技术主题

数据分析人员和开发人员现在就可以将 BigQuery 数据直接采集到 Elastic 中，消除运行开销和减少数据采集花费的时间，从而专注于构建仪表板以发掘见解或在 Elastic 中运行全文搜索

开发人员、SRE 和安全分析人员现在可以使用 Google Dataflow 直接从 Google Pub/Sub 采集数据到 Elastic 中，从而消除运行开销并减少故障排除所需的时间。

Elastic 代理、Fleet 和我们的第一组集成现已正式发布。我们的一体化代理将使数据上线过程和安全设置工作变得简单易行。使用 Fleet 轻松地大规模管理数千个代理，只需单击一下即可添加集成。

Elasticsearch 的新时间点 (point-in-time) 功能支持从给定的时间点检索数据，让搜索请求执行保持一致，不受数据变化的影响。了解我们为何推荐使用时间点而非滚动 API。

在 7.13 版中，我们对几个关键聚合进行了一些令人振奋的性能改进。我们希望应用这些改进后，让您能够更快地与 Elasticsearch、Kibana 和所有 Elastic 解决方案进行交互。

了解如何开始使用最新的 Elastic 和 Microsoft Azure 集成，从而简化各项操作并最大限度地掌控您的 Azure 环境。

了解与现有 Elasticsearch 数据层相比，新冻结层的搜索性能如何，以及如何使用冻结层存储和搜索大量数据。

了解如何通过 Elastic 可观测性和 Elastic APM 收集应用程序跟踪数据，并将这些数据与来自应用程序和基础架构的日志和指标一同存储。

了解如何利用 Elastic 可观测性监测容器化的 Kafka 集群（例如日志和指标）。