视频和网络研讨会

我们的第二份年度威胁报告提供了有价值的见解，阐述了威胁行为是如何改变过去一年的威胁态势的。《2023 年 Elastic 全球威胁报告》由 Elastic Security Labs 的调查和专业威胁情报提供支持，可帮助指导安全团队处理恶意软件、终端、云安全等方面的问题。为了更深入地探讨这些复杂的主题，Elastic Security Labs 举办的这次网络研讨会将：

• 探索经过数月调查所发现的主要调查结果和当前趋势

出色的搜索体验都离不开以强大的数据作为基础。然而，在整合您的所有数据进行搜索时也存在一些常见的挑战。数据可以存在于许多地方，例如关系数据库、网页、文件系统或网络驱动器。在您弄清楚数据位于何处后，随之就需要考虑数据的新鲜度，或在采集时的转换规则。接踵而至的一系列挑战可能会涉及实施调度逻辑，定义爬取规则，或设置内容提取或内容操作。

Elastic 企业搜索包含了各种数据采集功能，可助力您化挑战为机遇，让您集中精力打造出色的搜索体验。

未来一年搜索领域将会迎来哪些变革？我们就此问题采访了 Forrester 机器学习专家 Rowan Curran，以共同探讨搜索领域的现状，并展望未来的发展趋势。

Forrester 的数据显示，先进的见解驱动型企业采用认知搜索技术的速度几乎是其他组织的 2 倍，因而在增长和收入成果方面表现得也更为优异。

以下是我们将谈及的一些主题：

最终用户对电子商务买家体验的期望非常高，围绕搜索结果和商品发现的个性化体验现在被普遍认为是高品质数字购买体验的一部分。

Elastic 为客户提供了多种方式来提高搜索响应相关性，并为搜索用户提供个性化结果。开发人员可以利用这些功能，创建一种可满足他们应用程序特定需求的方法，从针对个人以前互动的高度定制的响应，到大范围的优化，以确保响应能够反映用户群体的当前趋势。

随着 85% 以上的公司转向采用云优先模式，超过 95% 的数字工作负载也随之迁移到云原生环境。贵组织是如何为保护这些基于云的工作负载和防御威胁做好准备的？阻碍您向云进一步迁移的阻碍因素有哪些？您是否关心云端的威胁防护？这可不像保护终端或数据中心那么容易。

在云端，您可能看不到正在运行的服务和进程、数据的确切位置以及哪些共享服务可以访问您的数据。在本次网络研讨会中，Elastic 会带您了解云相关安全挑战，并向您展示我们如何帮助众多客户确保其云实例的安全。这些信息有助于您的组织降低风险，提高云安全态势，加快云采用的速度并进一步推动创新进程。

这是对自然语言处理模型简介：第 1 部分讲座的更新，其中包括 Elastic 平台 8.1 至 8.3 的更新。

介绍 Elasticsearch 所采用的现代自然语言处理和原生矢量搜索。全新 Machine Learning 模型可帮助了解上下文信息，同时提高搜索速度并改进搜索结果。您可以解锁更先进的文本分析技术，如语义文本嵌入和进行问题回答的 NLP PyTorch 模型，同时显著减少工作量和耗费的时间。获取有关矢量搜索的最新信息，包括筛选、半径查询、增量索引等等。可以从预构建的模型开始，也可以扩展您自己的模型。

对于许多组织来说，集中管理和存储日志以执行日志分析是实现可观测性的第一步，虽然它们并未意识到自己已经开启了一个旅程。 

在本次线上活动中，我们将介绍日志管理解决方案的益处和您在旅程中可能会遇到的挑战，还会提供一些建议，以帮助您在开始或尝试改进日志聚合方式时避开经常出现的陷阱。 

讨论的内容包括：

• 基本的日志分析概念

持续集成和持续交付 (CI/CD) 是组织的一个关键流程，但它一直缺乏现代可观测性功能所提供的可见性和见解。这导致无法识别错误，以至于需要花费更多时间执行故障排查，使开发人员的工作效率降低，并拖慢创新的速度。

在本次线上活动中，我们将演示 DevOps 团队如何实施 CI/CD 可观测性，以便排查构建管道和平台的问题，优化管道性能，执行安全/流程审核以及提高可追溯性。我们将展示 OpenTelemetry 如何为最受欢迎的工具（如 Jenkins、Maven 和 Ansible）提供一站式可观测性。

在过去几年间，有一种趋势日益明显，那就是几乎每家公司都需要在数字领域做出相应决策，以便继续实现业务多元化，让自己在竞争中脱颖而出。随着数据集的不断扩展和增长，对这些数据进行有效搜索的需求变得愈发显现。

那么问题就变成了，当我们传统的核心竞争力不是搜索时，我们该如何搜索数据。我们需要做出什么样的决策才能为我们的内部和外部客户提供极致的搜索体验。Elastic 相信，我们是解决搜索问题方面的思想领袖，可以就这一领域提供有用的建议。

开发、部署和操作软件的艺术和科学无时无刻不在变化。二十多年前，软件比我们现在用的要简单得多。大多数应用程序都是基于简单的 HTTP 服务器集群构建而成，对于开发人员来说，查找问题只需要一个日志文件。从单体服务器进程到高度分布式的深度系统，我们现在正面临着计算领域最严峻的挑战之一：真正了解我们的代码在做什么。分布式跟踪是一种可能的解决方案。利用这一技术，开发人员能够更好地了解他们的软件，并建立适当的可靠性水平，从而让他们能够信心满满地部署软件，而无需摸着石头过河，也不用在周五晚上加班加点！

介绍 Elasticsearch 所采用的现代自然语言处理和原生矢量搜索。全新 Machine Learning 模型可帮助了解上下文信息，同时提高搜索速度并改进搜索结果。您可以解锁高级文本分析技术，如命名实体识别 (NER)、语义文本嵌入、情绪和情感分析或文本分类，同时显著减少工作量和耗费的时间。可以从预构建的模型开始，也可以扩展您自己的模型。

重要内容

• 如何运用 Lucene 9 和稠密矢量字段

云已成为左右公司如何开展业务和打造卓越客户体验的决定性因素。但组织依旧处于云旅程的起步阶段，且大多数组织仍在云端和本地部署工作负载。现如今，大多数组织选择采用混合部署，但这种方法不仅增加了复杂性，还带来了新的可观测性挑战。

微服务和分布式架构的采用进一步增加了复杂性。运营和开发团队被海量数据淹没，越来越难以找出问题的根本原因，进而给客户造成负面的体验，并增加中断时间。

参加这场网络研讨会，与 451 Research 和 Elastic 一起了解组织在向云端迁移时面临的挑战，评估可观测性解决方案时应考虑的事项，以及 Elastic 可观测性如何帮助客户扩大云使用率。