Blogs

Entwickler-Einblicke und praktische Anleitungen von unseren Experten, um Ihr Sucherlebnis zu inspirieren und zu verbessern

Filter
Bereitstellung von Elasticsearch auf GCP GKE Autopilot
Elasticsearch Labs

Bereitstellung von Elasticsearch auf GCP GKE Autopilot

Erfahren Sie, wie Sie einen Elasticsearch-Cluster auf der Google Cloud Platform mit GKE Autopilot und ECK für eine teilweise verwaltete Elasticsearch-Konfiguration bereitstellen können.

Eduard Martin
Verwenden von Azure LLM-Funktionen mit Elasticsearch für intelligentere Abfrageerlebnisse
Elasticsearch Labs

Verwenden von Azure LLM-Funktionen mit Elasticsearch für intelligentere Abfrageerlebnisse

Entdecken Sie eine Beispiel-Immobilien-Such-App, die Azure Gen AI LLM Functions mit Elasticsearch nutzt, um flexible hybride Suchergebnisse zu liefern. Eine Schritt-für-Schritt-Anleitung zur Konfiguration und Ausführung der Beispiel-App in GitHub Codespaces finden Sie hier.

Jonathan Simon
Der aktuelle Stand von MCP (Model Context Protocol)
Elasticsearch Labs

Der aktuelle Stand von MCP (Model Context Protocol)

Informieren Sie sich über MCP, Projektaktualisierungen, Funktionen, Sicherheitsherausforderungen, neue Anwendungsfälle und wie Sie mit dem Elasticsearch MCP-Server von Elastic herumbasteln können.

JD Armada
Hybride Suche neu betrachtet: Einführung des linearen Retrievers in Elasticsearch!
Elasticsearch Labs

Hybride Suche neu betrachtet: Einführung des linearen Retrievers in Elasticsearch!

Entdecken Sie, wie der lineare Retriever die hybride Suche durch die Nutzung gewichteter Scores und MinMax-Normalisierung für präzisere und konsistentere Rangfolgen verbessert, und lernen Sie, wie Sie ihn verwenden.

Panagiotis Bailis
Anzeigen von Feldern in einem Elasticsearch-Index
Elasticsearch Labs

Anzeigen von Feldern in einem Elasticsearch-Index

Untersuchung von Techniken zur Darstellung von Feldern in einem Elasticsearch-Index.

Kofi Bartlett
Erstellung von Bewertungslisten mit Quepid
Elasticsearch Labs

Erstellung von Bewertungslisten mit Quepid

Erfahren Sie, wie Sie in Quepid mithilfe eines kollaborativen menschlichen Bewertungsprozesses Bewertungslisten erstellen und anhand der Benchmarks Ihre Relevanz optimieren können.

Daniel Wrigley
Spring AI und Elasticsearch als Ihre Vektordatenbank
Elasticsearch Labs

Spring AI und Elasticsearch als Ihre Vektordatenbank

Lernen Sie, wie Sie eine produktionsreife RAG-App mit Spring AI und Elasticsearch erstellen und LLMs mit Ihren proprietären Daten mithilfe einer Vektordatenbank integrieren.

Josh Long
Elasticsearch in JavaScript richtig anwenden, Teil II
Elasticsearch Labs

Elasticsearch in JavaScript richtig anwenden, Teil II

Erfahren Sie mehr über Best Practices für die Produktion und darüber, wie Sie den Elasticsearch Node.js-Client in serverlosen Umgebungen ausführen können, um Programmierfehler zu vermeiden.

Jeffrey Rengifo
Wie man den Speicherplatz und die Nutzung von Elasticsearch optimiert
Elasticsearch Labs

Wie man den Speicherplatz und die Nutzung von Elasticsearch optimiert

Lernen Sie, wie Sie Fälle vermeiden und behandeln können, in denen die Elasticsearch-Festplatte zu voll ist (Überauslastung) und in denen die Festplattenkapazität nicht ausgelastet ist, um die Clusterkosten zu optimieren.

Kofi Bartlett
Elasticsearch in JavaScript richtig anwenden, Teil 1
Elasticsearch Labs

Elasticsearch in JavaScript richtig anwenden, Teil 1

Hier wird erklärt, wie man ein produktionsreifes Elasticsearch-Backend in JavaScript erstellt. Erkunden Sie, wie Sie Elasticsearch mit JavaScript verwenden, um einen Server mit verschiedenen Such-Endpunkten zu erstellen, der Elasticsearch-Dokumente gemäß den Best Practices für Client/Server abfragt.

Jeffrey Rengifo
Wie konfiguriert man die Anzahl der Replikate in einem Elasticsearch-Index?
Elasticsearch Labs

Wie konfiguriert man die Anzahl der Replikate in einem Elasticsearch-Index?

Erfahren Sie, wie Sie die number_of_replicas in einem Elasticsearch-Index konfigurieren, um die Suchleistung zu verbessern und eine Widerstandsfähigkeit gegen Node-Ausfälle zu gewährleisten.

Kofi Bartlett
Zuordnung von Einbettungen zu Elasticsearch-Feldtypen: semantic_text, dense_vector, sparse_vector
Elasticsearch Labs

Zuordnung von Einbettungen zu Elasticsearch-Feldtypen: semantic_text, dense_vector, sparse_vector

Erörterung, wie und wann semantic_text, dense_vector oder sparse_vector verwendet werden und wie diese mit der Einbettungsgenerierung zusammenhängen.

Andre Luiz