集文本，手工或使用 Tika 库进行文档解析，使用传统的 NLP 库或 API，如 <a href="http://www.nltk.org/">NLTK</a>、<a href="https://opennlp.apache.org/">OpenNLP</a>、<a href="http://nlp.stanford.edu/">Stanford NLP</a>、<a href="https://spacy.io/">Spacy</a> 或某研究部门开发的任何其他 API。然而，研究部门开发的工具通常对企业环境都不是很有用。数据格式通常是专有的，工具经常需要在命令行上编译和执行，并且结果往往只是以竖线分隔的标准输出。REST API 则完全不同。
另一方面，使用 Elasticsearch 语言分析器，您只需配置映射和索引数据即可。预处理会在索引时自动执行。
<h3>传统的文本分类方法</h3>文本分类是传统上采用监督型机器学习解决的一项任务，用于训练模型的输入是一组标记文档，其最小表示形式是一个带有两个字段的 JSON 文档：
“content”和“category”
传统上，文本分类可以使用 <a href="https://scikit-learn.org/0.19/datasets/twenty_newsgroups.html">SciKit Learn</a>、<a href="http://weka.wikispaces.com/Text+categorization+with+WEKA">Weka</a>、<a href="http://www.nltk.org/book/ch06.html">NLTK</a>、<a href="https://mahout.apache.org/users/classification/twenty-newsgroups.html">Apache Mahout</a> 等工具来解决。
<h3>创建模型</h3>大多数机器学习算法都需要一个<a href="https://en.wikipedia.org/wiki/Vector_space_model">向量空间模型</a>表示的数据。这个特征空间通常类似于给定数据集中的 10,000 个最重要的词。那么，如何衡量一个词的重要性呢？
通常会使用 <a href="https://en.wikipedia.org/wiki/Tf%E2%80%93idf">TF-IDF</a> 算法，这是上世纪七十年代发明的一个公式。TF-IDF 是一个权重，用于在给定文档中相对于数据集的其余部分对某个术语进行评分。如果某文档中一个术语的 TF-IDF 分数很高，就意味着它是一个非常独特的关键字，可通过这个词将该文档与所有其他文档区分开来。
在一个文档子集中，TF-IDF 得分最高的关键字可以表示一个主题。在文本分类中，一个特征空间具有 n 个 TF-IDF 总分最高的词是很常见的。
将每个文档转换为一个特征向量，然后使用每个类/类别的所有训练实例创建一个模型。之后，可以根据这个模型对新文档进行分类。因此，需要将文档转换为一个特征向量，然后计算所有的相似性，并使用得分最高的类别标记文档。
<h3>使用 Elasticsearch 进行文本分类</h3>所有这些问题都可以用 Elasticsearch（或 <a href="https://lingpipe-blog.com/2014/04/10/lucene4-document-classification/">Lucene</a>）以更简单的方式解决。
您只需执行 4 步：
<ol>
	<li>
	配置映射（"content" : "<a href="/guide/en/elasticsearch/reference/current/text.html">text</a>"、"category" : "<a href="/guide/en/elasticsearch/reference/current/keyword.html">keyword</a>"）
	</li>
	<li>
	索引文档
	</li>
	<li>
	运行 <a href="/guide/en/elasticsearch/reference/current/query-dsl-mlt-query.html">More Like This 查询</a>（MLT 查询）
	</li>
	<li>
	编写一个小脚本，按分数聚合查询的命中次数
	</li>
</ol><pre class="prettyprint">PUT sample
 POST sample/document/_mapping
 {
 "properties":{
 "content":{
 "type":"text",
 "analyzer":"english"
 },
 "category":{
 "type":"text",
 "analyzer":"english",
 "fields":{
 "raw":{
 "type":"keyword"
 }
 }
 }
 }
 }
 POST sample/document/1
 {
 "category":"Apple (Fruit)",
 "content":"Granny Smith, Royal Gala, Golden Delicious and Pink Lady are just a few of the thousands of different kinds of apple that are grown around the world!You can make dried apple rings at home - ask an adult to help you take out the core, thinly slice the apple and bake the rings in the oven at a low heat."
 }
 POST sample/document/2
 {
 "category":"Apple (Company)",
 "content":"Apple is an American multinational technology company headquartered in Cupertino, California, that designs, develops, and sells consumer electronics, computer software, and online services.Its hardware products include the iPhone smartphone, the iPad tablet computer, the Mac personal computer, the iPod portable media player, the Apple Watch smartwatch, and the Apple TV digital media player.Apple's consumer software includes the macOS and iOS operating systems, the iTunes media player, the Safari web browser, and the iLife and iWork creativity and productivity suites.Its online services include the iTunes Store, the iOS App Store and Mac App Store, Apple Music, and iCloud."
 }
</pre>对于文本挖掘来说，MLT 查询非常重要。
工作原理？MLT 查询可以处理任意文本，提取与实际“模型”相关的前 n 个关键字，并使用这些关键字运行布尔匹配查询。此查询通常用于收集相似的文档。
如果所有文档都有一个类/类别标签，并且每个类有相似数量的训练实例，那么这就相当于分类。只需使用输入文档作为 like 字段运行一个 MLT 查询，并编写一个小脚本来聚合前 n 次命中的分数和类别即可。
<pre class="prettyprint">GET sample/document/_search
 {
 "query":{
 "more_like_this":{
 "fields":[
 "content",
 "category"
 ],
 "like":"The apple tree (Malus pumila, commonly and erroneously called Malus domestica) is a deciduous tree in the rose family best known for its sweet, pomaceous fruit, the apple.It is cultivated worldwide as a fruit tree, and is the most widely grown species in the genus Malus.The tree originated in Central Asia, where its wild ancestor, Malus sieversii, is still found today.Apples have been grown for thousands of years in Asia and Europe, and were brought to North America by European colonists.Apples have religious and mythological significance in many cultures, including Norse, Greek and European Christian traditions.",
 "min_term_freq":1,
 "max_query_terms":20
 }
 }
 }
</pre>这个示例仅用于阐释工作流，真正的分类会需要更多的数据。如果通过这个例子不能得到任何实际结果也不必担心，只需添加更多的数据，它就会发挥效用。
下面是一个小型 Python 脚本，可处理响应并为输入文档返回最有可能的类别。
<pre class="prettyprint">from operator import itemgetter
 def get_best_category(response):
 categories = {}
 for hit in response['hits']['hits']:
 score = hit['_score']
 for category in hit['_source']['category']:
 if category not in categories:
 categories[category] = score
 else:
 categories[category] += score
 if len(categories) &gt; 0:
 sortedCategories = sorted(categories.items(), key=itemgetter(1), reverse=True)
 category = sortedCategories[0][0]
 return category
</pre>这就是您的 Elasticsearch 文本分类器！
<h3>用例</h3>文本分类是 NLP 在现实世界中一个很常见的用例。比如电子商务数据（产品）。很多人都借助加盟链接来经营电子商务商店。这些数据由多家商店提供，通常都带有一个类别标签，但每家商店的类别标签都不相同。因此类别系统需要统一，所有数据需要根据新的类别树重新分类。再比如商业智能应用程序，其中的公司网站需要根据行业（美发店、面包房等）进行分类。
<h3>评估 </h3>我用一个<a href="http://ana.cachopo.org/datasets-for-single-label-text-categorization">标准文本分类数据集</a>对这一方法进行了评估：<a href="http://qwone.com/~jason/20Newsgroups/">20 个新闻组数据集</a>。利用高质量分数阈值（仅包括 12% 的文档）实现了最高精度（92% 的正确标签）。当标记所有文档时（100% 撤回），72% 的预测是正确的。
对于 20 个新闻组数据集的文本分类，最佳算法通常是 SVM 和朴素贝叶斯。它们在整个数据集上的平均精度会更高。
那么，既然有更好的算法，为什么还要考虑使用 Elasticsearch 进行分类呢？
有几个现实的原因：训练一个 SVM 模型需要花费大量时间。特别是当您在一家初创公司工作，或需要快速适应各种客户或用例时，这可能会是一个棘手的问题。另外，您可能无法在每次数据变更时都对模型进行重新培训。我在一家德国大银行的项目中曾亲身经历过这个难题。这种情况下，您用过时的模型肯定不会带来好的结果。
而使用 Elasticsearch 方法，不仅可在索引时进行训练，还可在任何时间点动态更新模型，而且应用程序的停机时间为零。如果您的数据存储在 Elasticsearch 中，则不需要任何额外的基础设施。通常，在第一页您就可以获得 10% 以上的高精度结果。这在很多应用程序中足以给人留下良好的第一印象。
既然有其他工具，为什么还要使用 Elasticsearch 呢？
因为您的数据已经存在，它会预先计算底层的统计数据。就像是免费得到一些 NLP 一样！
<hr><img src="https://api.contentstack.io/v2/uploads/58c91685a65c8d5d34e7a9c4/download?uid=blt17cf02e7ec334bcf" data-sys-asset-uid="blt17cf02e7ec334bcf" alt="Saskia Vola" width="148" height="160" style="float:left; width: 148px; height: 160px; margin:0 10px 10px 0;">
	
Saskia Vola 曾在海德堡大学学习计算语言学，并于 2009 年开始涉足文本挖掘领域的工作。在柏林创业几年后，她决定成为一名全职自由职业者，享受数字游民的生活。随着她收到的相关项目邀请越来越多，她决定为 NLP/AI 自由职业者开办一个名为 <a href="http://textminers.io/">textminers.io</a> 的平台。

magnet-letters-pile.jpg

thumb-magnet-letters-pile.jpg

Text Classification made easy with Elasticsearch

使用 Elasticsearch 轻松进行文本分类

让我们解释一下到底 Elastic Cloud, Amazon's Elasticsearch Service 和 Elasticsearch on AWS 的分别在哪里。

我们的<a href="/cn/cloud/as-a-service"> Elastic Cloud</a> 产品变得流行起来 - 这款产品是将 Elasticsearch 和 Kibana 作为服务运行。但是也带来了一些困惑。Elastic Cloud 不同于 Amazon Elasticsearch Service，也不同于在 AWS 上运行普通的 Elasticsearch。
明确地说，Amazon Elasticsearch Service 与 Elastic 无关。Elastic 不是 Amazon Elasticsearch Service 的合作伙伴，也不参与或提供支持。
事实上，我们提供的是在 AWS 上运行的 Elastic Cloud - 这是我们的托管式 Elasticsearch、Kibana 和 X-Pack 服务（现在 <a href="/cn/blog/announcing-the-ga-of-elastic-cloud-hosted-elasticsearch-on-google-cloud-platform-gcp">Google Cloud Platform 已可应用</a>）。我们还为在 AWS 上各类自主管理集群的客户提供技术支持.
再次声明，Elastic Cloud 与 Amazon Elasticsearch Service 并不相同。事实上，我们相信 Elastic Cloud 能够为任务关键型应用带来独特价值，以此来证实我们服务的重要性。
我们很乐意为大家解释我们为何有这样的信心。
<h3>通过托管服务实现各项功能，让您的重要项目顺利进行</h3>我们谈到 Elastic Cloud 时，通常都会直接详细介绍我们 Elastic Stack 中的开源产品 - Elasticsearch、Kibana、Beats 和 Logstash。尽管这些产品都很出色，但是我们这次想从一个不同的视角切入：<a href="/cn/elastic-stack">X-Pack</a>。
X-Pack 属于扩展功能，汇集了 Security、Alerting、Monitoring、Reporting、Graph 探索功能，拓展了 Elastic Stack 的用途。此外，Elastic Cloud 是唯一提供下列免费功能的服务，例如<a href="/cn/blog/a-profile-a-day-keeps-the-doctor-away-the-elasticsearch-search-profiler">查询分析器</a>和 <a href="/cn/elastic-maps-service">Elastic Maps Service</a>（支持 18 级缩放）。
这些功能为 Elasticsearch 和 Kibana 打开了勇敢新世界，迎来了新的可能。而且 X-Pack 功能以及开源产品每发布一个新版本，都会有所改进。
因此，每次新版本一落地，我们就会非常自豪地在 Elastic Cloud 中同步推出 Elasticsearch、Kibana 以及 X-Pack 的最新版本。当 Elasticsearch 5.4、6.0 或 10.3 问世后，您可以选择让 Elastic Cloud 同步升级。同样地，如果存在安全漏洞，我们会在补丁发布后立即修补用户集群。
我们能否让您第一时间获得最新、最强大的版本，这对您的成败至关重要。除此之外，我们还知道有一些因素会影响我们带给您的体验，例如能否更改 elasticsearch.yml（特定设置在 Elastic Cloud 中属于白名单）、能否只点击一个按钮即可将集群升级至最新版本、能否从每 30 分钟一次的自动快照恢复数据，能否只移动滑块即可缩放集群，或者能否从面向所有 Elastic Cloud 客户的支持门户创建工单。
这些能力之所以重要，不仅仅因为它们本身具备合理性，更是因为你们向我们说明了这些能力的重要性。我们将一如既往地兑现这些承诺，并聆听你们的声音。
<h3>我们绝不对客户体验采用压缩算法</h3>作为 Elastic Cloud 用户，您在某种程度上是受益于相关领域的先行者。Elastic Cloud 于 2012 年创立（早期名为 Found）。Amazon Elasticsearch Service 于 2015 年问世。
卓越运营的重要性不容轻视或低估。为了确保优势常在，确保客户一直享受到高水平的服务，我们做了很多工作。我们绝不对客户体验采用压缩算法。
Elastic Cloud 是一个成熟的平台。它为 IBM、Fandango、Activision Blizzard、Unilever、Shopify 等诸多客户提供支持。他们相信我们能够确保其任务关键型系统火力全开。
为了确保我们提供的系统正常运行时间能够达到 Elastic Cloud 高级客户的要求，我们现在提供面向 Elastic Cloud 的服务级别协议 (SLA)。为此，我们采取的措施是衡量集群级可用性，而非基础设施级可用性。
<h3>我们为 Elastic Stack 倾注了大量时间和心血</h3>负责构建 Elastic Stack 的团队与负责构建和运行 Elastic Cloud 的团队并肩工作，因此，没有任何人比 Elastic 团队更清楚问题的本质。尽管我们努力实现零故障、零问题的体验，但实际上，这是软件，总会出现问题。运行中断后，来自开发团队的支持将帮助您顺利解决问题，不会让您束手无策，一筹莫展。
<h3>卓越的性能，极低的成本</h3>截至今天，Elastic Cloud 在 AWS 上只使用 I 系列实例（目前是 I2）。因此，即便是 Elastic Cloud 中最小的集群，也都是在最好的 AWS 实例中运行。考虑到为了保障 I/O、网络和 CPU 资源而需要满足的生产需求，T 系列实例并不十分适用。当然，I3 实例也即将问世。
另外，如果单纯地对比价格，这属于竞次行为。在某些情况下，Amazon Elasticsearch Service 的价格会更低。但是对同类产品进行比较（忽略支持和商业产品）就会发现，Amazon Elasticsearch Service 的价格实际上要高出大约 20%。
所以说，Elastic Cloud 具备价格优势，而且您可以从当前版本、安全补丁和 X-Pack 中受益。
"可是请等一下，" 您可能会说，"我已经在 Amazon 登记了信用卡卡号。" 或者 "我需要用 Amazon 凭证支付。"
别担心。现在，您可以借助 <a href="https://aws.amazon.com/marketplace/pp/B01N6YCISK">AWS Marketplace 上的托管式 Elasticsearch 服务</a>，通过 Elastic 或 AWS 获取账单！
<h3>在 AWS 上运行 Elasticsearch</h3>我们并没有忘记这一点。<a href="/cn/blog/running-elasticsearch-on-aws">请阅读这篇帖子</a>。
<h3>细节很重要</h3>您或许会问："我明白了，Elastic 相信自己的产品比其他任何产品都要好。但是具体体现在哪些方面呢？" 我们将细节列在了下面，而且随着产品的改进，我们将不断更新表格内容。
现代软件的美感体现在软件的部署和消费模式都充满灵活性。如果您需要云部署，您务必要了解都能获得哪些服务，以及从哪里获得这些服务。作为 Elasticsearch、Kibana、Beats 和 Logstash 的创造者，我们希望您能通过 Elastic Stack 获得最满意的体验。因此，我们打造了我们唯一的一个托管式服务 Elastic Cloud，并持续为之提供支持。
最后更新：2018&nbsp;年 11 月 14&nbsp;日
<table style="border-color: black;" border="1">
<tbody>
<tr>
	<td width="211">
	</td>
	<td width="499">
		Amazon Elasticsearch Service
		
	</td>
	<td width="499">
		Elastic Cloud
		
	</td>
</tr>
<tr>
	<td>
		Elastic Stack - 开源功能
		
	</td>
	<td>
		部分
		
	</td>
	<td>
		全部
		
	</td>
</tr>
<tr>
	<td>
		当前版本
		
	</td>
	<td>
		6.3.0
		
	</td>
	<td>
		6.5.0
		
	</td>
</tr>
<tr>
	<td>
		Elastic Stack 版本同日发布
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		X-Pack (Elastic 商业插件）
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
		<a href="/cn/what-is/elastic-stack-security">Security</a>，<a href="/cn/what-is/kibana-alerting">Alerting</a>，<a href="/cn/what-is/elasticsearch-monitoring">Monitoring</a>，<a href="/cn/what-is/elasticsearch-graph">Graph</a>，<a href="/cn/what-is/kibana-reporting">Reporting，</a><a href="https://www.elastic.co/cn/what-is/elasticsearch-machine-learning">Machine Learning</a>
		
	</td>
</tr>
<tr>
	<td>Canvas
	</td>
	<td>不提供 
	</td>
	<td>提供
	</td>
</tr>
<tr>
	<td>Kibana Spaces 
	</td>
	<td>不提供
	</td>
	<td>提供
	</td>
</tr>
<tr>
	<td>Elasticsearch SQL 支持 
	</td>
	<td>不提供
	</td>
	<td>提供
	</td>
</tr>
<tr>
	<td>Data Rollups (API and UI) 
	</td>
	<td>不提供
	</td>
	<td>提供
	</td>
</tr>
<tr>
	<td>Beats 和& Logstash 的集中式管理 
	</td>
	<td>不提供 
	</td>
	<td>提供
	</td>
</tr>
<tr>
	<td>
		Elastic 技术支持
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
		<a href="/cn/cloud/as-a-service/subscriptions">Elastic Cloud 订阅</a>
		
	</td>
</tr>
<tr>
	<td>
		一键升级
		
	</td>
	<td>
		提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		默认快照
		
	</td>
	<td>
		每天 1 次
		
	</td>
	<td>
		每天 48 次 每 30 分钟 1 次 存储 48 小时 仅_source 的快照也支持了
		
	</td>
</tr>
<tr>
	<td>
		即时部署 Elasticsearch 和 Kibana 安全补丁
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		是否支持自定义插件
		
	</td>
	<td>
		不支持
		
	</td>
	<td>
		支持
		
	</td>
</tr>
<tr>
	<td>
		Java 安全管理器
		
	</td>
	<td>
		不支持
		
	</td>
	<td>
		支持
		
	</td>
</tr>
<tr>
	<td>
		Java 传输客户端
		
	</td>
	<td>
		不支持
		
	</td>
	<td>
		支持
		
	</td>
</tr>
<tr>
	<td>
		跨区域复制
		
	</td>
	<td>
		支持最多 2 个可用区域
		
	</td>
	<td>
		支持最多 3 个可用区域
		
	</td>
</tr>
<tr>
	<td>
		基于 SLA 的支持
		
	</td>
	<td>
		提供普通级别支持，并非特定于 AWS ES
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		正常运行时间 SLA
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		Elastic Maps Service（Kibana 中的可视化地图）
		
	</td>
	<td>
		并非开箱即用
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		<a href="/cn/what-is/elastic-stack-security">Security</a>
		
	</td>
	<td>
		仅提供外围层面的安全性和标准的 IAM 政策
		
	</td>
	<td>
		<ul class="list-black">
			<li>传输加密</li>
			<li>身份验证</li>
			<li>基于角色的访问</li>
			<li>权限控制</li>
			<li>字段级和文档级安全性</li>
			<li>静态数据加密</li>
		</ul>
	</td>
</tr>
<tr>
	<td>
		<a href="/cn/what-is/kibana-alerting">Alerting</a>
		
	</td>
	<td>
		为了创建警报功能，需要构建和管理自己的系统。
		
		依赖于 Amazon Cloudwatch，它只具备一些预定义的简单指标。如果需要更加复杂或与您的数据相关性更大的监控功能，则需要构建自定义指标和警报。
		
	</td>
	<td>
		允许针对您 Elasticsearch 中的数据创建预定查询、条件和操作。
		
	</td>
</tr>
<tr>
	<td>
		<a href="/cn/what-is/elasticsearch-monitoring">Monitoring</a>
		
	</td>
	<td>
		依赖于 Amazon Cloudwatch，它提供的监控功能只具备基本要素，并且只涵盖几个简单的指标。
		
	</td>
	<td>
		功能丰富，专为 Elasticsearch 设计了一个完整的监控产品。
		
		<ul class="list-black">
			<li>能够捕捉到范围更广泛的指标
			</li>
			<li>拥有强大的工具进行诊断和故障排除，并让集群保持健康状态
			</li>
		</ul>
	</td>
</tr>
<tr>
	<td>
		<a href="/cn/what-is/elasticsearch-graph">Graph</a>
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
<tr>
	<td>
		<a href="/cn/what-is/kibana-reporting">Reporting</a>
		
	</td>
	<td>
		不提供
		
	</td>
	<td>
		提供
		
	</td>
</tr>
</tbody>
</table>如果您还没有准备好，我们想邀请您 <a href="/cn/cloud/as-a-service">试用 Elastic Cloud</a>。试用期 14 天，无需信用卡。请尽情使用。

elastic-cloud-hosted-elasticsearch-amazon-elasticsearch-service-full-blee.jpg

elastic-cloud-hosted-elasticsearch-amazon-elasticsearch-service-thumbnail.jpeg

Hosted Elasticsearch Services Roundup: Elastic Cloud and Amazon Elasticsearch Service

托管式 Elasticsearch 服务综述：Elastic Cloud 和 Amazon Elasticsearch Service

本博客介绍如何使用 Elastic Stack 来分析 Golang 程序的内存使用情况，方便对 Golang 程序做长期监控进而调优和诊断，甚至发现一些潜在的内存泄露等问题。

banner-five-years-animals-pig-brain-machine.jpg

thumb-five-years-animals-pig-brain-machine.jpg

Tuning Go Apps with Metricbeat

使用 Elastic Stack 来监控和调优 Golang 应用程序

<html><head></head><body>Elasticsearch 5.2.2 <ul><li>&#x4FEE;&#x590D;request&#x7194;&#x65AD;&#x5668;&#x6CA1;&#x6709;&#x6B63;&#x786E;&#x5904;&#x7406;&#x5F53;&#x524D;&#x8FD0;&#x884C;&#x8BF7;&#x6C42;&#x6570;&#x7684;bug&#xFF0C;&#x5F53;&#x8BF7;&#x6C42;&#x8FD4;&#x56DE;&#x524D;&#x5374;&#x88AB;&#x5BA2;&#x6237;&#x7AEF;&#x5173;&#x95ED;&#x65F6;&#x6CA1;&#x6709;&#x5BF9;&#x8BA1;&#x6570;&#x51CF;&#x4E00;&#xFF0C;&#x4F1A;&#x9020;&#x6210;&#x8282;&#x70B9;&#x6162;&#x6162;&#x7684;&#x4E0D;&#x80FD;&#x5904;&#x7406;&#x4EFB;&#x4F55;&#x8BF7;&#x6C42;&#xFF0C;&#x9664;&#x975E;&#x91CD;&#x542F;&#x8282;&#x70B9;&#xFF0C;&#x6240;&#x6709;&#x7684;&#x7528;&#x6237;&#x90FD;&#x5E94;&#x8BE5;&#x5347;&#x7EA7; <a href="https://github.com/elastic/elasticsearch/pull/23317" rel="nofollow" target="_blank">#23317</a></li><li>&#x4FEE;&#x590D;cgroup&#x6B63;&#x5219;&#x89E3;&#x6790;&#x7684;bug&#xFF0C;&#x9020;&#x6210;&#x8282;&#x70B9;&#x7684;&#x4E0D;&#x80FD;&#x6B63;&#x5E38;&#x542F;&#x52A8; <a href="https://github.com/elastic/elasticsearch/pull/23219" rel="nofollow" target="_blank">#23219</a></li><li>&#x88AB;shard&#x9501;&#x6682;&#x7F13;&#x6267;&#x884C;&#x7684;&#x8BF7;&#x6C42;&#x53EF;&#x80FD;&#x4F1A;&#x522B;&#x5176;&#x4ED6;&#x7EBF;&#x7A0B;&#x542F;&#x52A8;&#xFF0C;&#x5E76;&#x4E14;&#x8BE5;&#x8BF7;&#x6C42;&#x4E22;&#x5931;&#x4E86;&#x4E0A;&#x4E0B;&#x6587;&#xFF0C;&#x4F1A;&#x9020;&#x6210;&#x8BE5;&#x8BF7;&#x6C42;&#x88AB;&#x5F53;&#x505A;&#x975E;&#x6CD5;&#x8BF7;&#x6C42;&#x800C;&#x62D2;&#x7EDD;</li><li>&#x6062;&#x590D;terms agg&#x7684;include/exclude&#x53C2;&#x6570;&#x7684;&#x652F;&#x6301;</li></ul> 
 &#x4E0B;&#x8F7D;&#xFF1A;<a href="/cn/downloads/elasticsearch" rel="nofollow" target="_blank">https://www.elastic.co/downloads/elasticsearch</a> &#x5B8C;&#x6574;&#x7684;Release notes&#xFF1A;<a href="https://www.elastic.co/guide/en/elasticsearch/reference/5.2/release-notes-5.2.2.html" rel="nofollow" target="_blank">https://www.elastic.co/guide/e ... .html</a> XPack release notes&#xFF1A;<a href="https://www.elastic.co/guide/en/x-pack/current/xpack-release-notes.html#xpack-5.2.2" rel="nofollow" target="_blank">https://www.elastic.co/guide/e ... 5.2.2</a> Logstash 5.2.2 <ul><li>&#x4FEE;&#x590D;&#x6301;&#x4E45;&#x5316;&#x961F;&#x5217;&#x5728;windows&#x542F;&#x7528;&#x9020;&#x6210;&#x7684;&#x5D29;&#x6E83;</li><li>&#x4FEE;&#x590D;&#x591A;&#x5B9E;&#x4F8B;&#x516C;&#x7528;&#x76F8;&#x540C;&#x7684;&#x6570;&#x636E;&#x76EE;&#x5F55;&#x9020;&#x6210;&#x7684;&#x6570;&#x636E;&#x635F;&#x574F;</li><li>&#x4FEE;&#x590D;JVM&#x6027;&#x80FD;&#x6307;&#x6807;&#x6536;&#x96C6;&#x9020;&#x6210;&#x7684;&#x541E;&#x5410;&#x5F71;&#x54CD;</li></ul> 
 &#x4E0B;&#x8F7D;&#xFF1A;<a href="/cn/downloads/logstash" rel="nofollow" target="_blank">https://www.elastic.co/downloads/logstash</a> Release notes:<a href="https://www.elastic.co/guide/en/logstash/5.2/logstash-5-2-2.html" rel="nofollow" target="_blank">https://www.elastic.co/guide/e ... .html</a> Kibana 5.2.2 <ul><li> &#x4E4B;&#x524D;&#x7684;&#x7248;&#x672C;kibana&#x7684;visualization&#x4F9D;&#x8D56;&#x4E00;&#x4E2A;&#x65E7;&#x7684;Elasticsearch&#x7684;include/exclude&#x7279;&#x6027;&#xFF0C;&#x4F46;&#x662F;&#x8BE5;&#x529F;&#x80FD;&#x5728;Elasticsearch5.2.1&#x88AB;&#x7A81;&#x7136;&#x79FB;&#x9664;&#x4E86;&#xFF0C;&#x5F15;&#x8D77;&#x4E86;kibana&#x7684;visualization&#x7684;&#x9519;&#x8BEF;&#xFF0C;&#x73B0;&#x5728;Kibana&#x5BF9;&#x65B0;&#x521B;&#x5EFA;&#x7684;visualization&#x4F7F;&#x7528;&#x6B63;&#x786E;&#x7684;&#x7ED3;&#x6784;&#xFF0C;&#x5E76;&#x4E14;&#x80FD;&#x5728;&#x67E5;&#x8BE2;&#x65F6;&#x81EA;&#x52A8;&#x8F6C;&#x6362;&#x9057;&#x7559;&#x7684;&#x65E7;&#x7ED3;&#x6784;&#x5230;&#x65B0;&#x7684;&#x7ED3;&#x6784;</li><li>&#x4ECE;5.2.0&#x5F00;&#x59CB;&#xFF0C;&#x5305;&#x542B;sub-bucket&#x7684;&#x5782;&#x76F4;&#x6761;&#x5F62;&#x56FE;&#xFF08;vertical bar&#xFF09;&#x914D;&#x7F6E;&#x4E3A;&#x5206;&#x7EC4;&#x6CA1;&#x6709;&#x5408;&#x9002;&#x7684;&#x7F29;&#x51CF;y&#x8F74;&#xFF0C;&#x9020;&#x6210;&#x76F8;&#x5F53;&#x5C0F;&#x751A;&#x81F3;&#x67D0;&#x4E9B;&#x60C5;&#x51B5;&#x4E0B;&#x4E0D;&#x53EF;&#x7528;&#xFF0C;&#x8FD9;&#x6B21;&#x56DE;&#x5F52;&#x5C06;&#x518D;&#x6B21;&#x5BF9;y&#x8F74;&#x8FDB;&#x884C;&#x5FC5;&#x8981;&#x7684;&#x6269;&#x5C55;&#x800C;&#x4E0D;&#x7BA1;&#x5176;&#x6761;&#x5F62;&#x56FE;&#x7684;&#x6A21;&#x5F0F;</li></ul> 
 &#x4E0B;&#x8F7D;&#xFF1A;<a href="/cn/downloads/kibana" rel="nofollow" target="_blank">https://www.elastic.co/downloads/kibana</a> &#x5B8C;&#x6574;Release notes <a href="https://www.elastic.co/guide/en/kibana/current/release-notes-5.2.2.html" rel="nofollow" target="_blank">https://www.elastic.co/guide/e ... .html</a> Beats 5.2.2 <ul><li>Metricbeat&#x4FEE;&#x590D;&#x5F53;docker&#x5BB9;&#x5668;&#x88AB;kill&#x6389;&#x9020;&#x6210;&#x7684;docker &#x6A21;&#x5757;&#x6302;&#x8D77;&#x7684;bug</li><li>Metricbeat&#x4FEE;&#x590D;&#x8D85;&#x65F6;&#x65F6;&#x95F4;&#x8BBE;&#x7F6E;&#x800C;&#x4E0D;&#x662F;&#x9ED8;&#x8BA4;&#x503C;</li></ul> 
 Release notes&#xFF1A;<a href="https://www.elastic.co/guide/en/beats/libbeat/5.2/release-notes-5.2.2.html" rel="nofollow" target="_blank">https://www.elastic.co/guide/e ... .html</a> &#x4E0B;&#x8F7D;&#xFF1A;<a href="/cn/downloads/beats/" rel="nofollow" target="_blank">https://www.elastic.co/downloads/beats/</a></body></html>

elasticsearch-blog-banner.jpg

elasticsearch-blog-thumb.jpg

Elasticsearch 5.2.2 released

编写可伸缩的CSS很难！我们采取了正式的方式来编写它，使其可读，可预测及更简单的编写。

css_code_on_screen_macro.jpg

css_code_on_screen_macro_thumbnail.jpg

Componentizing the Kibana UI, Part 1: CSS that Scales

实现 Kibana UI 组件化，第 1 部分：可扩展的 CSS

<html><head></head><body>&#x57FA;&#x4E8E; Lucene 6.4.1&#xFF0C;&#x6240;&#x6709;5.2.0 &#x7528;&#x6237;&#x90FD;&#x5E94;&#x8BE5;&#x5347;&#x7EA7;&#x5230;&#x8BE5;&#x7248;&#x672C;&#x3002;&#x8FD9;&#x6B21;&#x5347;&#x7EA7;&#x4FEE;&#x6B63;&#x4E86;&#x5F88;&#x591A; bug &#xFF0C;&#x5C24;&#x5176;&#x662F;&#xA0;Lucene6.4.1 &#x4FEE;&#x590D;&#x4E86;&#x4E24;&#x4E2A;&#x91CD;&#x8981;&#x7684;&#x5185;&#x5B58;&#x6CC4;&#x6F0F;&#xFF1A;
&#x5F53;&#x5B58;&#x50A8;&#x5B57;&#x6BB5;&#x914D;&#x7F6E;&#x4E3A;&#xA0;&#x201C;best_compression&quot;&#xA0;&#xFF0C;&#x6211;&#x4EEC;&#x4F9D;&#x8D56;&#x4E8E; JVM &#x56DE;&#x6536;&#x673A;&#x5236;&#x6765;&#x91CA;&#x653E;&#x89E3;&#x538B;&#x7F29;&#x5B9E;&#x4F8B;&#xFF08;Deflater/Inflater instances&#xFF09;&#x3002;&#x867D;&#x8BA9;&#x8FD9;&#x4E9B;&#x53EA;&#x4F7F;&#x7528;&#x4E86;&#x5F88;&#x5C11;&#x7684; JVM &#x5806;&#x6808;&#x5185;&#x5B58;&#xFF0C;&#x5374;&#x4F7F;&#x7528;&#x4E86;&#x5927;&#x91CF;&#x4E86;&#x672C;&#x5730;&#x5185;&#x5B58;&#x3002;&#x6240;&#x4EE5;&#x5F88;&#x53EF;&#x80FD;&#x4F1A;&#x51FA;&#x73B0;&#x5728; JVM &#x56DE;&#x6536;&#x89E3;&#x538B;&#x7F29;&#x5B9E;&#x4F8B;&#x4E4B;&#x524D;&#x800C;&#x64CD;&#x4F5C;&#x7CFB;&#x7EDF;&#x5148;&#x7528;&#x5B8C;&#x4E86;&#x672C;&#x5730;&#x5185;&#x5B58;&#x3002; <a href="https://issues.apache.org/jira/browse/LUCENE-7647">LUCENE-7647</a>&#x3002;
&#x7279;&#x5B9A;&#x7684;&#x67E5;&#x8BE2;&#x53EF;&#x80FD;&#x4F1A;&#x6301;&#x6709; IndexReader &#x7684;&#x4E00;&#x4E2A;&#x5F15;&#x7528;&#xFF0C;&#x5F53;&#x8FD9;&#x4E9B;&#x67E5;&#x8BE2;&#x88AB;&#x7F13;&#x5B58;&#x4E4B;&#x540E;&#xFF0C;&#x672C;&#x6765;&#x5E94;&#x8BE5;&#x5DF2;&#x7ECF;&#x88AB;&#x5220;&#x9664;&#x7684;&#x6BB5;&#x4F1A;&#x56E0;&#x4E3A;&#x8FD9;&#x4E2A;&#x5F15;&#x7528;&#x800C;&#x7EE7;&#x7EED;&#x88AB; Lucene &#x6301;&#x6709;&#x3002;<a href="https://issues.apache.org/jira/browse/LUCENE-7657">LUCENE-7657</a>&#x3002;
&#x529F;&#x80FD;&#x5E9F;&#x5F03;&#xFF1A;
Geo distance range &#x5E9F;&#x5F03;&#xFF1A;&#x8BF7;&#x4F7F;&#x7528;&#xA0;`geo_distance`&#x3001;bucket aggregation &#x6216; geo_distance sort&#xA0;&#x6765;&#x66FF;&#x4EE3;&#x3002;<a href="https://github.com/elastic/elasticsearch/pull/22835">#22835</a>&#x3002;
 &#x6539;&#x8FDB;&#x589E;&#x5F3A;&#xFF1A;
&#x5206;&#x914D;&#x89E3;&#x91CA; API&#xFF08;allocation explaining&#xFF09;&#x5728;&#x672A;&#x5206;&#x914D;&#x4E3B;&#x5206;&#x7247;&#x4FE1;&#x606F;&#x4E2D;&#x5305;&#x542B;&#x9648;&#x65E7;&#x7684;&#x526F;&#x672C;&#x4FE1;&#x606F;&#xFF08;&#x4E0D;&#x7BA1;&#x662F;&#x9648;&#x65E7;&#x8FD8;&#x662F;&#x635F;&#x574F;&#x7684;&#xFF09;<a href="https://github.com/elastic/elasticsearch/pull/22826">#22826</a>&#x3002;
Bug &#x4FEE;&#x590D;&#xFF1A;
&#x5982;&#x679C;&#x67E5;&#x8BE2;&#x8D85;&#x65F6;&#xFF0C;&#x5C06;&#x7F13;&#x5B58;&#x7ED3;&#x679C;&#x7F6E;&#x4E3A;&#x65E0;&#x6548;&#x3002;<a href="https://github.com/elastic/elasticsearch/pull/22807">#22807</a>&#x3002;
Reindex &#x63A5;&#x53E3;&#x652F;&#x6301;&#x6765;&#x6E90; ES&#xA0;&#x7248;&#x672C;&gt;2.0&#xFF0C;&#x5F53;&#x4E0D;&#x80FD;&#x6E05;&#x9664;&#x65E7;&#x7684; scroll &#x4FBF;&#x4E0D;&#x8BB0;&#x5F55;&#x65E5;&#x5FD7;&#x3002;
&#x5C06;&#x53C2;&#x6570;&#xFF1A;search.highlight.term_vector_multi_value &#x4FDD;&#x7559;&#x4E3A;&#x8282;&#x70B9;&#x7EA7;&#x522B;&#x3002;
<h2>Kibana 5.2.1 &#x53D1;&#x5E03;&#x5185;&#x5BB9;</h2>&#x5728;5.0&#x65E9;&#x671F;&#x7684;&#x7248;&#x672C;&#x4E2D;&#xFF0C;&#x5982;&#x679C;&#x914D;&#x7F6E;&#x4E86; SSL&#xFF0C;&#x7279;&#x5B9A;&#x7684;&#x8BF7;&#x6C42;&#x4F1A;&#x9020;&#x6210; Kibana &#x65E0;&#x6CD5;&#x91CA;&#x653E;&#x6587;&#x4EF6;&#x6253;&#x5F00;&#x53E5;&#x67C4;&#xFF0C;&#x4EE4;&#x8FDB;&#x7A0B;&#x968F;&#x7740;&#x65F6;&#x95F4;&#x63A8;&#x79FB;&#x800C;&#x5D29;&#x6E83;&#x3002;&#x540C;&#x65F6;&#x5728;&#x53D1;&#x751F;&#x6570;&#x636E;&#x4E4B;&#x524D;&#x88AB;&#x8FDB;&#x884C;&#x8BF7;&#x6C42;&#x53D6;&#x6D88;&#x4E5F;&#x4F1A;&#x9020;&#x6210;&#x8FDB;&#x7A0B;&#x7684;&#x5D29;&#x6E83;&#x3002;&#x8BE5;&#x7248;&#x672C;&#x4E5F;&#x4FEE;&#x590D;&#x4E86;&#x4E00;&#x4E2A;&#x5B89;&#x5168;&#x7684;&#x98CE;&#x9669;&#xFF1A;<a href="/cn/community/security">ESA-2017-02</a>&#xFF08;Http &#x5934;&#x4FE1;&#x606F;&#x53EF;&#x80FD;&#x6CC4;&#x9732;&#x654F;&#x611F;&#x4FE1;&#x606F;&#x7684;&#x95EE;&#x9898;&#xFF0C;&#x6CE8;&#xFF1A;Kibana4 &#x4E0D;&#x53D7;&#x5F71;&#x54CD;&#xFF09;&#x3002; 
</body></html>

Elasticsearch 5.2.1 released

Elasticsearch 5.2.1 发布内容

blog-es-banner.jpg

blog-es-thumb.jpg

Elastic Stack 5.2.0 Released

Elastic Stack 5.2.0 发布内容

安全从来不是等到出事才要注意的事情，可以说安全是第一重要的事情，不管你是公司的CTO、技术总监、运维总监、架构师还是一线工程师，都应该有安全意识。

安全从来不是等到出事才要注意的事情，可以说安全是第一重要的事情。不管你是公司的&nbsp;CTO&nbsp;、技术总监、运维总监、架构师还是一线工程师，都应该有安全意识。正如&nbsp;Elasticsearch 的用户现在越来越多，有些更加已经成为公司的基础服务，所以数据的安全更为重要。今天主要介绍 Elasticsearch 围绕安全方面的的几点使用事项： 
<h2>下载安装</h2>请必须使用正规渠道下载 Elasticsearch，当然首选官方网站。下载完成后，记得要验证下载文件的 sha1 值和官网下载的提供的 sha1 值进行对比，避免下载过程中被人拦截破坏文件，甚至注入恶意代码。
不要随便安装第三方的插件，插件有可能引入安全漏洞甚至本身自带后门，需谨慎使用。
链接：<a href="https://www.elastic.co/downloads">https://www.elastic.co/downloads</a>
<h2>使用最新的 Elasticsearch</h2>请关注 Elastic 的网站，及时更新升级 Elasticsearch 的最新版本。Elasticsearch 每次版本发布都会优化和改进一部分功能，尤其是安全漏洞的补丁。仔细阅读 Elasticsearch 的更新记录，Elasticsearch 的版本遵照 <a href="http://semver.org/lang/zh-CN/">语义化版本</a> ，所以小版本间应该是能够无缝升级的。建议及时本地测试和线上更新，升级前，记得 snapshot 做好备份。
链接：<a href="https://www.elastic.co/downloads">https://www.elastic.co/downloads</a>
<h2>修改默认的 Elasticsearch 集群名称</h2>Elasticsearch 默认的集群名称是 elasticsearch，请在生成环境上一定要修改成其他的名称。在不同的环境和不同的集群要保证使用不相同的名称，并且监控集群节点情况，如果有未知节点加入，一定要及时预警。
文档：<a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/important-settings.html#cluster.name">https://www.elastic.co/guide/e ... .name</a>
<h2>不要暴露 Elasticsearch 在公网上</h2>Elasticsearch 默认端口是&nbsp;9200，绑定的是本机&nbsp;127.0.0.1&nbsp;的这个 IP，这个默认参数其实很安全。但是有很多人想要绑定其他的 lAN&nbsp;口或者公网的 IP，并修改相应参数。记住，修改有风险，如果确实需要将 Elasticsearch 暴露在公网环境，请修改特定的端口绑定&nbsp;IP，不要直接修改参数： network.host，而是要分别修改：http.port 来绑定 HTTP 协议9200 端口的 IP（RESTful 接口调用）和修改：transport.tcp.port 对应的 TCP 9300 端口的 IP（集群内通信）。如果你不需要 Http 端口，禁用掉是比较安全的做法。另外还需要在 Elasticsearch 之上加上成熟的安全防护措施（注意是成熟的！），在这里提供几种方案：
<ol>
	<li>9200&nbsp;的 HTTP 接口之上加上 Nginx 来提供 Http Basic-Auth 的基本的身份认证，辅助 SSL 证书进行传输层的加密。并在&nbsp;Nginx 进一步限制可接受 Verb 请求类型及可被操作的索引前缀。</li>
	<li>使用 Elastic 的 X-Pack 插件，同样提供了 Http Basic-Auth 和 SSL 传输层的加密。X-Pack 还能提供内外 Elasticsearch 集群节点间的流量加密，避免旁路攻击。</li>
</ol>文档：<a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-network.html#common-network-settings">https://www.elastic.co/guide/e ... tings</a>
<h2>禁用批量删除索引</h2>Elasticsearch 支持通过 _all（全部）和通配符（*）来批量删除索引。在生产环境，可是这个有点危险，你可以通过设置： action.destructive_requires_name: true 来禁用它。
<h2>安全使用动态脚本</h2>Elasticsearch 的脚本很方便的可以对数据进行操作，不过如果你暂时没有用上，还请禁用（Elasticsearch 在1.2.x 以后已经默认禁用了）。如果你已经在使用动态脚本，比如 Groovy，它不是沙盒机制的脚本引擎，启用 inline 或 store 类型的&nbsp;groovy 会有安全风险，所以请限制脚本的接触方。比如通过模板的方式来限制脚本的调用，只需要执行特定预先定义好的脚本，对调用参数进行过滤和参数值的检测，做好验证。同时对各种日志都必须要保留好，方便进行日志分析，异常的调用和请求一定要有发现和预警机制。
<ol>
	<li>Elasticsearch 默认启用了 <a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-scripting-security.html#java-security-manager">Java Security Manager</a> ，但还请正确配置其白名单。</li>
	<li>使用 Groovy 或者 JavaScript 等脚本的用户，请尽快迁移到 Painless 脚本，Painless 更快更安全。</li>
	<li>文档：<a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-scripting-security.html">https://www.elastic.co/guide/e ... .html</a></li>
</ol><h2>给 Elasticsearch 服务器加固</h2>服务器加固是一个必备流程，不管上面运行的是什么服务；<ol>
	<li>首先，请开启防火墙，并设置防火墙规则为只开启必备的端口。完成之后，使用扫描工具扫描服务器，检查端口开发情况。</li>
	<li>如果可能，不要用密码的方法来远程登录服务器，尽可能使用公私钥的方式来 SSH&nbsp;登录服务器。如果只能使用密码，请妥善保管好你的用户名和密码，禁用 root 用户，不用使用弱密码。</li>
	<li>关注 Java 最新的漏洞，使用安全的 JVM 运行。</li>
	<li>注意服务器及时更新最新的软件，使用安全的 repo 软件源。绑定软件源的 HOST&nbsp;和 IP，避免 DNS&nbsp;污染造成的攻击，关注服务器软件漏洞，及时打上补丁。</li>
	<li>收集系统日志和安装相应的入侵检测软件，及时发现服务器是否有异常行为。</li>
</ol><h2>不要以 root 身份运行 Elasticsearch</h2>记住一定不要以 root 身份来运行 Elasticsearch。另外，不要和其他的服务公用相同的用户，然后还要把用户的权限最小化。
范例：
<pre class="prettyprint">sudo -u es-user ES_JAVA_OPTS="-Xms1024m -Xmx1024m" 
/opt/elasticsearch/bin/elasticsearc
</pre><h2>正确设置 Elasticsearch 的数据目录</h2>请确保 Elasticsearch 的目录分配了合理的读写权限，避免使用共享文件系统，确保只有 Elasticsearch 的启动用户才能访问。同样，日志目录也一样需要正确配置，避免泄露敏感信息。
文档：<a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/important-settings.html#path-settings">https://www.elastic.co/guide/e ... tings</a>
<h2>定期对 Elasticsearch 进行备份</h2>使用 Elasticsearch 提供的备份还原机制，定期对 Elasticsearch 的数据进行快照备份，以备不时之需。
文档：<a href="https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-snapshots.html">https://www.elastic.co/guide/e ... .html</a>
<h2>加上监控和预警</h2>Elasticsearch 提供了很好的默认参数，对参数方面还做了正确性检测，bootstrap 启动检查。不准确的参数，直接不允许 Elasticsearch 启动。作为用户，你还需要收集各种日志和系统监控信息，及时主动掌握服务健康和资源使用情况，发现异常情况要及时处理，这里提供一些方案：<ol>
	<li>使用开源的 Elastic Stack 收集这些日志。可以使用 Filebeat 收集日志，Metricbeat&nbsp;收集系统监控信息，存进 Elasticsearch。一旦发现异常的波动，使用 Watcher 来进行预警，通过邮件或者 webhook 调用短信、微信或者电话。</li>
	<li>使用其他厂商的安全监控产品。</li>
	<li>使用托管的 Elasticsearch 云的产品，如 Elastic Cloud等等。</li>
</ol>虽让把安全事项考虑进去之后，很多事情都要比没考虑要变得更加复杂和麻烦，可是一个不起眼的忽视就有可能造成全部数据的丢失和泄露，所以安全问题千万不能忽视。
以上几点建议举例针对 Linux&nbsp;平台，其他平台思路基本上一样。仅供参考。
最后，Elastic 非常关心我们的产品安全，如果您发现有任何安全方面的问题，还请在这里上报： 
	<a href="/cn/community/security">https://www.elastic.co/community/security</a> 
	企业用户需要 X-Pack 及 Elastic 官方技术支持，请访问下面的链接： 
	<a href="/cn/contact">https://www.elastic.co/cn/contact</a>

Elasticsearch Platform

ELK Stack

Elastic Cloud

可观测性

安全性

搜索

按行业

按解决方案

客户聚焦

开发人员

保持联系

学习

帮助

了解 Elastic 的最新动态

<

2017

<

july

>

Elasticsearch 实用介绍

关注我们

关于我们

加入我们

新闻稿

合作伙伴

信任和安全性

投资者关系

卓越奖

关于我们

加入我们

新闻稿

合作伙伴

信任和安全性

投资者关系

卓越奖